一、关系型数据库
关系型数据库最典型的数据结构是表,由二维表及其之间的联系所组成的一个数据组织。
优点:
- 易于维护:都是使用表结构,格式一致;
- 使用方便:SQL语言通用,可用于复杂查询;
- 复杂操作:支持SQL,可用于一个表以及多个表之间非常复杂的查询。
缺点:
- 读写性能比较差,尤其是海量数据的高效率读写;
- 固定的表结构,灵活度稍欠;
- 高并发读写需求,传统关系型数据库来说,硬盘I/O是一个很大的瓶颈。
二、非关系型数据库
非关系型数据库严格上不是一种数据库,应该是一种数据结构化存储方法的集合,可以是文档或者键值对等。
优点:
- 格式灵活:存储数据的格式可以是key,value形式、文档形式、图片形式等等,文档形式、图片形式等等,使用灵活,应用场景广泛,而关系型数据库则只支持基础类型。
- 速度快:nosql可以使用硬盘或者随机存储器作为载体,而关系型数据库只能使用硬盘;
- 高扩展性;
-成本低:nosql数据库部署简单,基本都是开源软件。
缺点:
- 不提供sql支持,学习和使用成本较高;
- 无事务处理;
- 数据结构相对复杂,复杂查询方面稍欠。
非关系型数据库的分类和比较:
- 文档型
举例 | CouchDB MongoDb |
典型应用场景 | Web应用(与Key-Value类似↓Value是结构化的,不同的是数据库能够了解Value的内容) |
数据模型 | Key-Value对应的键值对,Value为结构化数据 |
强项 | 数据结构要求不严格,表结构可变,不需要像关系型数据库一样需要预先定义表结构 |
弱项 | 直询性能不高,而且缺乏统年魯查海濟发Guide |
- key-value型
举例 | Redis, Voldemort, Oracle BDB |
典型应用场景 | 内容缓存,主要用于处理大量数据的高访问负载,也用于一些日志系统等等。) |
数据模型 | Key指向Value的键值对,通常用hash table来实现 |
强项 | 查找速度快 |
弱项 | 数据无结构化,通常只被当许字容津或明话辩发e显le |
- 列式数据库
举例 | Cassandra HBase, Riak |
典型应用场景 | 分布式的文件系统 |
数据模型 | 以列簇式存储, 将同-列数据存在起 |
强项 | 查找速度快,可扩展性强,更容易进行分布式扩展 |
弱项 | 功能相对局限 |
- 图形数据库
举例 | Neo4J InfoGrid, Infinite Graph |
典型应用场景 | 社交网络 , 推荐系统等。专注于构建关系图谱 |
数据模型 | 图结构 |
强项 | 利用图结构相关算法。比如最短路径寻址,N度关系查找等 |
弱项 | 很多时候需要对整个图做计算才能得出需要的信息,而且这种结构不太好做分布式的多张万赚式开发Guide |