RDBMS提供了最好的事務完整性，但相對于其他存儲選擇，這種數據庫很難擴愚且擴展成本高，可用性低。為數據選擇正確的存儲工具。不要因為你習慣用數據庫訪問數據，就總用關系數據庫存儲數據。
關系數據庫管理系統(RDBMS)(如Oracle i和 MYSQL)是以Edgar F.Codd于1970年發布的論文“大型共享數據庫數據的關系模型”(“A Relational Model of Data for Large Shared Data Banks”)中的關系模型為基礎的。大多數 RDBMS對于存儲數據有兩大好處。第一個好處是利用ACID屬性確保了事務完整性，關于ACID的定義，請參閱表2-1。第二個好處在于表內和表間的關系型結構。為了最小化數據冗余，提高事務的處理能力，大多數聯機事務處理理(OLTP)系統中的表都被規范化為第三范式即表中的所有記錄都有相同的字段，所有非主關鍵字的字段都不能只依賴于組合關鍵字的一部分，所有非主關鍵字字段必須依賴于主關鍵字。
表中的每一列數據都要依賴于表中的其他列數據。表之間的關系通常以外鍵表示。雖然使用 RDBMS有這兩點好處，但它們也是限制了擴展性的原因。為了確保ACID屬性，擴展RDBMS比擴展其他數據存儲難得多。為了在具有多個節點的 RDBMS集群(如 MYSQL NDB)中確保數據致性，要采用同步復制的功能才能保證所有數據在提交時被寫入多個節點。采用 Oracle RAC，會有一個中央數據庫，但是數據庫域的所有權卻是所有節點共享的。因此，對于寫請求，要把數據所有權轉移到相應的節點，而對于讀請求，則要依次從請求者發送到主節點，再從主節點發送到擁有要讀的數據的節點，再從它發回到請求者。最終，你會受到同步復制數據的節點數或它們的地理位置的限制。
RDBMS中表內和表間的關系結構使得很難對數據庫進行分片或分區操作。關于把工作分發到多臺機器上的原則。在把表拆分到多個數據庫的應用中，原來在單一數據中連接兩個表的簡單査詢就要被轉換成兩個查詢來連接數據。
總而言之，只有要求事務完整性或數據間有關系的數據，才需要使用 RDBMS。既不要求數據間的關系，也不要求事務完整性的數據，最好采用其他的存儲系統。我們來簡單討論幾個可用的解決方案，以及如何用它們代替數據庫，以達到更好的、性價比更高的、擴展性更高的效果種常常被忽略的存儲系統是文件系統。也許這是一種簡單的存儲方式，因為大多數程序員最初編程時，訪問的都是文件而不是數據庫中的數據。一旦我們學會了在數據庫中存儲或獲取數據，就再也不用文件。文件系統已經發展很久了，而且許多文件系統是專門為處理非常大量的文件和數據而設計的。
這些文件系統包括 Google File System(GFS)、Mogilefs和Ceph等。如果你的系統是“一次寫，多次讀”的，那么文件系統是個很好的選擇。換句話說，如果不會發生讀寫沖突，不需要維護大量的數據關系，并不真正需要用到數據庫事務，那么采用文件系統才是最好的選擇。另一種存儲策略叫做 NOSQL。這一類存儲技術通常被劃分為鍵一值存儲、可擴展記錄存儲和文檔存儲。關于這種技術分類，并沒有統一的標準，很多技術可以被分到多個種類中。在下面的介紹中，我們加入了一些技術的示例，但不要把它們當做最終的解釋。考慮到這些項目發展的速度，那么將來這種分類很可能更加模糊。
鍵一值存儲技術包括 Memcached、 Tokyo Tyrant和 Voldemort。這些產品中的數據都有一個鍵一值索引存儲在內存中。有些產品能夠把健值異步復制。通過簡化的數據存儲模型和鍵一值對，這類產品能夠提供很高 寫人硬盤永久存儲。有些產品會在節點間進行同步復制，而有的則進行的可擴展性和性能，但在能存儲什么數據方面具有很大的限制。此外，依賴同步復制的鍵一值數據存儲仍然具有與 RDBMS集群一樣的限制，即在節點數量和地理位置方面的限制。
可擴展記錄存儲技術包括 Google公司專有的 Big Table和 Facebook公司的(現在已經是開源的) Cassandra。這些產品采用的是可以拆分到節點的行列數據模型。可以根據主鍵對行進行拆分或分片，再對列進行分組，存放到不同的節點上。這種擴展方法與展示的AKF擴展立方中的X軸和Y軸拆分方法相似，X軸拆分是讀取數據副本，Y軸是根據支持的服務來分割表。在這些產品中，行分片是自動執行的，但是列拆分則需要用戶定義，與在 RDBMS中的操作類似。這些產品使用的是異步復制，最終能達到一致性。這意味著，也許幾毫秒或幾小時后，最終所有節點上的數據將是一致的。
文檔存儲技術包括 COUCHDB、亞馬遜的 Simpledb和雅虎的 PNUTS。這種技術采用的數據模型雖然被稱為“文檔”，但其實稱為多索引對象模型更確切。這些多索引對象(或者說“文檔”)可以聚集到多索引對象的集合(通常稱為“城”)中，然后可以對這比值合成情由查詢。文檔存儲技術不支持ACID屬性，相反地，它們采用的是異步復制方法，最終能使數據達到一致。
NOSQL解決方案把對象和實體之間的關系限制到了最少。正是因為減少了關系，所以能夠把系統分發到多個節點上，在維持事務完整性和解決讀寫沖突的同時，實現了更大的可擴展性。
通常情況下，我們都需要對系統的可擴展性和靈活性進行權衡，在讀過前面的介紹之后，也許你已經有了決定。數據實體之間的關系是進行衡量的關鍵，隨著關系增多，靈活性會增加。靈活性增加，會使成本增加，可擴展性降低。從擴展系統的成本(和限制)與數據實體之間的關系程度這兩個方面對比了 RDBMS、 NOSQL和文件系統這三種解決方案。圖4-2則從靈活性和系統允許使用的關系程度兩方面進行了對比。結果很顯然，關系帶來了靈活性，但降低了可擴展性。正因如此，我們不想濫用關系數據庫，而是要采用適合任何的工具，使系統得到更大的擴展性。
在這個原則中，我們要介紹的另一種數據存儲方法是Goge的Mapreduce方法リ。簡而言之， Mapreduce方法具有兩個功能，即Map 和 Reduce。Map功能的輸入是一個鍵一值對，生成一個中間鍵一值對。輸入的鍵可能是一個文檔名或者指向文檔中的某一段的指針。值可能是文檔中的所有文字。Map功能的輸出將輸入到 Reduce功能，該功能使用個程序對文字和文字段分組，并且把值添加到一個列表中。這是個不算復雜的程序，根據鍵對數據進行排序和分組。這種技術最大的好處是能夠把非常大的數據集的計算分發到許多服務器上。
Apache的 Hadoop則是采用兩種存儲方法的組合的一個實例。它采用了 Google的 Mapreduce技術和 Google File System，這兩種方法前面都介紹過。 Hadoop既是具有高可擴展性的文件系統，又能夠分布式地存儲和獲取數據。
許多替代數據庫的數據存儲方法，那么在決定選擇哪種方法時，應該考慮數據的哪些特征呢?與存儲方法有很多選擇一樣，需要考慮的數據特征也有很多。最重要的幾個是數據元素間的關聯程度，解決方案的發展速度以及數據的讀寫比例(可能還有數據是否更新)。最后，我們關心的是如何把數據變現(換句話說，是否有利可圖)，因為我們不想讓自己的系統成本超出收益。
成本和開發時間。例如，假設把一個涉及用戶、付款、采購等信息的事務存儲在一個鍵一值存儲中，然后在采購報告內體現其中的信息片段，想象一下有多么困難吧。雖然你可以采用文件系統或者 NOSQL存儲方法實現它，但向用戶交付結果需要的開發投入和時間成本都很高。
預期的增長速度非常重要，原因很多。最終，這個增長速度會影響系統的成本和客戶響應時間。如果數據實體間需要高度的聯系，那么我們可能需要利用所有的硬件和處理能力來支持單一的整合數據庫，促使我們把數據庫拆分成多個實例。
讀寫比例非常重要，因為它有助于我們理解需要什么樣的系統。只寫一次而讀多次的數據可以采用文件系統外加某種應用、文件或對象緩存。圖像就是采用文件系統進行存儲的典型例子。寫過之后需要更新的數據，或者具有很高寫讀比例的數據，最好采用 NOSQL存儲或 RDBMS。這些需要考慮的因素構成了另一個立方體，分別用X軸、Y軸和Z軸表示了這三個因素。隨著這三個因素的值增加，最終解決方案的成本也會增加。如果我們要求系統間有高度的關聯、高速增長、能夠解決讀寫沖突，那么最好采用幾個較小的 RDBMS系統，這樣在開發、系統維護甚至數據庫許可方面的成本可能相對較高。如果增長速度較慢，規模較小，但是關系很多需要解決讀寫沖突，那么可以使用單個的大型數據庫(具有高可用性的集群)。
如果數據間的關系不是非常多，那么在任何水平的讀寫沖突和幾乎任何水平的增長速度下，都可以使用 NOSQL存儲技術。這里，我們再次看到了關系對成本和復雜度的影響程度，我們將在第8章中探討這個主題。采用 NOSQL技術的成本較低。最后，如果數據關系不多，不關心讀寫沖突，那么可以采用成本更低的文件系統。
我們必須理解網站制作數據的貨幣價值，因為許多公司在艱難起步時期都經歷過，用A級存儲免費存放TB級的用戶數據，很快就會把資金消耗完。較好的方法是分層存儲數據，根據訪問日期，不停地把較老的數據下推到較便宜的訪問較慢的存儲媒體上。這種情況叫做成本一數據價值的困境，即隨著時間流逝，數據價值會降低，但是保存數據的成本會增加。
本文地址：http://knowyourextract.com//article/3463.html
