关系型、非关系型数据库存储选型盘点大全( 四 ) 工作中总是遇到数据存储相关

3、列式NoSql（代表——HBase）
列式NoSql和关系型数据库一样都有主键的概念，区别在于关系型数据库是按照行组织的数据，数据字段即使没有值同样占空间，列式存储完全是另一种方式，它是按列进行数据组织的，好处在于：查询时只有指定的列会被读取，不会读取所有列。存储上节约空间，空值不会被存储，一列中有时候会有很多重复数据（尤其是枚举数据，性别、状态等字段），这类数据可压缩。列数据被组织到一起，一次磁盘IO可以将一列数据一次性读取到内存中。
大数据时代最具代表性的技术之一HBase就是列式NoSQL的产品实现，其优点主要是：海量数据存储， PB级别数据随便存，底层基于HDFS（Hadoop文件系统），数据持久化。读写性能好，只要没有滥用造成数据热点，读写基本没任何问题。横向扩展在关系型数据库及非关系型数据库中都是最方便的之一，只需要添加新机器就可以实现数据容量的线性增长，且可用在廉价服务器上，节省成本。可存储结构化或者半结构化的数据。本身没有单点故障，可用性高。列数理论上无限制， HBase本身只对列族数量有要求，建议1~3个。
缺点主要表现在：HBase是Hadoop生态的一部分，因此它本身是一款比较重的产品，依赖很多Hadoop组件，数据规模不大没必要用，运维还是有点复杂的。不支持分页查询，因为统计不了数据总数。 KV式存储，条件查询很弱， HBase在Scan扫描一批数据的情况下还是提供了前缀匹配这种API的，条件查询除非定义多个RowKey做数据冗余。
因此HBase比较适用于KV型存储且未来无法预估数据增长量的场景，另外HBase使用还是需要一定的经验，主要体现在RowKey的设计上。
4、文档型NoSql（代表——MongoDB）
文档型NoSql指的是将半结构化数据存储为文档的一种NoSql ，文档型NoSql通常以JSON或者XML格式存储数据，因此文档型NoSql是没有Schema的，由于没有Schema的特性，我们可以随意地存储与读取数据，因此文档型NoSql的出现是解决关系型数据库表结构扩展不方便的问题的。
MongoDB是文档型NoSql的代表产品，同时也是所有NoSql产品中的明星产品之一，它的很多概念与关系数据库类似，因此，对于MongDB ，我们只需要理解成一个Free-Schema的关系型数据库就好了，其优点主要是：没有预定义的字段，扩展字段容易。相较于关系型数据库，读写性能优越，命中二级索引的查询不会比关系型数据库慢，对于非索引字段的查询则是全面胜出。
缺点在于：不支持事务操作，虽然Mongodb4.0之后宣称支持事务，但是效果待观测。多表之间的关联查询不支持（虽然有嵌入文档的方式）， join查询还是需要多次操作。空间占用较大，这个是MongDB的设计问题，空间预分配机制+删除数据后空间不释放，只有用db.repairDatabase()去修复才能释放。目前没发现MongoDB有关系型数据库例如MySql的Navicat这种成熟的运维工具。
总而言之， MongDB的使用场景很大程度上可以对标关系型数据库，但是比较适合处理那些没有join、没有强一致性要求且表Schema会常变化的数据。
通过以上讨论分析我们心中已经有了一个基本的选型框架指导，实际上在数据库选型时回答自己两个核心问题就好了：什么时候选用关系型数据库，什么时候选用非关系型数据库。选用非关系型数据库的话，使用哪种非关系型数据库。
NoSQL数据库都是通过牺牲了ACID特性来获取更高性能的，假设表数据有很强的事务特性需求，那么这类数据是不适合放在非关系型数据库。此外，选用NoSQL数据库时也要根据公司技术栈框架、业务特性、运维成本等多方面考虑是否采纳。