database - 可扩展的数据库技术和架构

Question

我一直在尝试了解有关分布式系统中数据库扩展的更多信息，但我陷入了 RDBMS 和 NoSQL 之间。

一些在线文章表明 NoSQL 是现代大数据的解决方案。其他人则说 NoSQL 只是一种炒作，RDBMS 可以通过良好的设计进行扩展，并提供良好的数据结构。

与其阅读其他人的意见，我更愿意自己判断这两者，但我不明白可伸缩 RDBMS 和可伸缩 NoSQL 到底需要什么。

我阅读了更多有关 RDBMS 的资料，看来该解决方案需要利用内存缓存和分片来减少数据库大小和数据库查询的数量。还有其他技巧吗？你还能使用有很多列的表格吗？或者使用更少的列和更多的连接？

至于 NoSQL，我读过一些有关 MongoDB 的资料。我知道它鼓励数据聚合。但这如何使其更具可扩展性？我也开始学习 Cassandra，因为我读到它的扩展性比 MongoDB 好得多，但我不知道它的可扩展性如何。

我非常感谢关于扩展 RDBMS 和 NoSQL 的基本(或高级，如果您有耐心输入)简明和深入核心的解释，或解释该主题的在线好文章或书籍. :)

Answer 1

我不会介绍您可以通过自己实现并在两者之间放置一个内存缓存服务器来扩展的方法，...我将只介绍开箱即用的内容...

让我们先从RDBMS开始:

我认为设置 RDBMS 集群比 NoSQL 集群更复杂，但这只是我的看法。通常你拥有的是一个 Master 和多个 Slave。您必须将所有写入发送给主机，并且可以从您想要的任何从机读取。由于您拥有 RDBMS 和 ACID，系统应该以某种方式向您保证您不会读取旧数据。所以这里的问题是，您假设您的应用程序写入一次并经常读取(通常是这种情况)。出于这些目的，一台服务器用于读/写和多台服务器用于读是很好的。问题是，如果您的写入过于频繁，以至于您无法再在一台机器上跟上它们。那是你的瓶颈。例如，除了来自 Oracle 的内置解决方案——它们非常庞大——还有 http://www.scalearc.com/它可以缓存查询，...并为您处理缩放。

NoSQL:

没有 1 个 NoSQL 模式被所有的数据库实现。每个系统都有点不同。例如 MongoDB 与 RDBMS 非常相似，它也只有一个 Master 和几个 slave，它可以向其复制数据，但您还可以创建分片。数据在分片之间拆分，并复制到从属。所以你可以有多个不同的主人负责较小的部分。之后当您读取时，您可以选择是否要从多个从属设备、主设备或任何从设备读取 - 这取决于您需要最新数据的紧急程度。

另一方面，Cassandra 的工作方式完全不同。我不确定您是否可以写入多个服务器或它是如何工作的，但基本上服务器会保留所有写入的日志。因此，即使他们不能立即处理写入，它们也会存储在日志中，以便仍然为您提供快速响应。之后你再读的时候，你可以再说一遍你有多迫切想要新的数据，如果你真的想要最新的最新数据，Cassandra 需要检查日志，如果有更新写入，这将花费你一个很多时间。

ElasticSearch、CouchDB、CouchBase 等键值存储的工作方式又有所不同。这里项目的散列，并基于散列，发送到将负责它的一个节点。这样，当您在写入 key 后读取时，您会再次获得最新信息，因为您将从同一个节点读取。这种设计的想法是，没有一个单一的 key 会是每个人都感兴趣的，但负载会被分配。这些也是我认为扩展性最好的数据库，并使向集群添加更多服务器变得最容易，但是你失去了复杂查询的能力，就像你在 MongoDB 和 Cassandra 中拥有它一样——当然还有 RDBMS。 ElasticSearch 有一些简单的搜索查询，而 CouchDB 和 CouchBase 只有 MapReduce 生成的 View ，如果它适合 View ，你可以从中获取你想要的数据。否则您只能通过 key 访问它。

http://kkovacs.eu/cassandra-vs-mongodb-vs-couchdb-vs-redis - 非常全面地总结了最常见的 NoSQL 数据库、它们的优缺点以及最常见的使用场景。

---

最后，问题也是，为什么要规模化？您将在数据库中拥有多少条记录？几百万根本不是问题。对于足够强大的服务器上的大多数 RDBMS，几亿也不是问题。如果正确设计数据库及其索引，即使每年十亿条记录也应该没问题。