Mysql怎么用NOSql给高并发系统加速

本篇内容主要讲解“Mysql怎么用NOSql给高并发系统加速”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Mysql怎么用NOSql给高并发系统加速”吧!

NoSQL

NoSQL，泛指非关系型的数据库。现在大家更喜欢翻译成：not only sql

根据NoSQL的存储等特性，大体可以分为以下几类

• 键值(Key-Value)存储数据库。相关的产品：Redis、Riak、SimpleDB、Chordless、Scalaris、Memcached。主要解决关系数据库无法存储数据结构的问题。

• 列存储数据库。相关产品：BigTable、HBase、Cassandra、HadoopDB、GreenPlum、PNUTS。解决关系数据库大数据场景下的 I/O 问题

• 文档数据库。相关产品：MongoDB、CouchDB、ThruDB、CloudKit、Perservere、Jackrabbit。解决关系数据库强 schema 约束的问题。

• 图形数据库。相关产品：Neo4J、OrientDB、InfoGrid、GraphDB。主要解决大量复杂、互连接、低结构化的图结构场合，如社交网络、推荐系统等

• 全文搜索引擎。相关产品：Elasticsearch。主要解决关系数据库的全文搜索性能问题。

由此可见，没有哪一种NoSql是完美的，每一种Nosql都有自己擅长的领域，这也是我们做系统架构中要考虑的重要因素。

场景1

电商的商品设计过程中，每种商品的属性都不同，属性数目不同，属性名不同，同一个商品有可能会属于多个分类，而且随着业务的发展，很多商品会增加新的属性，而且最令程序员头疼莫过于每种属性都有可能有搜索的可能性（当然搜索可以利用搜索引擎来实现）。遇到这样的需求场景，如果利用关系型数据库来存储的话，表的字段会非常多，而且字段的定义非常令人头疼。

这样的场景非常适合NOsql中的文档型数据库，比如MongoDB。文档型数据库新增字段非常简单，不像关系型数据库需要先执行DDL来增加字段，直接可以利用程序来进行读写，历史数据就算是没有相应的字段也不会有异常的情况发生。最重要的一点，文档型数据库很擅长存储复杂结构的数据，一般情况下业务上可以利用表现能力很强的json数据结构。

{
    "Id":1,
    "ProductName":"杜蕾斯加强版",
    "Price":100,
    "Type":[
        1,
        2,
        4
    ],
    "Length":20,
    "Height":2
}

如果所有商品信息都用mongodb来存储的话，有的场景并不是十分完美。比如商品被成功购买之后扣库存的问题，联合查询的问题，由于Nosql天生对ACID支持不足的原因，一个事务性的操作很难在Nosql中实现，所以设计系统的时候在很多情况下是关系数据库+Nosql 来共同实现业务。

场景2

很多具体的业务中都有记录数据然后进行统计的需求场景，比如那些统计uv，pv的系统。日志型的数据量非常大，而且还有可能有峰值的出现，如果用关系型数据库来存储，很有可能在IO上会出现瓶颈，而且有可能会影响其他正常的业务，更不幸的是当执行统计语句的时候，性能更是差强人意。这样的日志型统计业务很适合HBase这样的列式Nosql，业务上要统计一天的uv，pv数据，HBase很适合统计某一列数据的场景，因为只需要把对应的列进行统计即可，不像关系型数据库那样需要把所有行都加载进内存，而且列式存储一般比行式存储拥有更大的压缩比例，占用的磁盘空间会更少。

列式存储的应用场景有一定的限制，一般用于统计和大数据的分析中。

场景3

在多数高并发系统中都存在缓存的设计，而缓存的一般数据结构都是K-V结构。缓存是一种提高系统性能的有效手段，因其需要提供快速访问的特性，一般缓存都放置于内存当中。比如现在我们要设计一个用户管理系统，每个用户信息可以做缓存以便提供高速的访问，由于很多系统都采用分布式的部署方式，所以采用进程内的缓存方式并不可取，这个时候就需要有一种高速的外部存储来提供这种业务，这正是kv型Nosql的典型应用场景之一。其中以redis为代表，具体的业务中可以以用户id为key，用户的信息为value存储在redis中，而且redis在3.0之后可以做集群了，在高可用和扩展上更能助力业务方。redis支持的数据类型很多，在不同的场景下选择不同的数据类型。

场景4

当一个系统有搜索的业务时候，如果搜索的条件是一些简单的类型搜索，关系型数据库还可以满足，但是如果有全文搜索，就是我们平时sql写的like ‘%xx%’这样的搜索，关系型数据库可能并不是最好的选择，全文搜索引擎类型的Nosql也许是一个更好的解决方案，其中以Elasticsearch 为代表。全文搜索引擎的搜索的条件可以随意排列组合，并且可以实现关系型数据库like方式的模糊匹配。

全文搜索引擎的技术原理称为“倒排索引”（inverted index），是一种索引方法，其基本原理是建立单词到文档的索引。与之相对是，是“正排索引”，其基本原理是建立文档到单词的索引。

场景5

在社交系统中最常见例子就是社会网络中人与人之间的关系。关系型数据库用于存储“关系型”数据的效果并不好，其查询复杂、缓慢、超出预期，而图形数据库的独特设计恰恰弥补了这个缺陷，解决关系型数据库存储和处理复杂关系型数据功能较弱的问题。

到此，相信大家对“Mysql怎么用NOSql给高并发系统加速”有了更深的了解，不妨来实际操作一番吧！这里是亿速云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！