#基础概念# #入门
数据库的主要分类
-
关系型数据库（RDBMS）
- 数据以表格形式存储，通过预定义的关系模型建立数据间的连接，使用SQL作为查询语言。
- 常见的例子包括MySQL、Oracle、SQL Server、PostgreSQL、IBM DB2等。
-
非关系型数据库（NoSQL）
- 不依赖于固定的表结构，能灵活适应不同类型的数据存储需求。
- 键值存储（Key-Value Stores）：如Redis，适合简单的键值对存储，用于高速缓存和会话存储等。
- 文档数据库（Document-oriented）：如MongoDB，存储半结构化的文档，适用于JSON、XML等格式数据。
- 列族数据库（Column Family Databases）：如Cassandra、HBase，优化了海量数据的列式存储和查询。
- 图数据库（Graph Databases）：如Neo4j、JanusGraph，用于表示和查询复杂的实体间关系。
-
分布式数据库和数仓
- 分布式文件系统（Distributed File Systems）：例如Hadoop Distributed File System (HDFS)，专门用于存储大规模非结构化数据，支持大数据处理框架如Spark。
- 分布式NoSQL数据库：专为处理大规模数据集设计，具备水平扩展能力，比如Apache Cassandra、MongoDB等。
- 列式存储数据库：如Apache HBase，适用于大数据分析，特别是在OLAP（在线分析处理）场景下。
- SQL-on-Hadoop解决方案：如Hive，提供SQL接口访问HDFS上的数据。
数据库的特点与适用场景
关系型数据库（RDBMS）
特点：基于关系理论，数据以表格的形式存储，各表之间通过预定义的关系进行关联，支持ACID特性（原子性、一致性、隔离性、持久性）。查询语言通常是SQL，易于理解和操作，适合结构化数据的管理。
适用场景：适用于需要高度事务一致性和复杂查询操作的场景，如金融交易系统、ERP系统、电子商务后台等。
非关系型键值存储（Key-Value）
特点：简单快速，每个item由一个唯一的键标识，其对应的值可以是任意类型的数据。查询速度快，但不支持复杂查询。
适用场景：适用于内容缓存、会话存储、购物车存储等需要高性能读写的应用场景。
文档数据库
特点：文档型数据库以文档形式存储数据，每个文档包含多个字段和值，可以有内部嵌套结构，如JSON或XML格式。支持丰富的查询方式。
适用场景：适用于存储半结构化数据，如用户信息、产品描述等，常见于Web应用程序和移动应用。
列族数据库
特点：按列族存储数据，适合大量数据的批量读取和分析，尤其是大数据场景。
适用场景：大数据分析、日志存储分析、时间序列数据存储等。
图数据库
特点：以节点、边和属性构成图的方式存储数据，便于表达复杂的关系网络。
适用场景：社交网络、推荐系统、知识图谱等领域。
大数据分布式文件系统
特点：如HDFS，适合存储大规模非结构化数据，支持高容错性和大规模数据并行处理。
适用场景：大数据分析、机器学习训练数据存储等。
分布式NoSQL数据库
特点：设计上支持水平扩展，可以在多台服务器上分散存储和处理数据，具有高可用性和高可扩展性。
适用场景：大型网站的用户行为记录、日志数据存储、物联网设备数据收集等需要高并发和海量数据存储的场景。
时序数据库
特点：专门为时间序列数据设计的数据库，支持高效的时间戳索引和聚合查询。
适用场景：IoT设备监控、运维监控、证券交易记录、网站点击流分析等场景。
全文搜索
特点：如Elasticsearch，主要用于快速搜索和分析大规模的全文本数据。
适用场景：站内搜索、日志分析、企业级搜索、数据分析报表等。
