SQL vs. NoSQL —— 哪个更适合你的数据？

数据是数据科学所有子领域的支柱。无论你正在构建的建筑物的大小或应用如何，你都需要获取和分析数据。大多数情况下，你需要的这些数据都存储在DBMS（数据库管理系统）中。

为了与DBMS进行交互和通信，你需要使用它的语言或它能理解的语言。用于与DBMS交互的语言是SQL（结构化查询语言）。

近年来，数据库领域又出现了另一个术语，即NoSQL数据库。如果你刚刚开始接触数据科学，那么你可能听说过SQL和NoSQL数据库。

但是，两者之间有什么区别以及何时使用呢？

让我们从最开始说起。为什么我们有两种与数据库交互的方法？

简单来说，SQL和NoSQL与不同类型的数据库交互。SQL是用于与关系数据库交互的方法，而NoSQL是用于与非关系型数据库交互的方法。

关系数型据库（Relational Databases）

数据存储在关系数据库的不同表中，每个表都包含多条记录（行）。这些表使用一种或多种关系相互连接。

键定义了表之间的关系。键是表字段（列），其包含每条记录的唯一值。如果将一个字段定义为表的主键，则该字段可以包含在多个表中，并且可以用于同时访问不同的表。一旦使用主键将其表连接到另一个表，它将在另一个表中被称为外键。

例如，下图显示了某个航空公司的数据库的一部分。在此有两个表——飞行员表和航班表。这两个表已连接，以“PilotId”作为飞行员表的主键。我可以用飞行员的ID来访问飞行员表中有关飞行员的信息以及航班表中该飞行员正在处理的航班信息。

因此，在飞行员表中，PoilotId是主键；而在航班表中，它是外键。PilotId在此用于形成两个表之间的关系。

非关系型数据库（Non-Relational Databases）

与关系数据库不同，非关系型数据库——NoSQL数据库——并不以表和记录的形式存储数据。相反，在这些类型的数据库中，针对特定的要求设计和优化数据存储结构。

NoSQL数据库不使用关系数据库所使用的SQL，而是使用对象关系映射（ORM）来促进与其数据的通信。

NoSQL数据库的四种流行类型为列存储数据库、文档型数据库、键值数据库和图形数据库。这些类型可以单独使用或组合使用。选择将取决于你的应用和你需要存储的数据类型。

列存储数据库（Column-oriented Databases）

顾名思义，在列存储数据库中，数据以列的形式存储和组织。如果你需要存储稀疏数据，则这种类型的数据库很有用。稀疏数据更趋向于列式数据组织方式。

文档型数据库（Document-oriented Databases）

在文档型数据库中，数据排序的结构不是死板的。它实际上是以文档的结构将字段和数据值集合在一起。这些文档型数据库通常存储为JSON字符串，并且可以使用YAML、XML或作为纯文本进行编码，以保护数据。

使用文档型数据库的好处是，你不需要让所有文档都使用相同的结构。这使开发者可以自由地对同一数据库中的不同数据类型进行排序。在Python中，MongoDB就是文档型数据库的一种示例。

键值数据库（Key-value Databases）

如果你熟悉Python，你可以将键值数据库视为Python字典。数据库中的每个数据对象都将被存储为一对键和值。

图形数据库（Graph Databases）

当数据高度互连时，你需要使用数据库来有效地实现此目的。图数据库被认为是NoSQL数据库中最复杂的数据库。然而，它的用途广泛，非常适合许多应用。

如何在SQL和NoSQL之间选择？

那么，我们该如何在SQL和NoSQL数据库之间进行选择呢？

关于这个问题，你需要考虑四个方面：灵活性、可扩展性、一致性和现有技术。

1. 灵活性：有时需要——当你的数据具有不同的结构和不同的类型时。根据定义，NoSQL数据库提供了更多的自由来设计模式并在同一个数据库中存储不同的数据结构。然而，SQL数据库的结构和模式则比较严格。

2. 可扩展性：你见过日本停车场电梯吗？它允许车辆彼此叠置停放。现在，我想问你一个问题：在当前的电梯上加层以及建造新的电梯，哪个更有效？SQL数据库是可以垂直扩展的，这意味着你可以给它添加级层（增加其负载）；而NoSQL数据库是可以水平扩展的，你可以通过将工作分给多台服务器来增加其负载。

3. 一致性：SQL数据库具有高度一致的设计。然而，基于DBMS，NoSQL数据库可以是一致的，也可以是不一致的。例如，MongoDB是一致的，而Cassandra之类的数据库则不一致。

4. 现有技术：你可能会考虑的一个方面是数据库技术的当前发展阶段。由于SQL数据库已经存在了很长时间，所以它比NoSQL数据库更发达。因此，对于初学者来说，从SQL开始，然后转向NoSQL可能是最佳选择。

根据经验，如果你正在处理RDBMS（关系数据库管理系统），你想分析数据的行为或构建自定义的仪表盘，则SQL是更好的选择。此外，SQL通常可以更快地进行数据存储和恢复，并且更好地处理复杂的查询。

另一方面，如果你想在RDBMS的标准结构上进行扩展，或者你需要创建灵活的模式，那么NoSQL数据库是更好的选择。当你要存储和日志记录的数据来自分布式数据源，或者你只是需要临时存储的时候，NoSQL数据库也是更好的选择。

结论

最后，我不能说SQL绝对比NoSQL好，也不能说NoSQL绝对更好。它们各自具有优缺点。你的选择应当基于你的数据、你的应用，以及使开发过程更轻松的因素。

SQL数据库比较古老，因此研究较多，固定模式设计和结构也比较成熟。NoSQL数据库由于模式灵活，因此易于扩展、灵活，使用起来也相对简单。

那么，你的数据要求是什么？你的数据结构合理吗？你要处理的数据量大吗？

始终基于你的数据，你会做出正确的选择。