数据存储模型

在互联网行业，通常需要高并发、高性能、高可用性的数据库系统。在处理大数据时，关系型数据库遭遇了瓶颈，这就促使我们思考从数据模型的根源入手，来解决性能上的问题。根据数据的存储模型和特点，NoSQL数据库分为很多种类，主要分为以下四个类型：键值模型、列式模型、文档模型与图形模型。

键值模型

实例：Dynamo、Redis、Voldemort

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

数据模型：key与value间建立的键值映射，通常用哈希表实现

优点：查找迅速

缺点：数据无结构化，通常只被当做字符串或者二进制数据

列式模型

实例：Bigtable、Cassandra、HBase

应用场景：分布式文件系统

数据模型：以列存储，将同一列数据存在一起

优点：查找迅速、可扩展性强，更容易进行分布式扩展

缺点：功能相对有限

文档模型

实例：CouchDB、MongoDB

应用场景：Web应用

数据模型：与键值模型类似，value指向结构化数据

优点：数据要求不严格，不需要预先定义结构

缺点：查询性能不高，缺乏统一查询语法

键值模型

实例：Neo4j

应用场景：社交网络、推荐系统、关系图谱

数据模型：图结构

优点：利用图结构相关算法提高性能

缺点：功能相对有限，不好做分布式集群解决方案