文档型数据库
文档是处理信息的基本单位。文档可以很长、很复杂、可以无结构
一个文档对包含的数据类型和内容进行“自我描述”。XML文档、HTML文档和JSON 文档
嵌入式文档 --文档存储模型支持嵌套结构
每个文档的ID就是它唯一的键，ID在一个数据库“集合”中是唯一的， 检索排序的ID性能好。
MongoDB 数据库
MongoDB 是基于分布式文件存储的开源数据库系统。 将数据存储为一个文档，数据结构由键值对组成，字段值可以包含其他文档，数组及文档数组。 每一行的存储格式为 field：value。 每个文档可以匹配所表示实体的数据域。 数据关系有两种：引用和嵌入文档。 写操作在文档级别是原子性的，没有单个写操作对超过一个文档或者超过一个集合是原子性的。
MongoDB数据模型
基本的概念是文档、集合、数据库。 文档是MongoDB中数据的基本单元 集合可以被看作没有模式的表， 每个实例都可容纳多个独立数据库，每个数据库都有自己的集合和权限。
层次关系： 文档—集合---数据库。
文档
多个键及其关联的值有序地放置在一起就是文档。 文档是一组键值(key-value)对(即BSON)。 文档不需要设置相同的字段，相同的字段不需要相同的数据类型。 一个文档包含一组字段，每一个字段都是一个key/value对， 其中key必须为字符串类型， value包含string，int，float，timestamp，binary 等类型， 或一个文档， 或数组类型。
单键值文档{“userName”：“BBS11”}， 多键值文档{ "_id" : ObjectId("580dfe72729"), "name" : "test", "add": "china" }，文档中的键/值对是有序的。 文档中的值可以是在双引号里面的字符串，还可以是其他几种数据类型（甚至可以是整个嵌入的文档)。 MongoDB文档不能有重复的键。文档的键是字符串。文档中的值不仅可以是字符串，也可以是其他数据类型（或者嵌入其他文档）
集合
把一组相关的文档放到一起组成了集合 集合是模式自由的，一个集合里面的文档可以是各式各样的。
例如：下面的两个文档可以出现在同一集合中
{“name”:”arthur”}
{“name”:”arthur”,”sex”:”male”}
MongoDB提供了一些特殊功能的集合，例如：capped collection、system.indexes、system.namespaces等。
元数据是定义数据的数据， 数据库的信息是存储在集合中。
数据库
多个文档组成集合，数据库由多个集合组成 MongoDB实例可承载多个数据库，互相之间彼此独立 开发中通常将一个应用（或同一种业务类型）的所有数据存放到同一个数据库中；磁盘上，MongoDB将不同数据库存放在不同文件中。 一个MongoDB 实例可以包含一组数据库，一个数据库可以包含一组集合（Collection集合），一个集合可以包含一组文档。一个mongodb中可以建立多个数据库。 系统数据库包括：admin、local、config等。
面向集合且模式自由的文档型数据库。面向集合--数据被分组为集合(文档)；数据模式自由；存储的数据是键值对的集合，键是字符串，值是任意类型，包括数组和文档。
文档是MongoDB中数据的基本单元，集合可以被看作没有模式的表，MongoDB每个实例都可容纳多个独立数据库，每个数据库都有自己的集合和权限（数据库）。 文档(Document)---文档组集合:Collection -- 多个集合:数据库(database)。一个实例支持多个数据库(database)
数据库对应文件信息
默认数据目录是/daba/db，存储所有的数据文件，每个数据库都包含一个.ns文件和一些数据文件，例如test数据库，数据库的文件就会由test.ns、test.0、test.1、test.2等组成。 预分配空间的机制，用0进行填充。 每新分配一次，它的大小都会是上一个数据文件大小的2倍，每个数据文件最大2G。 数据库的每张表都对应一个命名空间，每个索引也有对应的命名空间，这些命名空间的元数据集中在*.ns文件中。
数据库存储
数据库中所有的collections以及索引信息分散存储在多个数据文件中，数据分块的单位为extent（范围，区域），即一个data file中有多个extents组成，extent中可以保存collection数据或者indexes数据，一个extent只能保存同一个collection数据，不同的collections数据分布在不同的extents中，indexes数据也保存在各自的extents中； 在每个database的namespace文件中，每个collection只保存了第一个extent的位置信息，每个extent都维护着一个链表关系。
MongoDB体系结构
分布式集群：数据备份--安全性，高读写服务的能力和数据存储能力。 通过副本集(replica)对数据进行备份，通过分片(sharding)对大的数据进行分割，分布式存储在不同节点上。
mongodb目前为止支持三种集群模式：主从集群，副本集集群，分片集群。
集群架构的单机实例(mongod instance)：只有一个单机实例，客户端与其直接连接使用。 副本集(Replica sets)：副本集通常由至少3个节点组成。一个主节点，处理客户端请求，其余是从节点，复制主节点上的数据。 mongodb各个节点常见的搭配方式为：一主多从（正常情况下至少3个节点组成副本集） 主节点记录在其上的所有操作，从节点定期轮询主节点获取这些操作，数据与一致。 选举机制：当一个节点挂掉之后需要满足“大多数”成员投票。
分片(Sharding)
分片是将一个集合的数据分别存储在不同的shard节点上减轻单机压力。根据Shard Keys来划分数据， 数据库提供了两种方法：垂直扩展和分片。垂直扩展：增加CPU、RAM，存储资源等。分片（水平扩展）：划分数据集，数据分布到多台服务器中，每个碎片（chard）是独立的数据库 分片集群有三个组件：Shards碎片，存储数据，每个碎片都是一个复制集。query routers：查询路由或mongos实例。configservers：配置服务器，存储集群中的元数据。
集群中的服务器
路由服务器(mongos)：路由服务器负责把对应的数据请求请求转发到对应的shard服务器上 mongos，数据库集群请求的入口。 配置服务器(mongos)：存储所有数据库元信息（路由、分片）的配置。mongos本身没有物理存储分片服务器和数据路由信息，只是缓存在内存里，配置服务器则实际存储这些数据。 配置服务器相当于集群大脑，存储所有数据库元信息（路由、分片）的配置。
集群的组成： 单机mongod 组成副本集 -> 分片, 客户端通过mongos 读取 config servers的信息与分片通信，通过mongos服务器的ip和连接方式，mongos 会自动选择。
Shards：每一个shard包括一个或多个服务和存储数据的mongod进程这些服务/mongod进程在shard中组成一个复制集。
MongoDB的关键特性主要是3个，第一个就是灵活动态的文档模型，第二个是高可用副本集，第三个是MongoDB的水平扩展，也就是sharding。 MongoDB集群包括一定数量的mongod（分片存储数据）、mongos（路由处理）、config server（配置节点）、clients（客户端）、arbiter（仲裁节点：为了选举某个分片存储数据节点那台为主节点）。
MongoDB 复制原理
MongoDB 复制是将数据同步在多个服务器的过程。复制提供了数据的冗余备份，并在多个服务器上存储数据副本，提高了数据的可用性， 并可以保证数据的安全性。复制还允许从硬件故障和服务中断中恢复数据。 复制： 保障数据的安全性， 数据高可用性 (24*7)， 灾难恢复， 无需停机维护（如备份，重建索引，压缩）， 分布式读取数据 MongoDB复制原理： 至少需要两个节点。其中一个是主节点，负责处理客户端请求，其余的都是从节点，负责复制主节点上的数据。mongodb各个节点常见的搭配方式为：一主一从、一主多从。 客户端从主节点读取数据，在客户端写入数据到主节点时， 主节点与从节点进行数据交互保障数据的一致性。 副本集特征：N 个节点的集群， 任何节点可作为主节点， 所有写入操作都在主节点上， 自动故障转移， 自动恢复。
图形数据库
互联网+、社交网络，智能推荐等的大规模兴起和繁荣。寻找直接朋友或是寻找朋友的朋友这样的遍历查询----图数据库。 图数据库源起欧拉和图理论，面向/基于图的数据库。 以“图”数据结构存储和查询数据，数据模型以节点和关系（边）体现，也处理键值对。 图特征：包含节点和边；节点上有属性（键值对）；边有名字和方向，开始\结束节点；边可有属性。图是顶点和边的集合，或图是一些节点和关联联系（relationship）的集合。
G=(V, E) ， V=vertex（节点） ， E=edge（边） 。节点和关系属性；节点多个标签(类别)；一个属性图是由顶点（Vertex），边（Edge），标签（Lable），关系类型和属性组成的有向图。 顶点-节点（Node），边--关系（Relationship）点和关系--实体，节点是独立存在的，节点有设置标签，相同标签节点属于一个分组或集合； 关系通过关系类型来分组，类型相同的关系属于同一个集合。关系是有向的 图数据库可处理大量的、复杂的、互联的、多变的网状数据，适用于社交网络、实时推荐、银行交易环路、金融征信系统等广泛的领域。
Neo4j数据库
Neo4j是开源的用Java实现图数据库，有两种运行方式，一种是服务的方式，对外提供REST接口；另外一种是嵌入式模式，数据以文件的形式存放在本地，直接对本地文件进行操作。 Neo4j是一个高性能的NOSQL图形数据库，它将结构化数据存储在网络上而不是表中。Neo4j也可以被看作是一个高性能的图引擎，该引擎具有成熟数据库的所有特性。 程序员工作在一个面向对象的、灵活的网络结构下而不是严格、静态的表中——但是可以享受到具备完全的事务特性、企业级的数据库的所有好处。
Neo4j数据模型
每个实体都有ID（Identity）唯一标识，每个节点由标签（Lable）分组，每个关系都有一个唯一的类型，属性图模型的基本概念有： 实体（Entity）是指节点（Node）和关系（Relationship）； 每个实体都有零个、一个或多个属性，一个实体的属性键是唯一的；每个节点都有零个、一个或多个标签，属于一个或多个分组； 每个关系都只有一个类型，用于连接两个节点； 路径（Path）是指由起始节点和终止节点之间的实体（节点和关系）构成的有序组合； 标记（Token）是非空的字符串，用于标识标签（Lable），关系类型（Relationship Type），或属性键（Property Key）； 标签：用于标记节点的分组，多个节点可以有相同的标签，一个节点可以有多个Lable，Lable用于对节点进行分组；关系类型：用于标记关系的类型，多个关系可以有相同的关系类型。属性键：用于唯一标识一个属性；属性（Property）是一个键值对（Key/Value Pair），每个节点或关系可以有一个或多个属性； 属性值可以是标量类型，或这标量类型的列表（数组）。
在下面的图形中，存在三个节点和两个关系共5个实体；Person和Movie是Lable，ACTED_ID和DIRECTED是关系类型，name，title，roles等是节点和关系的属性。 实体包括节点和关系，节点有标签和属性，关系是有向的，链接两个节点，具有属性和关系类型。
1 实体 在示例图形中，包含三个节点，分别是： Name =‘Tom Hanks’ Name=‘Robert Zemeckis’ title=‘Forrest Group’
Born=1956 born=1951 released=1994
2 关系： 包含两个关系是两个关系类型ACTED_IN和DIRECTED，两个关系是连接name属性为Tom Hank节点和Movie节点的关系，和连接name属性为Robert Zemeckis的节点和Movie节点的关系。
3 标签（Lable） 在图形结构中，标签用于对节点进行分组，相当于节点的类型，拥有相同标签的节点属于同一个分组。一个节点可以拥有零个、一个或多个标签，因此，一个节点可以属于多个分组。对分组进行查询，能够缩小查询的节点范围，提高查询的性能。 在示例图形中，有两个标签Person和Movie，两个节点是Person，一个节点是Movie，标签有点像节点的类型，每个节点可以有多个标签。
4 属性（Property）是一个键值对（Key/Value），用于为节点或关系提供信息。每个节点都由name属性，用于命名节点。 在示例图形中，Person节点有两个属性name和born，Movie节点有两个属性：title和released。关系类型ACTED_IN有一个属性：roles（扮演的角色），该属性值是一个数组，而关系类型为DIRECTED的关系没有属性。
5 遍历（Traversal）一个图形，是指沿着关系及其方向，访问图形的节点。关系是有向的，从起始节点沿着关系，一步一步导航到结束节点的过程叫做遍历，遍历经过的节点和关系的有序组合称路径。 在示例图形中，查找Tom Hanks参演的电影，遍历的过程是：从Tom Hanks节点开始，沿着ACTED_IN关系，寻找标签为Movie的目标节点。
Neo4J数据库的存储结构
（1） Nodes（节点，类似地铁图里的一个地铁站）: 图的基本单位节点和关系，都可包含属性，关系和节点还可以有零到多个标签。
（2） Relationships（关系，类似两个相邻地铁站之间路线）: 组织和连接节点，一个开始节点和一个结束节点。关系有方向进和出。
（3） Properties（属性，类似地铁站的名字，位置，大小，进出口数量等）:节点和关系可以拥有0到多个属性，属性类型java的数据类型一致，分为数值、字符串、布尔、以及其他的一些类型，字段名必须是字符串。
（4） Labels（标签，类似地铁站的属于哪个区）: 标签通过形容一种角色或者给节点加上一种类型，一个节点可有多个类型，标签在给属性建立索引或者约束时候也会用到。
（5） Traversal（遍历，类似看地图找路径）: 查询是遍历图谱然后找到路径，一个开始节点，遍历相关路径上的节点和关系，得到最终的结果。
（6） Paths（路径，类似从一个地铁站到另一个地铁站的所有的到达路径）: 路径是一个或多个节点通过关系连接起来的产物。
（7） Schema（模式，类似存储数据的结构）: neo4j是一个无模式或less模式的图谱数据库，使用它不需要定义任何schema。
（8）Indexes（索引）: 遍历图通过需要大量的随机读写，在字段属性上构建索引，构建索引是一个异步请求，在后台创建直至成功后，才能生效。
（9）Constraints（约束）: 约束定义在某个字段上，限制字段值唯一，创建约束会自动创建索引。
Node和Relationship 的 Property 是用一个 Key-Value 的双向列表来保存的； Node 的 Relatsionship 是用一个双向列表来保存的，通过关系，可以的找到关系的前导和后继节点（ from-to Node）. Node 节点保存第1个属性和第1个关系ID。图的存储结构包括5类文件：
（1） 存储 node 的文件， 存储节点数据、节点label及其序列Id包括存储节点数组、数组的下标即是该节点的ID 、最大的ID 及已经free的ID。
（2）存储 relationship 的文件： 存储关系数据、关系组数据、关系类型、关系类型数组数据、关系类型的名称及其序列Id包括存储关系 record 数组数据、关系 group数组数据、储关系类型数组数据、关系类型 token 数组数据 和ID。
（3）存储 label 的文件： label token数据、名字数据及其序列Id 包括存储lable token 数组数据、 label token 的 names 数据 和ID。 （4）存储 property 的文件：属性数据、类型、索引等及其序列Id 包括 property 数据、property (key-value 结构)的是数组的数据、 property (key-value 结构)的值是字符串的数据、property (key-value 结构)的key 的索引数、property (key-value 结构)的key 的字符串值和ID。
（5）其他的文件: 版本信息、日志等
Neo4j 主要有节点、属性、关系等文件是以数组作为核心存储结构； 同时对节点、属性、关系等类型的每个数据项都会分配一个唯一的ID，在存储时以该ID 为数组的下标。 在访问时通过其ID作为下标，实现快速定位。 所以在图遍历等操作时，可以实现 free-index。
集群方式
Neo4j主要有两种cluster方式：Ha（High avaiable）和Causal cluster方式。集群的主要特点：高吞吐量，持续可靠性，灾难恢复。 Causal cluster: 1）核心服务器(core server)，处理读写的操作，大多数的核心服务器主要处理写操作和 2）一个或多个读复制服务器(read replicas)，只读的实例，数据从核心服务器异步更新，这些适用于广泛的数据地理分布，并允许跨大量服务器扩展查询工作负载。 HA cluster: 至少有三台服服务器组成，1主2从，主服务器完成写入之后同步数据到从服务器，主服务器既可以写也能读，从服务器只能读。HA群集可用于全天候正常运行并提高读取性能。
在这里以3个节点的Neo4j组成集群为例子， 讨论其体系结构和数据的操作原理。 图展示了由三个Neo4J结点所组成的Master-Slave集群。每个集群都包含一个Master和多个Slave。Master负责数据的写入，接下来Slave则会将Master中的数据更改同步到自身。
集群数据的写入通过Master完成，图数据修改的复杂性(修改图结点本身、维护各个关系等），图所进行的操作是读比写多很多。 Neo4J内部还有一个写队列，暂时缓存向Neo4J实例的写入操作，从而使得Neo4J能够处理突然到来的大量写入操作。 在最坏的情况就是Neo4J集群需要面对持续的大量的写入操作。需要考虑Neo4J集群的纵向扩展了。
集群的读入
数据的读取可以通过集群中的任意一个Neo4J实例来完成。 Neo4J内部使用一个缓存记录最近所访问的数据。这些缓存数据会保存在内存中以便快速地响应数据读取请求。 Neo4J所提供的解决方案被称为Cache-based Sharding。使用同一个Neo4J实例来响应一个用户所发送的所有需求。
集群容错机制
集群中一个实例失效了，其它实例会在短时间内探测到，恢复到正常状态将数据同步到最新。Master失效通过内置的Leader选举功能选举出新的Master。 在Cluster Management组成的帮助下，可以创建一个Global Cluster。其拥有一个Master Cluster以及多个Slave Cluster。数据的写入通常都是在Master Cluster中进行，而Slave Cluster将只负责提供数据读取服务。