简介
本文首先解释了NoSQL的出现的原因，介绍了NoSQL数据库所依据的理论和原则。然后分别介绍了四种NoSQL数据库的类型，以及其代表产品。并讨论了这四种类型的NoSQL的特点以及适用场景。
需要NoSQL的理由
NoSQL数据库，看起来是不支持SQL查询语句，其实是"Not only SQL"，强调了它支持类似于SQL的查询语言。在它背后有一系列有趣的故事。
一般来说，扩展一个系统有两种方法：scale out和scale up。
Scale out也称horizontal scale（横向扩展），是指增加计算节点（简单地理解就是服务器）以提高系统的处理能力。
Scale up也称vertical scale（纵向扩展），是指提高单个计算节点（服务器）的性能以提高系统的处理能力。
Scale up存在一个问题，就是越往上扩展，花费越多，得到的性能提升越小。更重要的是，对于互联网之类的应用，一台超级服务器是不够的。想想Google、Facebook、Twitter、新浪微博、QQ，这样的互联网应用需要部署分布各处的服务器，并要处理大量的海量数据，同时处理来自世界各地的大量的网络请求，并且保证7x24的有效性。这样一台服务器是做不到的。
因此，在包括互联网应用在内的很多情况下，横向扩展的技术是不可代替的。关于数据库的横向扩展，产生了诸如X/Open XA规范、Oracle RAC这样的集群技术，这些技术努力保证关系型数据库的ACID特性。但是人们发现在分布式系统中，尤其是在分布在不同的地理位置的系统中，保证ACID特性非常困难，这样满足不了需求，尤其是对于互联网应用来说。因此就有人想能不能有第二条路。
理论与原则
这第二条路就是NoSQL。
NoSQL数据库不是关系型数据库，它采用的是比关系型数据库更为松散的一致性模型。它具有设计的简洁性、横向可伸缩性以及更好地控制可用性。通常，NoSQL数据库是基于键-值存储，不支持join操作。
在NoSQL中，有一个很重要的支持理论CAP：
C - Consistency 一致性
A - Availability 可用性
P - Partition tolerance 分区容忍
CAP理论用一个简单而不太严谨的说法就是“三选二"理论，即C、A和P三者不能同时满足。既然鱼与熊掌不可兼得，那么只能根据实际要求适当牺牲掉其中的一项。对于像Google，FaceBook这样的Web应用系统来说，数据的可用性和分布式存储是需要优先考虑的。实现了分布式存储才能保证分区容忍。为了保证A和P，即可用性和分区容忍，相对于ACID，人们推出了BASE原则。
BASE就是“Basically Available, Soft state, Eventually consistent（基本可用、软状态、最终一致性）”的首字母缩写。NoSQL满足的是BASE原则。它不保证任何时候的一致性，而是保证了最终一致性。
NoSQL数据库的类型，代表产品，以及适用场景和实际案例
- 键值（Key-Value）数据库
一句话解释：超级大的hash表
注：这张hash表很可能分布在多个服务器上，内容有很多很多很多...
代表产品：Redis, MemcacheDB, Riak
适用场景：储存用户信息，比如会话、配置文件、参数、购物车等等。这些信息一般都和ID（键）挂钩，这种情景下键值数据库是个很好的选择。
实际案例：
- GitHub （Riak）
- Twitter （Redis和Memcached）
- StackOverFlow （Redis）
- 面向文档（Document-Oriented）数据库
一句话解释： Value是文档
注：Value可以是文档的键值（Key-Value）数据库，而且文档又可以是一个Hash表，Hash表的value又是文档。 （ 文档套文档）文档由XML、JSON或者BSON(binary JSON)等多种形式存储。
代表产品：MongoDB, CouchDB, RavenDB, Terrastore
适用场景：
-
- 日志。企业环境下，每个应用程序都有不同的日志信息。Document-Oriented数据库并没有固定的模式，所以我们可以使用它储存不同的信息。
- 分析。鉴于它的弱模式结构，不改变模式下就可以储存不同的度量方法及添加新的度量。
实际案例：
- SAP （MongoDB）
- Codecademy （MongoDB）
- Foursquare （MongoDB）
![]()
- 列存储（Wide Column Store/Column-Family）数据库
一句话解释：很像SQL的NoSQL。
注：列存储数据库将数据储存在列族（column family）中，一个列族存储经常被一起查询的相关数据。举个例子，如果我们有一个Person类，我们通常会一起查询他们的姓名和年龄而不是薪资。这种情况下，姓名和年龄就会被放入一个列族中，而薪资则在另一个列族中。
代表产品：BigTable, Hbase, Cassandra, Simple DB
适用场景：
- 日志
因为我们可以将数据储存在不同的列中，每个应用程序可以将信息写入自己的列族中。- 搜索引擎
- 博客平台
我们储存每个信息到不同的列族中。举个例子，标签可以储存在一个，类别可以在一个，而文章则在另一个。
实际案例：
- Ebay （Cassandra, HBase）
- Instagram （Cassandra）
- Facebook （HBase）
![]()
- 图（Graph-Oriented）数据库
一句话解释：顶点加边的图结构
注：顶点是实体数据，边是数据之间的联系，支持图的操作和算法。比如我们有三个实体，Steve Jobs、Apple和Next，则会有两个“Founded by”的边将Apple和Next连接到Steve Jobs。
代表产品：Neo4j, InfoGrid, BigData
适用场景：
- 在一些关系性强的数据中
- 推荐引擎
如果我们将数据以图的形式表现，那么将会非常有益于推荐的制定实际案例：
- Adobe （Neo4J）
- Cisco （Neo4J）
- T-Mobile （Neo4J）
用一张有意思的图来加深印象。
参考：