MongoDB（一）NoSQL起源，mongodbnosql起源
为什么出现NoSQL？
随着互联网的发展，当我们把一台服务器一台服务器变成两台服务器，当我们开始建立数据备份，当我们需要加一个缓冲层，来调整所有的查询，投入更多的硬件。
最后，需要将数据切分多个集群上，并重构大量的应用逻辑以适应这种切分。不久之后，你就会发现被自己数月前的设计数据结构限制住了。
随着web2.0的兴起，关系型数据库本身无法克服的缺陷越来越明显，主要表现为如下几点。
1、对数据高并发读写的需求
2、对海量数据的高效率存储和访问的需求。
3、对数据库的高可扩展性和高可用性的需求。
4、数据库事务一致性需求。
5、数据库写实性和读写时性需求。
6、对复杂SQL的查询，特别是对关联查询的需求。
NoSQL是Notonly SQL的缩写，NoSQL不使用SQL作为查询语言。其数据存储可以不需要固定的表格模式，也经常避免使用SQL的join操作，一般有水平可扩展性的特征。
NoSQL历史？
1、NoSQL一词最早出现在1998年，是Carlo Strozzi开发的一个轻量、开源、不提供SQL功能的关系数据库。
2、2009年，Last.fm的Johan Oskarsson发起了一次关于分布式开源数据库的讨论，来自Rackspace的Eric Evans再次提出了NoSQL概念，这时的NoSQL主要是指非关系型、分布式、不提供数据库设计模式。
3、2009年趋势高涨，被定为“非关系型的”数据存储，相对于关系型数据库运用，这一概念无疑是一种全新思维的注入。
SQL和NoSql的区别？
NoSQL具有如下几点
优点：
1、高并发读写
2、海量数据存储
3、高可扩展性
4、高可用性
缺点：
5、缺乏事务一致性
6、缺乏读写实时性
7、不支持复杂查询
NoSQL数据库类型
Key-value：key指Value的键值对，通常用hash table来实现
列式数据库：同一列数据存在一起
文档型数据库：Key-Value对应的键值对，Value为结构化数据产品：MongoDB
图结构数据库：以“图”为基本存储模型，产品：Neo4j，InfoGrid，InfiniteGraph
NoSQL数据库开源软件
1、Membase软件
2、Hypertable
3、ApacheCassandra
4、MongoDB
在这里我们用的是MongoDB，下篇MongoDB简介，以及实例操作。
MongoDB是文档存储型数据库。它的存储是给予操作系统中的文件存储系统的。所以只要是文件系统可以存的，mongodb都可以存。
如果要保存一些二进制的大数据文件，可以用GridFS数据结构。
特点：
它们可以处理超大量的数据。
它们运行在便宜的PC服务器集群上。
PC集群扩充起来非常方便并且成本很低，避免了“sharding”操作的复杂性和成本。
它们击碎了性能瓶颈。
NoSQL的支持者称，通过NoSQL架构可以省去将Web或Java应用和数据转换成SQL友好格式的时间，执行速度变得更快。
“SQL并非适用于所有的程序代码，” 对于那些繁重的重复操作的数据，SQL值得花钱。但是当数据库结构非常简单时，SQL可能没有太大用处。
没有过多的操作。
虽然NoSQL的支持者也承认关系数据库提供了无可比拟的功能集合，而且在数据完整性上也发挥绝对稳定，他们同时也表示，企业的具体需求可能没有那么多。
Bootstrap支持
因为NoSQL项目都是开源的，因此它们缺乏供应商提供的正式支持。这一点它们与大多数开源项目一样，不得不从社区中寻求支持。
优点：
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。
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。
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。
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。
主要应用：
Apache HBase
这个大数据管理平台建立在谷歌强大的BigTable管理引擎基础上。作为具有开源、Java编码、分布式多个优势的数据库，Hbase最初被设计应用于Hadoop平台，而这一强大的数据管理工具，也被Facebook采用，用于管理消息平台的庞大数据。
Apache Storm
用于处理高速、大型数据流的分布式实时计算系统。Storm为Apache Hadoop添加了可靠的实时数据处理功能，同时还增加了低延迟的仪表板、安全警报，改进了原有的操作方式，帮助企业更有效率地捕获商业机会、发展新业务。
Apache Spark
该技术采用内存计算，从多迭代批量处理出发，允许将数据载入内存做反复查询，此外还融合数据仓库、流处理和图计算等多种计算范式，Spark用Scala语言实现，构建在HDFS上，能与Hadoop很好的结合，而且运行速度比MapReduce快100倍。
Apache Hadoop
该技术迅速成为了大数据管理标准之一。当它被用来管理大型数据集时，对于复杂的分布式应用，Hadoop体现出了非常好的性能，平台的灵活性使它可以运行在商用硬件系统，它还可以轻松地集成结构化、半结构化和甚至非结构化数据集。
Apache Drill
你有多大的数据集？其实无论你有多大的数据集，Drill都能轻松应对。通过支持HBase、Cassandra和MongoDB，Drill建......余下全文>>