那么,让我们深入探索 SQL 和 NoSQL 数据库的世界。
关于 SQL 和 NoSQL 的事实
- SQL 最初是由Donald D. Chamberlin和Raymond F. Boyce在IBM于 1970 年代初从Edgar F. Codd那里学习关系模型后开发的。
- NoSQL一词由 Carlo Strozzi 在 1998 年使用。
- Oracle 于 1979 年将第一个商业关系数据库推向市场,随后是DB2、SAP Sybase ASE 和Informix。
- NoSQL 数据库不是关系数据库的替代品,而是为某些用例提供替代解决方案。
- SQL 数据库提供高度的数据一致性和事务支持,使其成为需要数据完整性和可靠性的应用程序的热门选择。
- NoSQL 数据库通常具有水平可扩展性,这意味着它们可以轻松地跨多个服务器分发数据,从而实现更大的可扩展性。
- CAP定理,也以计算机科学家Eric Brewer的名字命名为 Brewer 定理,指出任何分布式数据存储只能提供三个保证中的两个:
何时使用 SQL 或 NoSQL 没有硬性规定,特定项目的最佳选择将取决于项目的具体需求和约束。
SQL 数据库通常比 NoSQL 数据库使用更广泛。根据 DB-Engines的一项调查,在流行度和使用率上排名前五的数据库都是 SQL 数据库(Oracle、MySQL、Microsoft SQL Server、PostgreSQL 和 SQLite)。
使用 SQL 或 NoSQL 的实际应用程序
- Twitter 使用 NoSQL 数据库 (Cassandra) 来存储和管理其用户生成的海量数据。他们说, “我们的地理团队使用它来存储和查询他们的兴趣点数据库。研究团队使用它来存储对我们整个用户群进行的数据挖掘的结果。 ”
- Netflix 使用 SQL 和 NoSQL 数据库的组合来存储和管理与其流媒体服务相关的数据。该公司使用 SQL 数据库 (MySQL) 存储结构化交易数据,例如订户信息和账单记录,并使用 NoSQL 数据库 (Cassandra) 存储与用户交互和推荐相关的数据。
- LinkedIn 使用 SQL 和 NoSQL 数据库的组合来存储和管理与其专业网络平台相关的数据。Espresso 是 LinkedIn 的在线、分布式、容错 NoSQL 数据库,目前为大约 30 个 LinkedIn 应用程序提供支持,包括会员资料、InMail(LinkedIn 的会员间消息传递系统)、部分主页和移动应用程序。
- Facebook使用 MySQL 作为主要数据库,这是一个由 Oracle 开发的开源数据库,为 Facebook 的一些最重要的工作负载提供支持。他们引入了 MyRocks,一种新的 MySQL 数据库引擎,其目标是提高空间和写入效率,超过压缩 InnoDB 所能达到的水平。
- Stack Overflow使用 SQL Server。Nick Craver在他的一篇博客中写道,Stack Overflow 正在使用 SQL Server 作为单一事实来源。Elastic 和 Redis 中的所有数据都来自 SQL Server。他们运行两个带有AlwaysOn 可用性组的 SQL Server 集群。
SQL 和 NoSQL 在不同业务中的用例
数据库
- 财务系统
- 客户关系管理 (CRM) 系统
- 库存管理系统
- 人力资源 (HR) 系统
- 数据仓库和商业智能 (BI) 系统
无SQL
- 社交媒体网络
- 电子商务网站
- 实时分析系统
- 移动应用程序后端
- 内容管理系统 (CMS)
这些只是几个示例,SQL 和 NoSQL 还有许多其他用例。
特定项目的最佳技术将取决于项目的具体需求和限制。
云端数据库
大多数主要的云提供商都提供各种 SQL 和 NoSQL 数据库作为服务。以下是一些主要云提供商提供的数据库类型的一些示例:
- Amazon Web Services (AWS) 提供一系列 SQL 和 NoSQL 数据库,包括:
- SQL:亚马逊 RDS(MySQL、PostgreSQL、Oracle、Microsoft SQL Server)
- NoSQL:Amazon DynamoDB(键值对)、Amazon DocumentDB(文档)、Amazon Neptune(图形)
- Microsoft Azure 提供一系列 SQL 和 NoSQL 数据库,包括:
- SQL:Azure SQL 数据库(关系)、Azure Database for MySQL、Azure Database for PostgreSQL
- NoSQL:Azure Cosmos DB(多模型)、Azure 表存储(键值)
- Google Cloud Platform 提供一系列 SQL 和 NoSQL 数据库,包括:
- SQL:云 SQL(MySQL、PostgreSQL)
- NoSQL:Cloud Firestore(文档)、Cloud Bigtable(宽列)、Cloud Datastore(文档)
在 SQL 和无 SQL 之间进行选择的最佳实践
在为特定项目选择 SQL 和 NoSQL 时,需要牢记一些最佳实践(这不是最终列表):
- 了解项目的具体需求和限制。这将帮助您确定最适合的技术。
- 考虑您正在使用的数据的类型和结构。SQL 非常适合具有明确关系的结构化、事务性数据,而 NoSQL 更适合处理具有较少定义关系的非结构化、大容量数据。(同样,您的项目和用例将决定这一点。)
- 评估应用程序的可伸缩性和性能要求。您一定听说过 NoSQL 数据库通常比 SQL 数据库更具可扩展性和性能,但情况可能并非总是如此。
- 考虑您需要的一致性和可靠性级别。SQL 数据库通常更具可预测性和一致性,但 NoSQL 数据库提供更大的灵活性。
- 测试不同的技术,看看哪一种技术在您的特定用例中表现最好。这将帮助您做出明智的决定。
- SQL 和 NoSQL 数据库都可以提供高可用性和持久性,具体取决于具体的实施方式以及复制和分片等技术的使用。
- 每个人都在使用 NoSQL,所以这样做并不总是正确的策略。
帮助决定的工具
为了帮助企业应用程序在 SQL 和 NoSQL 之间做出选择,您可以考虑使用数据库性能基准测试工具、数据库设计和建模工具以及数据库管理和监控工具等工具。这些类型的工具的一些示例包括:
- MySQL 工作台
- MongoDB 指南针
- 资料夹
- 海狸
- Redis 桌面管理器
数据库实现失败的原因
- 设计不当的数据模型或模式不符合应用程序的需要
- 性能测试或优化不充分,导致数据库性能不佳
- 缺乏强大的备份和恢复流程,导致数据丢失或损坏
- 数据库维护和支持的规划或资源不足
常见故障与异常
- 连接失败—— 建立与数据库的连接时出现问题,例如数据库服务器未运行或连接详细信息不正确时
- 解决方案:建立稳健的连接管理和重试策略来处理连接失败
- 查询失败 - 执行查询时出现问题,例如查询语法无效或查询执行时间过长
- 解决方案:调试和优化查询以提高性能
- 事务失败——如果数据库事务出现问题,例如事务由于死锁或违反约束而被取消或回滚
- 解决方案:实施适当的交易管理以最大限度地降低交易失败的风险
- 数据损坏—— 当数据库中存储的数据出现问题时,例如当数据因硬件故障或软件错误而损坏或丢失时,就会发生这种情况。
- 解决方案:实施备份和恢复策略以降低数据丢失或损坏的风险
- 性能问题:数据库查询性能不佳,如速度慢或数据库消耗过多资源
- 解决方案:监视和调整数据库以识别和解决性能问题
数据库的部署架构
- 独立服务器:在此架构中,数据库安装在单个服务器上并由应用程序直接访问。这是最简单易用的部署选项,但不适合大规模或高可用性应用程序。
- 复制:在这里,数据库部署在多台服务器上,每台服务器都托管一份数据副本。服务器配置在副本集中,其中一个服务器被指定为主服务器。应用程序写入主服务器,数据自动复制到其他服务器。这提供了改进的可用性和容错性,但不提供水平可伸缩性。
- 分片:这与复制相同,其中数据库部署在多台服务器上,并且数据跨服务器分区。这里的分区称为分片,服务器被组织成一个分片集群。应用程序写入集群,数据自动路由到适当的分片。这种风格提供了改进的可伸缩性和性能,同时需要额外的配置和管理。
- 云托管服务:云提供商管理数据库并由 API 访问。这可能是最简单的部署和管理方式。另一方面,它可能很昂贵,与其他相比,控制和定制会更少。
什么会导致数据库中的性能问题
- 资源不足
- 设计不佳的查询
- 索引问题
- 架构未优化
- 分片问题
- 网络延迟或带宽
我使用 SQL 和 NOSQL 的个人经验
我是企业 API 开发团队的一员,最初我们开始使用 SQL 数据库。后来当我们的组织采用 NoSQL 时,考虑到我们将扩展并且其他一切都会顺利的事实,我们搬到了那里。
然而,我们开始遇到规模、性能、索引等挑战。使用 NoSQL 数据库的挑战之一是它们通常缺乏关系数据库提供的强大的数据一致性保证。您需要记住分布式环境中的“最终一致性”。这意味着在某些情况下数据可能会变得不一致或过时,例如当多个客户端同时更新相同的数据时。
所以作为初学者,我们从来没有想过这个场景,逐渐开始学习和重新设计数据库架构,从记录走向文档。NoSQL 数据库旨在处理大量数据和高读写吞吐量,但优化其性能需要深入了解数据库的体系结构和配置设置。
需要从只关注关系的心态转变。数据库是存储数据的地方,遵循特定的数据结构。考虑从充满业务逻辑的存储过程转移到仅应用程序的业务逻辑:数据库内部将没有逻辑。在充分利用 NoSQL 的同时,必须更好地进行数据建模和设计索引。