NoSQL
NoSQL解决大数据处理问题：
并行数据库：水平切分，分区查询
NoSQL数据库管理系统：非关系型模型，分布式，不支持ACID数据库设计范式
关系型数据库中的ACID：
Atomicity原子性，一个事物中所有操作都必须全部完成，要么全部不完成
Consistency一致性，事物在开始或结束时，数据库应该在一致状态
Isolation隔离性，事物将设定只有它自己操作数据库，彼此不知晓
Durability持久性：一旦事物完成，就不能返回
大数据分析处理：
MapReduce:映射成键值，分析在集合处理
CAP:任何分布式系统只能满足两种
Consistency：一致性
Availability：可用性
Partition tolerance：分区容错性
BASE：不同ACID模型，牺牲数据一致性，获得可用性或可靠性
Basically Available：基本可用性
Soft state：软状态 状态可以有一段时间不同步，异步
Eventually consistent：最终一致性，最终一致，不是实时一致
因果一致性
会话一致性
读 自己写一致性
单调读一致性
时间轴一致性
ACID对比BASE
ACID：强制一致性隔离性，采用悲观保守方法，难以变化
BASE：弱一致性，可用性优先，采用乐观的方法，适应变化，更简单，更快
数据一致性的实现技术：
NRW，2PC，Paxos，Vector Clock
NoSQL特点
简单数据模型（KEY，VALUE）结构
元数据和数据分离
弱一致性
高吞吐量
较高水平扩展能力
低端硬件群集
NoSQL缺点
功能太单一，没有统一查询模型
不支持ACID设计范式（对事物要求高的不要使用）
NewSQL
继承关系型数据库，NoSQL
比如：Clustrix，GenieDB，ScaleBase，NimbusDB，Drizzle
适用云环境都归类到NewSQL
元数据管理系统：DBaas
数据存储模型：
详键：http://www.nosql-database.org
列式存储模型:hadoop/Hbase,Hypertable
文档存储模型:mongoDB ElasticSearch
键值存储模型:redis,Berkeyley DB
图形数据模型:Noe4j,Sparksee
多维数据模型:ArangoDB,OrientDB
对象数据库:Versant,db4o
网格/云数据解决方法:GridGain
列式存储模型：
应用场景：在分布式文件系统之上支持随机读写分布式数据存储
典型产品：Hbase ,Hypertable,Cassandra
数据模型：以列为中心进行存储，将同一列数据存储在一起
优点：快速查询，高可扩展性强，易于实现分布式扩展
文档存储模型：
应用场景：非强事务需求的web应用
典型产品：mongoDB,ElasticSearch(通常存储日志)，CouchDB,CounchDB Server
数据模型：键值模型，存储为文档
优点：数据模型无须实现定义
键值存储模型:
应用场景：用于内容缓冲，用于大量并行数据访问的高负载场景
典型产品：Redis，dynamoDB,Riakn,Memcachedb(不是memcached)
数据模型：基于哈希表实现的key-value模型
优点：查询/写入迅速，数据没有结构
图式存储模型：
应用场景：社交网络，推荐系统，管系统等，如位置定位
典型产品：Neo4j,infinite graph
数据模型：图式结构
优点：适用图式计算场景
