[物联网]2.4 存储数据--数据库

数据库的作用 数据库的作用是保存并灵活运用数据（图 2.25）。除此之外，其作用还包括从保存的数据中找出与所指定条件相符的数据。另外，数据库还能把多条数据连在一起，把它们作为一个数据取出。 打个比方，已知与特定传感器相关的 ID，测量时间，以及温度传感器的值。光凭这些数据，是无法理解数据指的是哪个房间的温度的。因此就需要传感器的 ID 以及跟房间名字有关的数据。把这两条数据加在一起，才能知道某房间的温度。 图 2.25 展示的是一个叫作 RDB（关系数据库）的数据库。最近，除了 RDB 以外还出现了一种叫作 NoSQL 的数据库。 RDB 用一种叫作 SQL 的专门用来操作数据库的语言来保存和提取数据。另一方面， NoSQL 则是用 SQL 以外的各种方法来操作数据库。 本书还会介绍键值存储（ Key-Value Store，简称 KVS）和文档型数据库等种类的数据库。

数据库的种类和特征 这里我们一并为大家说明数据库的种类和特征，以及为了实现物联网服务而处理设备数据时的要点。 关系数据库 关系数据库是人们用得最普遍的数据库。如图 2.25 所示，关系数据库具备一种叫作表格的表格型数据结构，其用途在于存储数据库，使用者用 SQL 语言来对其执行数据的提取、插入以及删除。 SQL 是一种非常强大的语言，它能用非常简洁的表述写出命令，来把多个表格联系到一起，搜索符合目标条件的数据。此外，使用者还能通过多种多样的编程语言来使用 SQL。不过一旦确定了表格，就很难更改其结构了。因此，需要仔细考虑设备传来的数据性质再决定结构。 举个例子，假设由于传感器和设备的增加而导致一些必须保存的数据增多，此时，如果表格结构如图 2.26 所示，那么就很难再追加新的数据了。

在 A 表这种情况下，我们就必须变更表格的条目。而换成 B 表就没必要更改表格本身。不过，这样一来就需要生成一个新的表格。 因此，如图 2.27 所示，要生成一个结构来把所有传感器数据插入同一个字段里。采用这个结构时，即使来了新的传感器数据，也没有必要更改表格结构或是追加新的表格。不过传感器数据的类型必须是统一的，而且，这样一来就会在同一个表格里注册大量的数据。这种情况下，有时就得花一段时间才能从表格里检索到我们需要的数据。为了解决这个麻烦，数据库提供了一个叫作索引的机制。

以上列举的表格就是一个例子。关于用哪种方法构成表格更好，我们不能一概而论，而是需要先考虑注册的是怎样的数据，以后又会积累多少数据，然后再下决定。 关系数据库也不擅长保存图像和语音等二进制形式的数据。虽然能够用一种叫作 BLOB（ Binary Large Object，二进制大对象）的数据形式来达到保存的目的，不过，这也需要另费一番工夫，因为根据用途，有时需要把图像直接保存为文件，把图像的路径单独保存在 RDB 里（图 2.28）。

数据库把数据保存到硬盘，因此经常会发生对硬盘的访问（磁盘 I/O）。这样一来，这步处理就比其他处理要慢。就系统中而言，这是处理速度方面容易产生瓶颈的一个地方。除了介绍的内容之外，还有一些需要大家注意的地方，希望大家加深对这部分内容的理解并将其灵活运用。 键值存储 键值存储属于 NoSQL 数据库的一种。NoSQL 是一种不使用 SQL数据库的统称。键值存储，就是把一种叫作“值”（ value）的数据值，和能够一对一特定“值”的“键”（ key）的集合保存在一起。此外，还有把数据保存在内存里的键值存储，以及把数据保存在硬盘里的键值存储。前者一方面能够高速保存数据，而另一方面，因为数据是放在内存上的，所以软件停止运行的时候，原先保存的内容就会丢失。因此前者适合作为缓存来使用。而后者保存数据的速度虽然不及前者，但即使软件停止运行，数据也不会丢失。 有一种叫作 Redis 的键值存储，它具备前后两者的性质，在通常情况下它是把数据存储在内存上的，但在任何时间都能够把数据保存到硬盘。因此，它既能够高速执行存储，也能永久保存数据。 文档型数据库 文档型数据库和键值存储一样，都属于 NoSQL 数据库的一种。文档型数据库能以 XML 和 JSON 这种结构化文档的格式保存数据。特别是近年来，有一种叫作 MongoDB 的文档型数据库很受欢迎，它以SON 的格式保存数据（图 2.29）。

MongoDB 能够直接保存 JSON 格式的数据，还能用 JSON 的值进行检索。这样一来，在用 JSON 交换传感器的信息时，就能直接对数据进行保存和使用。即使增加了新的数据条目或是新增了设备，也能直接以SON 格式保存数据，因此，不需要像 RDB 那样考虑表格的结构。非常适合用于无法读出设备的数量和数据的种类等情况，以及保存传感器等设备的数据。