参考博文

阅读总结

• 易扩展：安装简单
• 大数据量，高性能：大量数据对关系数据库产生的高IO和密集cpu计算，细粒度的cached
• 灵活性强：简化了关系数据库的关系维护;(例如：关系数据库中的个中约束,范式,冗余)
• 高可用：分布式集群

其他阅读总结

• 为了帮助RDBMS扩展，你可以对表做逆向规范化处理，去掉约束，放宽事务保障，经过这些修改，RDBMS其实就是更类似一个Nosql产品。(把常用是数据结构存储在nosql中，这些数据在RDBMS,中可能需要join)

• 什么是大数据，目前来说几TB就算，如果电脑的硬盘只有1TB的时候，那么这台电脑的数据库系统必定需要添加硬盘，或者使用其他电脑上的硬盘；如使用其他电脑上的硬盘，这算不算分布式存储呢？

• 如果把所有的数据存储在一个磁盘上，磁盘的访问速度会随着储存容量的增加而变慢，那么提高效率的方法就是把数据分散的存储到多个存储单元（磁盘）上，而不是集中在单一的大型存储中

• 性能扩展，两种方案：超级计算机（多核高功率cpu，超级存储）和 普通机器集群， 即垂直扩展和水平扩展

• MapReduce:

  ①.map 操做是对一些，一类，一堆大数据进行统一处理（分类）
  ②.Reduce 操作是对这些处理过的数据，得到一个结论（聚合）
  

• Nosql产品分类：面向列的有序存储，键/值存储， 文档数据库，图形数据库

• 面向列的有序存储：列和列族的区别。因为有序，按行键查询速率高。（bigtable,Hbase,Hadoop）

• 键/值存储：键索引，查询速度快(memcached,ehcache,redis)

• 文档数据库: 文档索引，不仅包括主标示符，还包括文档属性（MongoDB和CouchDB）

• 图形数据库（和xml数据存储）：

###个人思考

其实在使用Nosql技术的主要目的是提高服务器的数据处理性能；通俗的说，就是单位时间内处理数据的速度要快；那怎么样才能够提高单位时间内处理数据的速度快呢；有两个方面，是cpu计算时间短和数据传输快；

想要cpu计算快，就需要抛弃传统数据库中的各种约束的计算，还有是最直接的拿到数据，而不是我们平时从数据库中拿数据时候的各种select加Join表，创建虚拟表(这些操作都会增加cpu的处理时间)；所以我们抛弃这些所有，就可以直接使用类似MongoDB这些Nosql产品；

那想要怎么样才能提高数据传输速度呢？答案是把数据放到内存；大家都是知道内存的速度比硬盘的读写速度要快，所以把一些不需要经常变的常用的数据，放到内存里面，这样不仅是可以提高读写速度；还有一点是内存离cpu近（逻辑上）；所以也能够减少速度的传递时间；所以我们可以使用类似Memcache的Nosql产品；

基于以上的种种，去约束，去join，数据驻留内存等一些列的操作，就会出现大量的数据冗余；但是好处就是对于整台服务器或者服务集群来言，它的处理速度会成倍的提升；这应该就是空间换时间的理论实现吧；