1/核心概念
-
SQL（Structured Query Language）
- 本意：指 结构化查询语言，是与关系型数据库通信的标准语言。
- 现在通常指代：关系型数据库 本身。它基于关系模型（使用表、行、列），数据模式是预定义且固定的，强调数据的 一致性 和 完整性。
-
NoSQL（Not Only SQL）
- 本意：不仅仅是 SQL。
- 现在通常指代：非关系型数据库。它是一个统称，涵盖所有不遵循传统关系模型的数据存储系统。NoSQL 数据库通常为 可扩展性、灵活的模式 和 高性能 等特定需求而设计。
2/主要区别
| 特性 | SQL（关系型数据库） | NoSQL（非关系型数据库） |
|---|
| 数据模型 | 结构化。预定义的模式（表结构），数据以行和列的形式存储在表中，表之间通过外键关联。 | 灵活/非结构化。无固定模式。根据类型不同，可以是键值对、文档、图或宽列。 |
| 查询语言 | 使用标准化的 SQL 语言进行增删改查。 | 没有统一查询语言。每种数据库有自己的 API 或查询方法（如基于 JSON 的查询）。 |
| 扩展性 | 垂直扩展为主。通过增加单台服务器的 CPU、内存、硬盘来提升性能。横向扩展（分库分表）较复杂。 | 水平扩展为主。天然支持通过增加服务器节点（分布式集群）来分担负载，扩展性强。 |
| 事务性（ACID） | 强调 ACID 属性（原子性、一致性、隔离性、持久性），支持复杂事务。 | 通常遵循 BASE 原则（基本可用、软状态、最终一致性），牺牲强一致性以获得高可用和分区容错性。但部分 NoSQL 现在也支持事务。 |
| 主要优势 | 数据结构化，数据完整性好，支持复杂查询和多表关联操作，技术成熟。 | 高并发读写性能好，扩展灵活，模式灵活易于迭代，能很好地处理海量数据和非结构化数据。 |
| 主要劣势 | 扩展性相对困难，高并发下可能遇到瓶颈，固定的模式在需求频繁变化时不够灵活。 | 不支持复杂的关联查询（Join），事务支持相对较弱（尤其在分布式下），不同产品特性差异大。 |
| 适用场景 | 需要复杂查询、强一致性、事务支持的场景。如：金融系统、ERP、CRM、会计系统等。 | 大数据量、高并发、模式多变、数据结构不固定的场景。如：社交网络、内容管理系统、物联网、实时分析、购物车缓存等。 |
3/各自代表的数据库
SQL（关系型数据库）代表
这些都是 基于表的、支持 SQL 标准 的成熟数据库。
- MySQL / MariaDB： 最流行的开源关系数据库，广泛用于Web应用。MariaDB 是 MySQL 的一个分支。
- PostgreSQL： 功能强大的开源对象-关系型数据库，支持高级数据类型（如 JSON、GIS）和复杂查询，被誉为“最先进的开源关系数据库”。
- Oracle Database： 企业级商业数据库的王者，功能极其全面强大，常用于大型、关键业务系统。
- Microsoft SQL Server： 微软推出的商业数据库，与 Windows 生态和 .NET 平台集成紧密。
- SQLite： 轻量级的嵌入式数据库，整个数据库就是一个文件，常用于移动端和桌面应用。
NoSQL（非关系型数据库）代表
NoSQL 通常分为以下几大类，每类解决不同问题：
1. 文档型数据库
- 特点： 数据以类似 JSON/BSON 的文档形式存储，每个文档可以有完全不同的结构。
- 代表：
- MongoDB： 最流行的文档数据库，查询功能强大，适合内容管理、用户配置等。
- CouchDB： 使用 HTTP API，支持数据同步。
2. 键值型数据库
- 特点： 最简单的 NoSQL 模型，数据以 键-值对 形式存储，通过键快速访问值。性能极高。
- 代表：
- Redis： 数据存储在内存中，速度极快，常用作缓存、消息队列、会话存储。
- Amazon DynamoDB： AWS 托管的键值/文档混合数据库，提供极高的可扩展性。
- etcd： 用于分布式系统配置共享和服务发现。
3. 宽列存储数据库
- 特点： 数据存储在 列族 中，可以动态添加列，非常适合海量数据的存储和查询（特别是读操作）。
- 代表：
- Apache Cassandra： 高可用、无单点故障的分布式数据库，写性能优异。
- Apache HBase： 构建在 Hadoop HDFS 之上的分布式数据库，适合大数据分析。
- Google Bigtable： Cassandra 和 HBase 的设计灵感来源。
4. 图数据库
- 特点： 专门存储实体（节点） 和关系（边） 的信息，擅长处理复杂的关系网络。
- 代表：
- Neo4j： 最著名的图数据库，使用 Cypher 查询语言。
- Amazon Neptune： AWS 托管的图数据库服务。
4/总结与趋势
- 不是替代关系，而是互补关系： SQL 和 NoSQL 适用于不同的场景。现代架构中经常 混合使用，例如用 MySQL 存储核心交易数据，用 Redis 做缓存，用 Elasticsearch（一种搜索引擎，常被归为 NoSQL）做全文检索。
- 融合趋势： 出现了 “NewSQL” 数据库（如 Google Spanner, CockroachDB），试图结合 SQL 的强一致性和 NoSQL 的水平扩展性。同时，许多传统 SQL 数据库（如 PostgreSQL, MySQL）也开始支持 JSON 等非结构化数据，而 NoSQL 数据库（如 MongoDB）也增加了事务支持。
- 如何选择：
- 如果你的数据结构化、关系复杂、需要强一致性，优先选择 SQL。
- 如果你需要处理海量数据、高并发、模式多变、或数据结构松散，优先考虑 NoSQL。
