Atitit.nosqlapi标准化以及nosql数据库的实现模型分类差异
1.常用的nosql数据库MongoDBCassandra1
1.1.查询>db.blogposts.find({"author.name":"Jane"})1
1.Keyword
Zaijson中实现表达式的表达，用json来表示sql的表达式
2.常用的nosql数据库MongoDBCassandra
举例2：在一个关系型数据库中，一篇博客（包含文章内容、评论、评论的投票）会被打散在多张数据表中。在MongoDB中，能用一个文档来表示一篇博客，评论与投票作为文档数组，放在正文主文档中。这样数据更易于管理，消除了传统关系型数据库中影响性能和水平扩展性的“JOIN”操作。
2.1.查询>db.blogposts.find({"author.name":"Jane"})
2.2.保存saveinsert
>db.blogposts.save({title:"MyFirstPost",author:{name:"Jane",id:1},
comments:[{by:"Abe",text:"First"},239); font-size:10.5pt">{by:"Ada",text:"Goodpost"}]})
2.3.Update，delete
作者::绰号:老哇的爪子（全名：：AttilaxAkbarAlRapanui阿提拉克斯阿克巴阿尔拉帕努伊）汉字名：艾龙，EMAIL:1466519819@qq.com
转载请注明来源：http://blog.csdn.net/attilax
2.4.MongoDB与RDBMSWhere语句比较
如果你熟悉常规的sql数据，通过下表可以更好的理解MongoDB的条件语句查询：
| 操作 |
格式 |
范例 |
RDBMS中的类似语句 |
| 等于 |
{<key>:<value>} |
db.col.find({"by":"菜鸟教程"}).pretty() |
whereby='菜鸟教程' |
| 小于 |
{<key>:{$lt:<value>}} |
db.col.find({"likes":{$lt:50}}).pretty() |
wherelikes<50 |
| 小于或等于 |
{<key>:{$lte:<value>}} |
db.col.find({"likes":{$lte:50}}).pretty() |
wherelikes<=50 |
| 大于 |
{<key>:{$gt:<value>}} |
db.col.find({"likes":{$gt:50}}).pretty() |
wherelikes>50 |
| 大于或等于 |
{<key>:{$gte:<value>}} |
db.col.find({"likes":{$gte:50}}).pretty() |
wherelikes>=50 |
| 不等于 |
{<key>:{$ne:<value>}} |
db.col.find({"likes":{$ne:50}}).pretty() |
wherelikes!=50 |
2.5.MongoDBOR条件
MongoDBOR条件语句使用了关键字$or,语法格式如下：
>db.colfind(
{
$or:[
{key1value1},key2value2}
]
}).pretty()
2.5.1.实例
以下实例中，我们演示了查询键by值为菜鸟教程或键title值为MongoDB教程的文档。
({:[{"by":"菜鸟教程""title""MongoDB教程"}]}).(){
"_id"ObjectId("56063f17ade2f21f36b03133"),
"title",251); font-size:9pt">"description""MongoDB是一个Nosql数据库""by""url""http://www.runoob.com""tags""mongodb""database""Nosql"
],251); font-size:9pt">"likes"100}>
2.6.AND和OR联合使用
以下实例演示了AND和OR联合使用，类似常规sql语句为：'whereurl='http://www.runoob.com'AND(by='菜鸟教程'ORtitle='MongoDB教程')'
({"likes"$gt:50[{}
3.对比
Cassandra教程资料较为少，crud语句类似sql了。。不是nosql了。。
MongoDB的资料多，更加容易oo
不过百度查询MongoDB百度为您找到相关结果约3,110,000个
Cassandra的数量是mongodb的俩被。。
Hbase百度为您找到相关结果约6,000个
至于hbase，文档少，貌似比较复杂不好用。
4.下图是Nosql家族的进化图，我们可以看到这样的进化：Key-Value时代，BigTable时代，Document时代，全文搜索时代，和Graph数据库时代：
（陈皓注：注意图中sql说的那句话，Nosql再这样发展下去就是sql了，哈哈。）
数据模型的进化：
·Key-Value键值对存储是非常简单而强大的。下面的很多技术基本上都是基于这个技术开始发展的。但是，Key-Value有一个非常致命的问题，那就是如果我们需要查找一段范围内的key。（陈皓注：学过hash-table数据结构的人都应该知道，hash-table是非序列容器，其并不像数组，链接，队列这些有序容器，我们可以控制数据存储的顺序）。于是，有序键值（OrderedKey-Value）数据模型被设计出来解决这一限制，来从根本上提高数据集的问题。
OrderedKey-Value有序键值模型也非常强大，但是，其也没有对Value提供某种数据模型。通常来说，Value的模型可以由应用负责解析和存取。这种很不方便，于是出现了BigTable类型的数据库，这个数据模型其实就是map里有map，map里再套map，一层一层套下去，也就是层层嵌套的key-value（value里又是一个key-value），这种数据库的Value主要通过“列族”（columnfamilies），列，和时间截来控制版本。（陈皓注：关于时间截来对数据的版本控制主要是解决数据存储并发问题，也就是所谓的乐观锁，详见《多版本并发控制(MVCC)在分布式系统中的应用》）
Documentdatabases文档数据库改进了BigTable模型，并提供了两个有意义的改善。第一个是允许Value中有主观的模式（scheme），而不是map套map。第二个是索引。FullTextSearchEngines全文搜索引擎可以被看作是文档数据库的一个变种，他们可以提供灵活的可变的数据模式（scheme）以及自动索引。他们之间的不同点主要是，文档数据库用字段名做索引，而全文搜索引擎用字段值做索引。
Graphdatamodels图式数据库可以被认为是这个进化过程中从OrderedKey-Value数据库发展过来的一个分支。图式数据库允许构建议图结构的数据模型。它和文档数据库有关系的原因是，它的很多实现允许value可以是一个map或是一个document。
4.0.0.1.Nosql数据模型摘要
本文剩下的章节将向你介绍数据建模的技术实现和相关模式。但是，在介绍这些技术之前，先来一段序言：
Nosql数据模型设计一般从业务应用的具体数据查询入手，而不是数据间的关系：
关系型的数据模型基本上是分析数据间的结构和关系。其设计理念是：“WhatanswersdoIhave?”
Nosql数据模型基本上是从应用对数据的存取方式入手，如：我需要支持某种数据查询。其设计理念是”WhatquestionsdoIhave?”
Nosql数据模型设计比关系型数据库需要对数据结构和算法的更深的了解。在这篇文章中我会和大家说那些尽人皆知的数据结构，这些数据结构并不只是被Nosql使用，但是对于Nosql的数据模型却非常有帮助。
数据冗余和反规格化是一等公民。
关系型数据库对于处理层级数据和图式数据非常的不方便。Nosql用来解决图式数据明显是一个非常好的解决方案，几乎所有的Nosql数据库可以很强地解决此类问题。这就是为什么这篇文章专门拿出一章来说明层级数据模型。
4.1.下面是Nosql的分类表，也是我用来写这篇文章时做实践的产品：
Key-Value存储:OracleCoherence,Redis,KyotoCabinet
类BigTable存储:ApacheHBase,ApacheCassandra
文档数据库:MongoDB,CouchDB
全文索引:ApacheLucene,ApacheSolr
图数据库:neo4j,FlockDB
5.参考
排名前十的sql和Nosql数据库-CSDN.NET.htm
8天学通MongoDB——第一天基础入门-一线码农-博客园.htm
MongoDB查询文档菜鸟教程.htm
分布式Key-Value存储系统：Cassandra入门.htm
Cassandra2.x中文教程（2）：执行简单的CQL操作屁民部落.htm
Nosql数据建模技术-CSDN.NET.htm
HBase使用教程-推酷.htm
原文链接：https://www.f2er.com/nosql/203733.html