各类型数据库调研

各类型数据库调研

一、数据库分类

数据库根据数据结构可分为关系型数据库、非关系型数据库。

非关系型数据库中根据应用场景又可分为键值数据库、列存储数据库、面向文档数据库、搜索引擎数据库、图数据库。

还有一种根据数据复杂性,按照数据复杂程度由低到高,将数据库分为:

键值数据库->列存储数据库->文档数据库->关系型数据库->图数据库

简单--------------------------------------------------------------->复杂

1.1、 关系型数据库

这种类型的数据库是最典型的数据库类型,关系型数据库模型是把复杂的数据结构归结为简单的二元关系(即二维表格形式)。通常该表第一行为字段名称,描述该字段的作用,下面是具体的数据。在定义该表时需要指定字段的名称及类型。

典型产品:MySQL、SqlServer、Oracle、PostgreSQL、SQLite等。

在关系型数据库中,对数据的操作几乎全部建立在一个或多个关系表格上。在大型系统中通常有多个表,且表之间有各种关系。实际使用就是通过对这些关联的表格分类、合并、连接或选取等运算来实现数据库的管理。

关系型数据库的优点:

a、易于维护:都是使用表结构,格式一致;

b、使用方便:SQL语言通用,可用于复杂查询;

c、复杂操作:支持SQL,可用于一个表以及多个表之间非常复杂的查询。

关系型数据库的缺点:

a、读写性能比较差,尤其是海量数据的高效率读写;

b、固定的表结构,灵活度稍欠;

c、高并发读写需求,传统关系型数据库来说,硬盘I/O是一个很大的瓶颈。

常见的关系型数据库对比:

Snipaste_2024-03-18_14-55-02.png

来源:https://blog.csdn.net/Post_Yuan/article/details/124380730

1.2、 非关系型数据库(NoSQL)

非关系型数据库严格上不是一种数据库,应该是一种数据结构化存储方法的集合,可以是文档或者键值对等各种格式,以满足不同场景下的需求。

优点:

a、格式灵活:存储数据的格式可以是key-value形式、文档形式、图片形式等等,文档形式、图片形式等等,使用灵活,应用场景广泛,而关系型数据库则只支持基础类型(字符串、数值、布尔值等)。

b、速度快:NoSQL可以使用硬盘或者随机存储器作为载体,而关系型数据库只能使用硬盘;

c、高扩展性;

d、成本低:NoSQL数据库部署简单,基本都是开源软件。

缺点:

a、SQL语言缺失,学习和使用成本较高,需要学习并掌握特定的查询语言。

b、非关系型数据库不保证事务处理,因此无法保证数据的完整性。

c、数据结构相对复杂,复杂查询方面稍欠。

【注】:在数据库管理系统中,事务(Transaction)是指一组逻辑上相关的操作,这些操作要么全部执行成功,要么全部执行失败。事务是用户定义的、具有原子性、一致性、隔离性和持久性等特性的一组操作。

1.2.1 键值存储数据库

键值数据库是一种非关系数据库,它使用简单的键值方法来存储数据。键值数据库将数据存储为键值对集合,其中键作为唯一标识符。

典型产品:Redis、Memcached等。

1.2.2 列存储数据库

列式存储是相对于传统关系型数据库的行式存储来说的。简单来说两者的区别就是对表中数据的存储形式的差异。MySQL都是一行一行数据存储的(行存储)。

对于行存储数据库,表中的数据是以行为单位逐行存储在磁盘上的;而对于列存储数据库,表中的数据则是以列为单位逐列存储在磁盘中。

列存储解决的主要问题是数据查询问题。通常的数据库查询大部分都是条件查询,通常是返回某些字段(列)的数据,比如一个班级内身高高于160的男生,即性别列筛选为男、身高列筛选为大于160,对于行存储数据,数据读取时通常将一行数据完全读出,如果只需要其中几列数据的情况,就会存在冗余列,出于缩短处理时间的考量,消除冗余列的过程通常是在内存中进行的。而列存储,每次读取的数据是集合的一段或者全部,不存在冗余性问题。这样,通过这种存储方式的调整,使得查询性能得到极大的提升。

1.2.3 面向文档数据库

此类数据库可存放并获取文档,可以是XML、JSON、BSON(爬虫网页数据)等格式,这些文档具备可述性,呈现分层的树状结构,可以包含映射表、集合和纯量值。数据库中的文档彼此相似,但不必完全相同。文档数据库所存放的文档,就相当于键值数据库所存放的“值”。文档数据库可视为其值可查的键值数据库。

典型产品:MongDB、CouchDB等。

1.2.4 图形数据库

图数据库是以点、边为基础存储单元,以高效存储、查询图数据为设计原理的数据管理系统。在图数据库中,数据间的关系和数据本身同样重要,它们被作为数据的一部分存储起来。这样的架构使图数据库能够快速响应复杂关联查询,因为实体间的关系已经提前存储到了数据库中。图数据库可以直观地可视化关系,是存储、查询、分析高度互联数据的最优办法。

典型产品:Neo4J、华为图数据引擎、百度HugeGraph、蚂蚁集团TuGraph等。

与传统关系型数据库相比,图数据库的优势有:

a、 可以很自然的表达现实世界中的实体及其关联关系(对应图的顶点及边);

b、灵活的数据模型可以适应不断变化的业务需求;

c、灵活的图查询语言,轻松实现复杂关系网络的分析;

d、关系型数据库在遍历关系网络并抽取信息的能力非常弱,图数据库则为此而生;

e、关系型数据库在规模庞大时很难做多层关联关系分析(Join操作往往消耗过长时间而失败),图数据库则天然把关联数据连接在一起,无需耗时耗内存的Join操作,可以保持常数级时间复杂度。高性能、灵活、敏捷。

11.png

图数据库典型查询方式:

a、 多层关联:查询故宫附近10公里内的景点的相似景点有哪些?

b、 最短路径:已知要去故宫和颐和园玩,查询从故宫玩到颐和园的最短路线?

c、 连通子图:查询一个景点在K步以内相连接的所有邻接点(K=1,2,3…)。

d、协同推荐:根据景点标签,查询相似的标签的景点,再推荐给用户。

e、集中度测量:如PageRank、PersonalRank、特征向量集中度、亲密度等。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,029评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,238评论 3 388
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,576评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,214评论 1 287
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,324评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,392评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,416评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,196评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,631评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,919评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,090评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,767评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,410评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,090评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,328评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,952评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,979评论 2 351