nosql

日前，全球知名市场调研机构IDC 公布了的2019年下半年中国关系型数据库市场厂商份额数据。报告显示，在公有云模式中，阿里云市场份额达50.7%，位居国内第一，超过2至5位的总和。而在公有云+传统部署模式下，阿里云也首次超越老牌传统数据库厂商，位居首位。 作为三大基础软件之一，数据库一直保持着高速的增长，关系型数据库仍然是中流砥柱，但在形态上，云原生数据库已取代传统数据库成为市场主流。IDC预计到2024年，中国关系型数据库市场规模可达到271亿元，其中采用公有云部署的关系型数据库市场规模可达到178.21亿元。 阿里云是国内最早推出云数据库的厂商之一，至今为止已经形成了完整的产品布局，关系型数据库、NoSQL数据库、数据仓库、数据库生态工具和云数据库专属集群5大板块。 与传统数据库不同，阿里云自研的云原生数据库PolarDB采用存储计算分离、软硬一体化设计，既拥有分布式设计的低成本优势，又具有集中式的易用性,能满足大规模应用场景需求。目前，PolarDB系列已成长为阿里云增速最快的产品之一，其分布式版本PolarDB-X也在阿里巴巴线上核心系统广泛使用，连续多年稳定支撑天猫双11，在1秒钟内系统负载增加了135倍情况下依然保持稳定，峰值TPS达8700万次，但成本仅为传统数据库的1/6。 此外，在数仓领域，阿里云自研云的云原生数据仓库AnalyticDB具备良好的弹性、高可用

起初有文件，后来有基于结构化文件的导航数据库，然后出现了IMS和CODASYL。大概40年前，出现了首批关系数据库。在20世纪八、九十年代的大部分时间，“数据库”严格意义上指“关系数据库”——SQL(标准查询语言)占主导地位。 后来随着面向对象编程语言日益流行，一些人认为，解决面向对象语言和关系数据库“阻抗不匹配”的办法是在数据库中映射对象。因此，我们最后迎来了“面向对象的数据库”。对象数据库方面有意思的地方是，在许多情况下，它们基本上是内置对象映射器的普通数据库。这种数据库后来渐渐失宠，下一个真正的主流尝试是2010年代的“NoSQL”。 1. ***SQL NoSQL以同样的方式***关系数据库和SQL。这回的主要问题是，互联网颠覆了具有40年历史关系数据库管理系统(RDBMS)架构的基本前提。这种数据库旨在节省宝贵的磁盘空间，并可纵向扩展。然而现在有太多的用户和太多的任务，一台胖服务器处理不了。NoSQL数据库则宣称，如果数据库没有连接(join)，没有标准查询语言(因为实现SQL需要花费时间)，也没有数据完整性，那么就可以横向扩展以处理众多用户。这解决了纵向扩展的问题，但也带来了新问题。 与这些联机交易处理系统(OLTP)并行开发的是另一种关系数据库，名为联机分析处理系统(OLAP)。这种数据库支持关系结构，但在执行查询时就知道它们将返回大量数据。上世纪八

Redis起步 传统ACID 关系型数据库遵循ACID规则 事务在英文中是transaction，和现实世界中的交易很类似，它有如下四个特性： 1、A ( Atomicity ) 原子性 原子性很容易理解，也就是说事务里的所有操作要么全部做完，要么都不做，事务成功的条件是事务里的所有操作都成功，只要有一个操作失败，整个事务就失败，需要回滚。比如银行转账，从A账户转100元至B账户，分为两个步骤：1）从A账户取100元；2）存入100元至B账户。这两步要么一起完成，要么一起不完成，如果只完成第一步，第二步失败，钱会莫名其妙少了100元。 2、C ( Consistency ) 一致性 一致性也比较容易理解，也就是说数据库要一直处于一致的状态，事务的运行不会改变数据库原本的一致性约束。 3、I (Isolation) 独立性 所谓的独立性是指并发的事务之间不会互相影响，如果一个事务要访问的数据正在被另外一个事务修改，只要另外一个事务未提交，它所访问的数据就不受未提交事务的影响。比如现有有个交易是从A账户转100元至B账户，在这个交易还未完成的情况下，如果此时B查询自己的账户，是看不到新增加的100元的 4、D (Durability) 持久性 持久性是指一旦事务提交后，它所做的修改将会永久的保存在数据库上，即使出现宕机也不会丢失。 Redis中的CAP C consistency

哈喽小伙伴们，我们都知道数据库在项目开发中往往是不可或缺的一环，而在云计算热度不断提升的背景之下，我们对于使用数据库的成本以及灵活性有了更高的要求。 Serverless 团队近期新发布了两款组件来填补这最关键的一块拼图 —— Serverless DB！ 下面我们一起来看看吧！ Serverless PostgreSQL 组件 PostgreSQL for Serverless 是一款基于 PostgreSQL 数据库实现的按需分配资源的数据库产品，其数据库将根据用户的实际请求数来自动分配资源。通过 PostgreSQL ServerlessDB 组件，用户可以快速方便地创建、配置和管理腾讯云的 PostgreSQL 实例。 产品有以下特性： 低成本：产品按照用户使用的计算资源和容量来计费，没有请求时无需付费，减少使用成本。 方便配置：默认配置将由 Serverless 为用户完成，用户也可自行在yaml文件中更改，短短几行即可完成配置工作，方便用户更好地关注自身业务逻辑。 极速部署：部署过程流畅快捷，仅需几秒，即可创建或更新数据库。 高可用：PostgreSQL for Serverless 支持一主一备高可用，当主实例出现意外导致不可用时，数据库将自动启动备用实例，此时业务连接将转移至备用实例当中，避免业务因意外情况而导致数据库无法使用。 Serverless TCB 组件

第一节课课堂总结 数据库是什么? 数据库系统(Database System)，是由数据库及其管理软件组成的系统。 数据库就是储存数据的地方，传统意义上不包括文件系 数据库是由2部分组成 1.db数据库本身----我们看不见 2.数据库管理系统 数据库分为三类 1.关系型数据库：是指包括相互联系的逻辑组织和存取这些数据的一套程序(数据库管理系统软件) 2. 非关系型数据库NOSQL 不是要取代传统关系型数据库 而是补充NOSQL的意思就是Not Only SQL 3. NEWSQL近几年才出现的是RDBMS和NQSQL折中的数据库解决方法 为什么学Mysql-从使用者角度？ *MySQL特点快！ 速度是其他关系型数据库不能比的（相对功能较少）开源！ 能够自主开发基于MySQL（c语言编写） ‘如何下载MySQL MySQL官网链接：添加链接描述 https://www.mysql.com/ 来源： oschina 链接： https://my.oschina.net/u/4358563/blog/4273588

1.redis简介 在我们日常的 Java Web开发中，无不都是使用数据库来进行数据的存储，由于一般的系统任务中通常不会存在高并发的情况，所以这样看起来并没有什么问题 。 可是一旦涉及大数据量的需求，比如一些商品抢购的情景，或者是主页访问量瞬间较大的时候，单一使用数据库来保存数据的系统会因为面向磁盘，磁盘读 /写速度比较慢的问题而存在严重的性能弊端，一瞬间成千上万的请求到来，需要系统在极短的时间内完成成千上万次的读/写操作，这个时候往往不是数据库能够承受的，极其容易造成数据库系统瘫痪，最终导致服务宕机的严重生产问题。 为了克服上述的问题， Java Web项目通常会引入NoSQL技术，这是一种基于内存的数据库，并且提供一定的持久化功能。 Redis和MongoDB是当前使用最广泛的NoSQL，而就Redis技术而言，它的性能十分优越，可以支持每秒十几万此的读/写操作，其性能远超数据库，并且还支持集群、分布式、主从同步等配置，原则上可以无限扩展，让更多的数据存储在内存中，更让人欣慰的是它还支持一定的事务能力，这保证了高并发的场景下数据的安全和一致性。 Redis 在 Java Web 中的应用 Redis 在 Java Web 主要有两个应用场景：存储缓存用的数据；需要高速读/写的场合使用它快速读/写； 在日常对数据库的访问中，读操作的次数远超写操作，比例大概在 1:9 到 3:7

目前中小企业架构设计存在哪些问题? # 1. 通病: 企业组织管理混乱 # 原因： 没有完善的企业组织架构（分工和责任不明确） # 2. 部门协同差劲 # 原因: 企业没有规范的管理流程，部门之间沟通机会少，企业文化融合氛围不浓等等造成的. # 3. 组织效率低 # 原因: 多方协同出现了问题 1 . 战略方向不明确，组织缺乏前瞻性 # 务实,务虚 # 初心: 解决这个社会的问题，解决某个行业的痛点，我希望来做的更好 # 使命,价值观 # 拷克: 业绩和价值观五五开 2 . 部门职责不清晰,重置和空白 3 . 管理层级多，管理角色错位 # 扁平化 # 事业部 # 阿米巴 4 . 企业内部体系不完整，责权不统一 权 责 利 5 . 部门协同差，组织效率低 中小企业IT系统架构面临的问题 # 当业务发生变化，不断的在原有系统上打补丁 # 当业务发展时，系统不断出现瓶颈 # 卡顿，数据库经常锁死 # 用户网站打不开，白屏 # 流量一上来就容易挂 技术团队的现状 # 技术团队人数不超过50人 # 服务器数量: 10-50台 # 宽带: 100M 中小企业从零开始目前项目开发现状: # 应用系统开发 # 前端开发: Vue.js,bootstrap # SSM: SpringMVC,SpringBoot,MyBatis # Tomcat # 数据库开发: # Mysql: CRUD # 测试

MongoDB 是一个免费的开源跨平台面向文档的 NoSQL 数据库程序。 1、查看可用的 MongoDB 版本 访问 MongoDB 镜像库地址： https://hub.docker.com/_/mongo?tab=tags&page=1 。 可以通过 Sort by 查看其他版本的 MongoDB，默认是最新版本 mongo:latest 。 你也可以在下拉列表中找到其他你想要的版本： 此外，我们还可以用 docker search mongo 命令来查看可用版本： $ docker search mongo NAME DESCRIPTION STARS OFFICIAL AUTOMATED mongo MongoDB document databases ... 1989 [OK] mongo-express Web-based MongoDB admin int... 22 [OK] mvertes/alpine-mongo light MongoDB container 19 [OK] mongooseim/mongooseim-docker MongooseIM server the lates... 9 [OK] torusware/speedus-mongo Always updated official Mon... 9 [OK] jacksoncage

前言 日常的开发中，无不都是使用数据库来进行数据的存储，由于一般的系统任务中通常不会存在高并发的情况，所以这样看起来并没有什么问题。 一旦涉及大数据量的需求，如一些商品抢购的情景，或者主页访问量瞬间较大的时候，单一使用数据库来保存数据的系统会因为面向磁盘，磁盘读/写速度问题有严重的性能弊端，详细的磁盘读写原理请参考这一片 在这一瞬间成千上万的请求到来，需要系统在极短的时间内完成成千上万次的读/写操作，这个时候往往不是数据库能够承受的，极其容易造成数据库系统瘫痪，最终导致服务宕机的严重生产问题。 为了克服上述的问题，项目通常会引入NoSQL技术，这是一种基于内存的数据库，并且提供一定的持久化功能。 Redis 技术就是 NoSQL 技术中的一种。 Redis 缓存的使用，极大的提升了应用程序的性能和效率，特别是数据查询方面。 但同时，它也带来了一些问题。其中，最要害的问题，就是数据的一致性问题，从严格意义上讲，这个问题无解。如果对数据的一致性要求很高，那么就不能使用缓存。 另外的一些典型问题就是，缓存穿透、缓存击穿和缓存雪崩。本篇文章从实际代码操作，来提出解决这三个缓存问题的方案，毕竟Redis的缓存问题是实际面试中高频问点，理论和实操要兼得。 缓存穿透 缓存穿透是指查询一条数据库和缓存都没有的一条数据，就会一直查询数据库，对数据库的访问压力就会增大，缓存穿透的解决方案，有以下两种：

B-树由来 定义：B-树是一类树，包括B-树、B+树、B*树等，是一棵自平衡的搜索树，它类似普通的平衡二叉树，不同的一点是B-树允许每个节点有更多的子节点。B-树是专门为外部存储器设计的，如磁盘，它对于读取和写入大块数据有良好的性能，所以一般被用在文件系统及数据库中。 先来看看为什么会出现B-树这类数据结构。 传统用来搜索的平衡二叉树有很多，如 AVL 树，红黑树等。这些树在一般情况下查询性能非常好，但当数据非常大的时候它们就无能为力了。原因当数据量非常大时，内存不够用，大部分数据只能存放在磁盘上，只有需要的数据才加载到内存中。一般而言内存访问的时间约为 50 ns，而磁盘在 10 ms 左右。速度相差了近 5 个数量级，磁盘读取时间远远超过了数据在内存中比较的时间。这说明程序大部分时间会阻塞在磁盘 IO 上。那么我们如何提高程序性能？减少磁盘 IO 次数，像 AVL 树，红黑树这类平衡二叉树从设计上无法“迎合”磁盘。 关于磁盘可参考 浅谈计算机中的存储模型（四）磁盘 上图是一颗简单的平衡二叉树，平衡二叉树是通过旋转来保持平衡的，而旋转是对整棵树的操作，若部分加载到内存中则无法完成旋转操作。其次平衡二叉树的高度相对较大为 log n（底数为2），这样逻辑上很近的节点实际可能非常远，无法很好的利用磁盘预读（局部性原理），所以这类平衡二叉树在数据库和文件系统上的选择就被 pass 了。