大数据时代的NoSQL
NoSQL这个词语伴随着云计算和大数据的出现也有一些时日，对于NoSQL和SQL的区别到底是什么，NoSQL自己又是什么，往往很多人还有一些困惑。这篇文章主要阐述一下这些基本概念，做个简单的介绍。
SQL是国际标准化了的数据库的查询语言，由IBM发明，被Oracle抄袭，之后广泛被各大厂商支持。其最著名的SELECT FROM WHERE GROUP BY基本上就是路人皆知了。SQL有很多的标准，从当前环境来看，最重要的应该是SQL1998，基本上现在任何一个新的startup要想写个database，SQL1998的支持是必要的，不然差评，没人买。
从狭义上讲，NoSQL指key-value store。SQL实际上指relational database。两者在概念上最大的区别是对consistency的处理。SQL有著名的ACID原则，对consistency来说是strong consistency，而NoSQL一般讲究eventual consistency，并不保证在任何的有限时间内读写会consistent。NoSQL也有所谓的BASE原则。这两者的理论基础是著名的CAP理论。要解释清楚这些概念本身可能需要一长篇文章，所以我打算另外在撰文。在这里把这些东西先列一下。
著名的key-value store很多，然而大体上的套路要么遵循了BigTable，要么遵循了Dynamo。对一个key-value store来说要解决的两个核心问题是
- 如何partition data
- 每个partition的data是怎么存的
前者一般用hash partition或者range partition。后者一般存成某种tree的结构或者某种hash-table。另外一般还要带上bloom filter来加速查询。
广义上来讲，现在人们把document db和graph db也算作NoSQL。简而言之，这种数据库存的是JSON blob。最为著名的两个是MongoDB和CouchDB。这些数据库一般来说都是只支持Restful API，通过HTTP来读取。每条record是个JSON blob，里面存了所有相关的数据。Schema是self-define的。这类数据库都要求每条record有一个unique key，这样才能够通过key去查询。我道听途书的一个比较有意思的传闻是Uber内部的存储系统。他们用了MySQL做了一个类似document db的东西，一张表里面有key有value， value就是一个JSON blob。当然这类数据库一般都有indexing。
GraphDB存的是图，基本上比如说社交图啊。这不是我最熟悉的领域，我也只是读过一些paper并无实际工作经验。一般来说，这种数据库其实更像一个search engine，一般来说这种系统会有三层：底层的分布式存储系统，中间层是对图数据库的管理和查询，最上层则是对图处理的API蹭。目前比较知名的是Twitter的FlockDB和facebook的TAO。有兴趣的可以仔细研读一下TAO的基本构架。