【IT168 评论】本文的作者孙立，目前在凤凰网负责底层组的研发工作。曾就职于搜狐和ku6。多年互联网从业经验和程序开发，对分布式搜索引擎的开发，高并发，大数据量网站系统架构优化，高可用性，可伸缩性，分布式系统缓存,数据库分表分库(sharding)等有丰富的经验，并且对运维监控和自动化运维控制有经验。开源项目phplock，phpbuffer的作者。近期开发了一个NOSQL数据库存储INetDB,是NoSQL数据库爱好者。他的新浪微博是：http://t.sina.com.cn/sunli1223
以下是文章内容：
这次的NoSQL专栏系列将先整体介绍NoSQL，然后介绍如何把NoSQL运用到自己的项目中合适的场景中，还会适当地分析一些成功案例，希望有成功使用NoSQL经验的朋友给我提供一些线索和信息。
NoSQL概念
随着web2.0的快速发展，非关系型、分布式数据存储得到了快速的发展，它们不保证关系数据的ACID特性。NoSQL概念在2009年被提了出来。NoSQL最常见的解释是“non-relational”，“Not Only SQL”也被很多人接受。(“NoSQL”一词最早于1998年被用于一个轻量级的关系数据库的名字。)
NoSQL被我们用得最多的当数key-value存储，当然还有其他的文档型的、列存储、图型数据库、xml数据库等。在NoSQL概念提出之前，这些数据库就被用于各种系统当中，但是却很少用于web互联网应用。比如cdb、qdbm、bdb数据库。
传统关系数据库的瓶颈
传统的关系数据库具有不错的性能，高稳定型，久经历史考验，而且使用简单，功能强大，同时也积累了大量的成功案例。在互联网领域，MySQL成为了绝对靠前的王者，毫不夸张的说，MySQL为互联网的发展做出了卓越的贡献。
在90年代，一个网站的访问量一般都不大，用单个数据库完全可以轻松应付。在那个时候，更多的都是静态网页，动态交互类型的网站不多。
到了最近10年，网站开始快速发展。火爆的论坛、博客、sns、微博逐渐引领web领域的潮流。在初期，论坛的流量其实也不大，如果你接触网络比较早，你可能还记得那个时候还有文本型存储的论坛程序，可以想象一般的论坛的流量有多大。
Memcached+MySQL
后来，随着访问量的上升，几乎大部分使用MySQL架构的网站在数据库上都开始出现了性能问题，web程序不再仅仅专注在功能上，同时也在追求性能。程序员们开始大量的使用缓存技术来缓解数据库的压力，优化数据库的结构和索引。开始比较流行的是通过文件缓存来缓解数据库压力，但是当访问量继续增大的时候，多台web机器通过文件缓存不能共享，大量的小文件缓存也带了了比较高的IO压力。在这个时候，Memcached就自然的成为一个非常时尚的技术产品。
Memcached作为一个独立的分布式的缓存服务器，为多个web服务器提供了一个共享的高性能缓存服务，在Memcached服务器上，又发展了根据hash算法来进行多台Memcached缓存服务的扩展，然后又出现了一致性hash来解决增加或减少缓存服务器导致重新hash带来的大量缓存失效的弊端。当时，如果你去面试，你说你有Memcached经验，肯定会加分的。
Mysql主从读写分离
由于数据库的写入压力增加，Memcached只能缓解数据库的读取压力。读写集中在一个数据库上让数据库不堪重负，大部分网站开始使用主从复制技术来达到读写分离，以提高读写性能和读库的可扩展性。Mysql的master-slave模式成为这个时候的网站标配了。
分表分库
随着web2.0的继续高速发展，在Memcached的高速缓存，MySQL的主从复制，读写分离的基础之上，这时MySQL主库的写压力开始出现瓶颈，而数据量的持续猛增，由于MyISAM使用表锁，在高并发下会出现严重的锁问题，大量的高并发MySQL应用开始使用InnoDB引擎代替MyISAM。同时，开始流行使用分表分库来缓解写压力和数据增长的扩展问题。这个时候，分表分库成了一个热门技术，是面试的热门问题也是业界讨论的热门技术问题。也就在这个时候，MySQL推出了还不太稳定的表分区，这也给技术实力一般的公司带来了希望。虽然MySQL推出了MySQL Cluster集群，但是由于在互联网几乎没有成功案例，性能也不能满足互联网的要求，只是在高可靠性上提供了非常大的保证。
MySQL的扩展性瓶颈
在互联网，大部分的MySQL都应该是IO密集型的，事实上，如果你的MySQL是个CPU密集型的话，那么很可能你的MySQL设计得有性能问题，需要优化了。大数据量高并发环境下的MySQL应用开发越来越复杂，也越来越具有技术挑战性。分表分库的规则把握都是需要经验的。虽然有像淘宝这样技术实力强大的公司开发了透明的中间件层来屏蔽开发者的复杂性，但是避免不了整个架构的复杂性。分库分表的子库到一定阶段又面临扩展问题。还有就是需求的变更，可能又需要一种新的分库方式。
MySQL数据库也经常存储一些大文本字段，导致数据库表非常的大，在做数据库恢复的时候就导致非常的慢，不容易快速恢复数据库。比如1000万4KB大小的文本就接近40GB的大小，如果能把这些数据从MySQL省去，MySQL将变得非常的小。
关系数据库很强大，但是它并不能很好的应付所有的应用场景。MySQL的扩展性差(需要复杂的技术来实现)，大数据下IO压力大，表结构更改困难，正是当前使用MySQL的开发人员面临的问题。
NOSQL的优势
1、易扩展
NoSQL数据库种类繁多，但是一个共同的特点都是去掉关系数据库的关系型特性。数据之间无关系，这样就非常容易扩展。也无形之间，在架构的层面上带来了可扩展的能力。
2、大数据量，高性能
NoSQL数据库都具有非常高的读写性能，尤其在大数据量下，同样表现优秀。这得益于它的无关系性，数据库的结构简单。一般MySQL使用Query Cache，每次表的更新Cache就失效，是一种大粒度的Cache，在针对web2.0的交互频繁的应用，Cache性能不高。而NoSQL的Cache是记录级的，是一种细粒度的Cache，所以NoSQL在这个层面上来说就要性能高很多了。
3、灵活的数据模型
NoSQL无需事先为要存储的数据建立字段，随时可以存储自定义的数据格式。而在关系数据库里，增删字段是一件非常麻烦的事情。如果是非常大数据量的表，增加字段简直就是一个噩梦。这点在大数据量的web2.0时代尤其明显。
4、高可用
NoSQL在不太影响性能的情况，就可以方便的实现高可用的架构。比如Cassandra，HBase模型，通过复制模型也能实现高可用。
总结
NoSQL数据库的出现，弥补了关系数据(比如MySQL)在某些方面的不足，在某些方面能极大的节省开发成本和维护成本。
MySQL和NoSQL都有各自的特点和使用的应用场景，两者的紧密结合将会给web2.0的数据库发展带来新的思路。让关系数据库关注在关系上，NoSQL关注在存储上。
参考阅读
NoSQL：http://nosql-database.org/
NoSQL在wiki上的介绍：http://en.wikipedia.org/wiki/NoSQL
NoSQL相关博客：http://nosql.mypopescu.com/
NoSQL相关博客：http://blog.nosqlfan.com/
新浪微博NoSQL微群：http://q.t.sina.com.cn/127870
分享到：
相关推荐
8. **数据库**：理解SQL和NoSQL数据库，如MySQL、PostgreSQL、MongoDB等，以及如何优化查询和设计数据模型。 9. **API开发与调用**：学习RESTful API设计原则，使用HTTP协议进行通信，并熟悉JSON或XML数据格式。 ...
电力日负荷曲线预测程序和数据集（预测未来一天的负荷曲线）
勾正科技向新而生智赢未来-2024年H1中国家庭智能大屏行业发展白皮书83页.pdf
题目2.2（成绩分析问题）：设计并实现一个成绩分析系统，们能够实现录入、保存一个班级学生多门课程的成绩，并成绩进行分析等功能。
更多毕业设计https://cv2022.blog.csdn.net/article/details/124463185
系统选用B/S模式，后端应用springboot框架，前端应用vue框架， MySQL为后台数据库。 本系统基于java设计的各项功能，数据库服务器端采用了Mysql作为后台数据库，使Web与数据库紧密联系起来。 在设计过程中，充分保证了系统代码的良好可读性、实用性、易扩展性、通用性、便于后期维护、操作方便以及页面简洁等特点。
内容概要：本文主要介绍了鸿蒙原生应用开发过程中可能遇到的内存问题以及相应的解决方案。针对这些问题，华为提供的 DevEco Studio 包含了性能分析工具 DevEco Profiler，提供两种场景化的分析模板——Snapshot Insight 和 Allocation Insight，支持实时监控、ArkTS 和 Native 内存的深度分析。这使得开发者能够有效识别、定界定位并优化内存问题，大幅提升应用的稳定性和性能。此外，文章还介绍了 DevEco Studio 强大的模拟器功能，该模拟器能仿真各类设备及场景，包括GPS定位、导航和低电量管理，极大提高了开发效率和测试灵活性。最后，文中详细列出了常见的快捷键，并给出了保持 DevEco Studio 与 Android Studio 快捷键同步的方法。 适合人群：专注于鸿蒙生态系统内的应用开发的技术人员，特别是有一定经验的中级至高级程序员。 使用场景及目标：本文旨在帮助开发者更好地理解和掌握 DevEco Studio 的强大工具链，尤其是解决开发过程中经常遇见的内存管理和多设备兼容问题，目标是优化开发流程，减少调测时间，增强产品的质量和用户体验。 阅读建议：开发者可通过鸿蒙官方提供的资源链接下载最新版本的 DevEco Studio 并探索相关技术博客，以获得最新的技术和使用技巧。建议在实践中逐步熟悉各个功能模块，并积极利用性能分析工具和模拟器来解决现实中的问题。
我是谁
精美导航引导页HTML源码，自适应手机/电脑，无后台，上传网站根目录就能用，首页内容在index里面修改 可以双页切换，亲测可用，搭建简单，附带修改教程
hap手机软件包测试，测试使用
内容概要：本文档是一份针对自动化专业的《电子线路CAD训练》实习报告，详细介绍了通过使用Altium Designer冬春软件进行电子线路的原理图设计、元件库文件设计、PCB板设计及元件封装库设计的过程。文档首先概述了训练的目的和重要性，随后逐步讲解Altium Designer Winter的安装与配置，然后重点展示了具体元件的设计细节，如温度传感器、AD输入通道、四双向模拟开关等的实际应用。此外，还详细阐述了自动布线和手动布线的具体步骤与注意事项，最后通过对此次实习的回顾，强调了本次训练对于提升电路设计能力和后续学习的支持。 适用人群：本报告适用于正在学习自动化及相关专业的在校大学生或从事电气工程领域的工程师和技术人员。 使用场景及目标：旨在帮助读者深入了解电子线路CAD的基础理论知识及其实际应用场景，特别是在Altium Designer环境下的操作流程。目标在于强化学生或技术人员的专业技能，以便他们能够在未来的工作或研究中有更强的设计能力。同时，该报告也可作为相关课程的教学材料。 其他说明：附录部分提供了完整的电路原理图和详细的元器件列表，供读者进一步理解和参照练习。
“2019年金融网点分县统计数据”提供了中国县域金融机构布局的详细信息，覆盖国有大型商业银行、股份制商业银行、城市商业银行及农村商业银行的网点分布特征。截至2019年底，全国银行网点总量为197,719个，其中县域地区分布87,003个，占比44%；市区网点110,716个，占比56%。 从银行类型看，国有大型商业银行县域网点数量最多（46,481个），但分布不均，如交通银行县域网点仅占9.01%，而邮政储蓄银行县域覆盖率高达59%。股份制商业银行县域网点仅占10%，主要集中于华东地区（73%）。农村商业银行县域网点占比60%（34,525个），华北和华中地区占其总量的53%。 区域分布上，华中地区县域网点占比最高（57.66%），其次是华东（34%）和西南（46%）；华南地区县域网点最少，仅占7%。国有大行在华东地区县域网点占比32%，农村商业银行则集中在华北（32%）和华中（21%）。 该数据为研究金融资源城乡配置、普惠金融发展及区域经济差异提供了基础支撑。例如，国有大行2019年县域网点数量较前一年增加，反映其下沉服务趋势；而农村金融机构通过人缘地缘优势持续优化县域服务。数据格式包含分银行、分地区的统计表格，适用于量化分析金融网络覆盖与经济社会发展的关联性。
GFP-ATOMIC参数的含义
ollama国内源，bash使用
内容概要：本文详细介绍了一家电动汽车（EV）制造商面临的数据处理挑战以及为解决这些问题所采取的举措——将现有数据平台迁移到Snowflake云平台上。文中阐述了制造商目前遇到的问题，如查询速度慢、运营成本高、难以整合结构化及非结构化的数据来源，并提出了具体的改进方向和技术细节。为了帮助潜在技术人员更好地理解和准备相关技术测试，还提供了一个详细的步骤指南来构建数据管道。具体要求分为两大部分：一是在当前架构上进行操作演示，二是利用Snowflake完成未来状态架构搭建并做技术示范，同时提供了预期产出物列表、所需技能概述及观众构成等关键信息。 适用人群：对于想要深入理解数据仓库迁移流程及其技术实施的专业人士非常有价值，特别适合作为数据工程师、数据科学家和其他IT专业人士参与面试的技术评估资料。 使用场景及目标：旨在展示候选人在构建现代数据工程基础设施方面的技术和创新能力。此外还可以作为内部培训材料供团队成员提高技能，或者为计划类似转型项目的企业决策层提供借鉴参考，从而优化其自身的数据管理策略和架构规划。 其他说明：演示时间被安排为60分钟，其中包括用例讲解（5分钟）、架构讨论（10分钟
自动封装javaBean的工具类
更多毕业设计https://cv2022.blog.csdn.net/article/details/124463185
更多毕业设计https://cv2022.blog.csdn.net/article/details/124463185
wireshark log for ethercat io
TM1629A 驱动程序和数据手册.rar