1. Why NoSQL
1.1 单机版本
前提：网站访问量不大的时候，单机版的数据库足够
思考（应用瓶颈），出现如下三种情况之一，架构必须要升级：
1. 数据量太大，单个数据库无法存放
2. 数据索引（单表数据量大于300W，一定要建立索引）索引太大内存无法存放；
3. 访问量（读写混写）单个数据库扛不住峰值
1.2 缓存&读写分离版本
Memcached（缓存）+ MySQL + 垂直拆分（读写分离）
分析发展过程：优化数据结构和索引==>文件缓存(IO)==>Memcache
1. 早期在没有MyCat等数据库中间件的时候，3个MySQL实例会有数据同步的问题，可以同时冗余三分一模一样的数据
2. 引入另外一种策略（读写分离），3个实例：一个负责写操作，两外两个负责读，并增加同步机制；
3. 针对频查询的数据，增加缓存机制，减轻数据库压力
1.3 分库分表&集群版本
分库分表 + 水平拆分（MySQL集群）
早期MyISM：表锁，查询表中的一条记录会锁住整张表，效率低下，高并发下会出现严重的锁问题
转战Innodb：查询时行锁，锁一行数据
分库分表解决写的压力，分表（根据不同的字段拆分大表）
1.4 SQL瓶颈
如今的时代
1.定位+音乐+热榜+图片数据的存储不适用于关系型MySQL数据库，效率低下 ===>NoSQL
2.大数据量的IO下，表结构几乎无法修改
2. What‘s NoSQL
2.1 NoSQL分类&特点
## NoSQL四大分类：
1.KV键值对：Redis、Memcache
2.文档型数据库：MongoDB、ConthDB
3.列存储数据库：HBase、分布式文件系统
4.图数据库：Neo4j、InfoGrid A*，最短路径算法
## NoSQL特点：
1. 方便扩展（数据之间没有关系）
2. 大数据量，高性能(Redis一秒写8W次，一秒读11W)
3. 数据类型多样，不需要设计数据库
2.2 RDBMS和NoSQL区别
SQL
- 数据和关系维护在单独的表中
- 数据定义语言
- 严格的一致性
- 基础的事务
NoSQL
- 键值对存储数据、列存储、文档存储、图形数据库
- 最终一致性
- CAP定理和BASE理论
- 保证三高特性【高性能，高可用，高可扩展】
3. 拓展
大数据时代的3V（描述问题）：海量，多样，实时
大数据时代的3高（程序要求）：高并发、高可拓(可随时拓展集群)、高性能（保证用户体验和性能）
实际项目：NoSQL+RDBMS配合使用