数据库有哪些分类?应该怎样选择?终于有人讲明白了
即将开播:6月19日,互联网银行架构师魏生谈互联网开放银行实施路径的探索与思考
键值数据库
通常,只需要使用主键甚至是部分键来检索应用程序的数据。键/值数据库可以被看作一个非常大的哈希表,该表在唯一的键下存储了一些值。存储的值可以通过键或者部分键高效地检索到。因为该值对于数据库是不透明的,所以如果需要按值来查找一条记录的话就需要逐条扫描。
键/值数据库中的键可以包含多个元素,甚至可以排序以提高查询效率。一些键/值数据库允许使用键的前缀进行查找,从而可以使用复合键。如果数据可以通过一些简单的键嵌套查询,那键/值数据库会是个不错的选择。
例如,我们将客户xyz的订单存储在键/值数据库中,可以使用客户ID作为键的前缀,结合订单号组成键“xyz-1001”来存储订单。可以使用整个键来检索特定的订单,也可以使用“xyz”前缀检索客户xyz的所有订单。
说明:键/值数据库通常是比较便宜的,且具有高度可伸缩性的数据存储。键/值数据库能够根据键对数据进行分区甚至重分区。使用键/值数据库时,选择键很重要,因为这将对数据存储的规模和读写性能产生重大影响。
02 文档数据库
文档数据库和键/值数据库类似,因为它也通过主键存储文档(值)。与键/值数据库不同的是,文档数据库中的文档需要符合某些定义好的结构,而键/值数据库几乎可以存储任意值。这使得文档数据库可以启用诸如维护二级索引的功能以及基于文档查询数据的功能。
通常存储在文档数据库中的值是哈希图(JSON对象)和列表(JSON数组)的组合。JSON格式在文档数据库中很常用,尽管许多数据库引擎使用了更高效的内部存储格式,例如MongoDB的BSON。
建议:当你从关系型数据库转换到基于文档的数据库时,你需要思考如何去组织数据。许多人需要时间来过渡到这种不同的数据建模方法。
传统关系型数据库(如PostgreSQL)存储的数据大部分也可以存储在文档数据库中。它们正变得越来越流行,与关系数据库不同,这些存储的文档可以很好地映射成编程语言中的对象,并且不需要对象关系映射(ORM)工具。
这些数据库通常不强制要求定义数据模式(schema),这对于在软件持续交付(CD)过程中需要更新数据模式的情形具有一些优势。
说明:不强制要求定义模式的数据库通常被称为“读时模式(schema on read)”,因为尽管数据库未强制要求模式,但是在使用数据的应用中存在固有的模式,并且需要知道如何转化读到的数据。
03 关系型数据库
关系型数据库将数据组织到称为表的二维结构中,该结构由列和行组成。一张表中的数据可以与另一表中的数据有关联,数据库系统可以保证这种关联。关系型数据库通常强制执行严格的模式,也称为“写时模式(schema on write)”,在该模式中,向数据库写入的数据必须符合数据库中定义的结构。
关系型数据库已经存在很长时间了,许多开发人员都有使用它们的经验。迄今为止,最流行和最常用的数据库仍然是关系型数据库。这些数据库非常成熟,可以处理包含大量关系的数据,并且拥有大量知道如何使用它们的工具和应用程序生态系统。
在文档数据库中可能很难使用多对多关系,但是在关系型数据库中这非常简单。如果应用的数据具有很多关系,尤其是有事务处理的需求,那么这些数据库可能很合适。
04 图数据库
图数据库存储两种类型的信息:边和节点。边定义了节点之间的关系,你可以把节点看作实体。节点和边都具有属性,其中存储了该节点或边的一些信息。边通常会定义关系的方向或性质。
图数据库可以很好地分析实体之间的关系。图数据也可以存储在任何其他数据库中,但是当图的遍历变得越来越复杂时,其他类型的存储可能很难满足图数据对性能和伸缩性的需求。
05 列族数据库
列族数据库(column family database)将数据组织成行和列,乍一看可能与关系型数据库非常相似。你可以将列族数据库视为行和列组成的表格数据,但是列被分了组,称为列族。
每个列族包含了一组逻辑上相关的列,通常被作为一个单元进行检索或操作。能被单独访问的数据可以存储在单独的列族中。在一个列族中,可以动态添加新列,并且行可以是稀疏的(也就是说,行不需要在每个列下面都有值)。
06 时序数据库
时序数据库是针对时间进行优化的数据库,可根据时间来存储值。这些数据库通常需要支持大量的写操作。它们通常被用于从大量数据源实时收集大量数据。这些数据很少更新,删除操作通常是批量进行的。写入时序数据库的记录通常很小,但记录的量很多。
时序数据库非常适合存储遥测数据。流行的用途包括物联网(IoT)传感器或应用程序/系统的计数器。时序数据库通常会提供数据保持、下采样以及根据数据使用模式的配置将数据保存到其他存储中的功能。
07 搜索引擎
搜索引擎数据库通常用于搜索保存在其他存储和服务中的数据。搜索引擎数据库可以对大量的数据建立索引,并提供近实时的索引查询。
除了搜索像网页这样的非结构化的数据,许多应用程序还使用它为其他数据库中的数据提供结构化和即时搜索功能。有一些数据库也能提供全文索引功能,但是搜索数据库还具备通过词干和泛化将单词缩减为词根的功能。
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
MongoDB统一分布式数据源,云数据库支持数据湖和搜索功能
即将开播:6月19日,互联网银行架构师魏生谈互联网开放银行实施路径的探索与思考 即将开播:4月29日,民生银行郭庆谈商业银行金融科技赋能的探索与实践--> 分布式文件存储数据库MongoDB发布了新版本,包括大量产品组合更新。并且为云数据库MongoDB Atlas(数据库的特定于云的版本)添加了更多功能,为开发人员推出了全新的产品数据库同步平台。 众所周知MongoDB是一个开源的分布式的文件存储数据库,用于驱动大数据应用和其他数据密集型工作负载。MongoDB之所以广受好评,是因为其可以处理各种应用的多模式数据库。 这使开发者受益,他们只需要学习一种查询语言和一个一致的应用程序编程接口即可构建。MongoDB数据库常用于金融,医疗保健,保险和电信行业的分析和交易应用程序。 MongoDB 4.4新版本现已提供Beta版本,它提供了如Union之类的新功能,该功能使用户可以将多个数据集中的数据混合到一个集合中,从而可以对数据进行更深入的探索和分析。 该版本还增加了定义和优化分片主键(shard keys)的功能,这意味着用户现在可以调整数据在集群中的分配方式,帮助他们的应用在需要时进...
- 下一篇
图文详解:DataHub产品概述
云栖号快速入门:【点击查看更多云产品快速入门】不知道怎么入门?这里分分钟解决新手入门等基础问题,可快速完成产品配置操作! 产品概述 DataHub基本介绍阿里云流数据处理平台DataHub是流式数据(Streaming Data)的处理平台,提供对流式数据的发布 (Publish),订阅 (Subscribe)和分发功能,让您可以轻松构建基于流式数据的分析和应用。DataHub服务可以对各种移动设备,应用软件,网站服务,传感器等产生的大量流式数据进行持续不断的采集,存储和处理。用户可以编写应用程序或者使用流计算引擎来处理写入到DataHub的流式数据比如实时web访问日志、应用日志、各种事件等,并产出各种实时的数据处理结果比如实时图表、报警信息、实时统计等。 DataHub服务基于阿里云自研的飞天平台,具有高可用,低延迟,高可扩展,高吞吐的特点。DataHub与阿里云流计算引擎StreamCompute无缝连接,用户可以轻松使用SQL进行流数据分析。 DataHub服务也提供分发流式数据到各种云产品的功能,目前支持分发到MaxCompute(原ODPS),OSS等。 系统整体功能图 产...
相关文章
文章二维码
点击排行
推荐阅读
最新文章
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- CentOS8,CentOS7,CentOS6编译安装Redis5.0.7
- CentOS8安装Docker,最新的服务器搭配容器使用
- MySQL8.0.19开启GTID主从同步CentOS8
- SpringBoot2全家桶,快速入门学习开发网站教程
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- Docker安装Oracle12C,快速搭建Oracle学习环境
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题