在互联网应用中，数据爆发式的增长，实际上软件架构的本质就是对数据的保护。对数据的操作可以归纳为三类:读、写和检索。

跟着网站的流量越来越大年夜，数据量也爆发式的增长，网站响应越来越慢，办事器经常宕机。传统的关系型数据库已经不克不及知足流量和数据的爆发式增长。于是根据不合的营业需求，出现了很多不合的数据库。

对于数据库的选型，ACID是重要的┞峰酌指标，如不雅对ACID请求很高，应钙揭捉?择关系型数据库。其次部分对一致性请求不高的，写并发异常大年夜的可以推敲其他的nosql数据库。然则有的营业并发异常高，对ACID请求也异常高，则对营业数据和数据库进行拆分。

根据数据库的类型划分。有关系型数据库:mysql,oracle,sqlserver,postgresql等。nosql数据库:mongodb,hbase,cassandra,redis，CouchDB，Riak，Membase等。

HBASE：支撑数十亿行，数百万列。对于海量数据的宽表，面向列式存储，无schema，可随便率性扩大列。

根据数据库的用处划分。有缓存数据库:redis,memcached,h2db等，日记数据库:kahadb等。k-v型数据库:leveldb,redis等。

检索型存储中心件有：elasticsearch、solr、Lucene等。

传统的关系型数据库(RDBMS)是用处最广泛也是用的最多的数据库。关系型数据库是强事物一致性(ACID)，应用比较早，技巧相对成熟，萌芽可以根据字段，以及表示各个数据对象之间的关系。在CAP理论中实现的是CA。没有P分区性，单点瓶颈是硬伤。

当关系型数据库越来越成为瓶颈时，为解决单点瓶颈就义CAP属性中的C，出现了nosql数据库。针对某些特别的应用处景，出现了非关系型数据库。如:nosql，缓存等。以下针对不合的营业场景阐述各个数据库的特点。

以下对各类营业场景应当若何优化和存储选型。

一、读多写少

当拜访量越来越大年夜，数据量还不是很大年夜的时刻。也就是写不是瓶颈，而读成为重要的瓶颈。一是增长大年夜库分担读的压力，另一个是在数据库和应用体系之间加一层缓存memcache,redis。增长缓存之后，能抗住很多压力，大年夜大年夜降低了数据库的读请求。

在互联网应用中，对于一般的量级，免费的关系型数据库mysql、postgresql是首选。支撑事物，稳定性和成熟度比较好。

二、读多写多

高并发场景中，对数据库的操作往往提如今高并发读和高并发写。当读和写都成为瓶颈时，这时采取的筹划有：

1)对数据库进行横向和纵向扩大。按营业划分，把一个数据库实例扩大成多个实例。按数据分片，把单表大年夜数据量，水等分片成多个小表。

2)应用内存表负载压力。常见的内存表有：redis开启aof功能。营业数据要持久化落盘。不然过程一旦重启，内存数据就会损掉。

redis：是有硬盘存储的内存数据库，可以支撑Master-Slave复制，其可以供给并发量远高于关系型数据库。支撑的数据构造：K-V，K-Sets，K-Queue，K-Hash。可实用于高并发读写营业场景，但局限于其数据构造，不克不及做复杂萌芽，只能以Key键值为基本数据构造操作。

memcachedb：是基于memcache添加了BerkeleyDB存储机制和主辅复制而来。支撑的数据构造只要K-V构造。可实用于高并发读写营业场景，同样只局限于其数据构造，不克不及做复杂萌芽，只能以Key键值为基本数据构造操作。

MongoDB：支撑Master-Salve复制，无schema，json构造。字段可以随便率性扩大，可以建立字段索引和全字段索引。可以对随便率性字段建立索引萌芽。数据量越来越大年夜时，是吃内存的大年夜户，数据一致性问题会越来越严重。如不雅对数据一致性请求不高的读多写多营业，可以推敲应用此数据库存储。

三、读少写多

海量数据的写入。如货车app中的gps路线轨迹数据，天天的写入库的数据量上亿条。如斯巨大年夜的写入量用关系型数据库显然是不合适的。关系型数据库固然可以采取批量导入的方法加强写入才能，但其强迫落盘，对磁盘IO是影响重要身分。cassandra和habase其先写内存，异步落盘机制对磁盘IO消费更低。

Cassandra：java开辟，构造简单。其数据采取分片机制，副本备份与容错复制。面向列式存储。内存写入与异步刷盘的机制，使其在写操作远高于读操作场景中，也能轻松应对。

四、读少写少

在小体系，营业量低、数据量少的体系，对读写操作都比较少，当然是怎么快就怎么来。选用mysql免费数据库是最合适的选择。

五、复杂前提检索

关系型数据库平日应用b+tree索引，非关系型数据库如cassandra应用LSM构造索引。所有的索引多列复杂前提萌芽的检索效力远远低于索引引擎。

solr：萌芽快，然则更新索引速度偏慢。重要应用于那种对数据的及时性请求不高的营业。

elasticserach：更新速度比solr快，然则萌芽速度相对solr较慢。重要应用于及时索引萌芽的营业。

总结：

1)对ACID有强请求营业一般应用的数据存储采取关系型数据库，如mysql，postgresql、oracle、sql server等。

常用开源的搜刮引擎有luence,solr,elasticsearch，sphinx等。

2)读多写少的场景，应用非关系型数据库Cassandra、hbase、MongoDB等。

3)缓解高并发读对数据库造成的读瓶颈，应用缓存：memcached、redis等。

4)复杂的数据检索，应用外置索引：elasticsearch、solr等。

【编辑推荐】

1. 浅谈分布式存储体系中的数据一致性请求
2. 为什么石油和天然气的大年夜数据家当须要扩大NAS存储
3. 面向海量范围与高度扩大偏向转化的二级数据存储
4. 下一代云存储体系技巧白皮书
    1/2    1 2 下一页 尾页
   
   

   　　推荐阅读

   　　存储架构第三个架构：组合式存储

   如今，跟着数据中间的数据敏捷增长，以往的存储架构已不再知足需求。数据中间须要一个新的存储架构。第一个存>>>详细阅读

   
   

   本文标题：如何做数据存储架构技术选型？

   地址：http://www.17bianji.com/lsqh/38384.html

    1/2    1