本文来源：极客时间vip课程笔记

一、关系数据库的缺点

• 关系数据库存储的是行记录，无法存储数据结构

  以微博的关注关系为例，“我关注的人”是一个用户 ID 列表，使用关系数据库存储只能将列表拆成多行，然后再查询出来组装，无法直接存储一个列表。

• 关系数据库的 schema 扩展很不方便

  关系数据库的表结构 schema 是强约束，操作不存在的列会报错，业务变化时扩充列也比较麻烦，需要执行 DDL（data definition language，如 CREATE、ALTER、DROP 等）语句修改，而且修改时可能会长时间锁表（例如，MySQL 可能将表锁住 1 个小时）。

• 关系数据库在大数据场景下 I/O 较高

  如果对一些大量数据的表进行统计之类的运算，关系数据库的 I/O 会很高，因为即使只针对其中某一列进行运算，关系数据库也会将整行数据从存储设备读入内存。

• 关系数据库的全文搜索功能比较弱

  关系数据库的全文搜索只能使用 like 进行整表扫描匹配，性能非常低，在互联网这种搜索复杂的场景下无法满足业务要求。

二、常见的 NoSQL 方案分 类

2.1、K-V 存储

• 解决关系数据库无法存储数据结构的问题，以 Redis 为代表。

2.2、文档数据库

• 解决关系数据库强 schema 约束的问题，以 MongoDB 为代表。

2.3、列式数据库

• 解决关系数据库大数据场景下的 I/O 问题，以 HBase 为代表。

2.4、全文搜索引擎

• 解决关系数据库的全文搜索性能问题，以 Elasticsearch 为代表。

三、高性能 NoSQL 方案的典型特征和应用场景

3.1、K-V 存储典型特征和应用场景

• K-V 存储的全称是 Key-Value 存储，其中 Key 是数据的标识，和关系数据库中的主键含义一样，Value 就是具体的数据。

• Redis 是 K-V 存储的典型代表，它是一款开源（基于 BSD 许可）的高性能 K-V 缓存和存储系统。Redis 的 Value 是具体的数据结构，包括 string、hash、list、set、sorted set、bitmap 和 hyperloglog，所以常常被称为数据结构服务器。

• 以 List 数据结构为例，Redis 提供了下面这些典型的操作（更多请参考链接：http://redis.cn/commands.html#list）：

  LPOP key 从队列的左边出队一个元素。

  LINDEX key index 获取一个元素，通过其索引列表。

  LLEN key 获得队列（List）的长度。

  LLEN key 获得队列（List）的长度。

• 以上这些功能，如果用关系数据库来实现，就会变得很复杂。例如，LPOP 操作是移除并返回 key 对应的 list 的第一个元素。如果用关系数据库来存储，为了达到同样目的，需要进行下面的操作：

  每条数据除了数据编号（例如，行 ID）