NoSQL補充數據庫
- Redis、LevelDB KV存儲，相比傳統的數據庫優勢是極高的讀寫性能，一般對性能比較高的要求的場合會使用
- Hbase、Cassandra 列式存儲數據庫。適用於一些離線數據統計的場景
- MongoDB、CouchDB 文檔型數據庫。Schema Free(模式自由)，數據表中的字段可以任意擴展，比如電商系統中商品有非常多的字段，而且每個字段不同
實際場景中發現，SQL 語句的強大的查詢功能以及傳統數據庫事務和靈活的索引等功能，NoSQL 只能作爲一些場景的補充。
1、 提升性能
在性能方面，NoSQL 數據庫使用一些算法將對磁盤的隨機寫轉換成順序寫，提升了寫的性能
1.1、數據庫
數據庫系統大多使用的是傳統機械磁盤，訪問方式有兩種：隨機IO、順序IO。隨機 IO 需要花費時間做磁盤尋道，讀寫效率比順序IO 小兩到三個數量級。
以 MySQL 的 InnoDB 存儲引擎來說，更新 binlog、redolog、undolog 都是在做順序 IO，而更新 datafile 和索引文件則是在做隨機 IO，而爲了減少隨機 IO 的發生，關係數據庫已經做了很多的優化，比如說寫入時先寫入內存，然後批量刷新到磁盤上，但是隨機 IO 還是會發生。
索引在 InnoDB 引擎中是以 B+ 樹方式來組織的，而 MySQL 主鍵是聚簇索引（一種索引類型，數據與索引數據放在一起），既然數據和索引數據放在一起，那麼在數據插入或者更新的時候，我們需要找到要插入的位置，再把數據寫到特定的位置上，這就產生了隨機的 IO。而且一旦發生了頁分裂，就不可避免會做數據的移動，也會極大地損耗寫入性能。
1.2、NoSQL 如何解決
很多 NoSQL 數據庫都在使用的基於 LSM 樹的存儲引擎
LSM 樹（Log-Structured Merge Tree）犧牲了一定的讀性能來換取寫入數據的高性能，Hbase、Cassandra、LevelDB 都是用這種算法作爲存儲的引擎
- 數據先寫入到 MemTable 的內存結構中，MemTable中數據是按照寫入的 Key 來排序的。爲了防止 MemTable 數據丟失，會通過 Write Ahead Log 的方式將數據備份在磁盤上。
- MemTable 在累積到一定規模時，它會被刷新生成一個新的文件 SSTable(Sorted String Table)。當 SSTable 達到一定數量時，將 SSTable 合併，減少文件的數量。因爲 SSTable 是有序的，所以合併速度也是很快的
- 從 LSM 讀取數據時，先從 MemTable中查，如果沒有，再從 SSTable中查。因爲存儲的數據都是有序的，所以查找效率也是很高的，只是因爲數據被拆分成多個 SSTable，所以讀取的效率會低於 B+ 樹索引。
2、 搜索功能
在某些場景下，比如全文搜索功能，關係型數據庫並不能高效地支持，需要 NoSQL 數據庫的支持
在模糊查詢查詢中，一旦沒有使用索引就會掃描全表的數據，一般會使用開源組件Elasticsearch 來支持搜索的請求，它本身是基於“倒排索引”來實現的。
倒排索引是指將記錄中的某些列做分詞，然後形成的分詞與記錄 ID 之間的映射關係
Elasticsearch 作爲一種常見的 NoSQL 數據庫，就以倒排索引作爲核心技術原理，爲你提供了分佈式的全文搜索服務。
3、提升擴展性
在擴展性方面，NoSQL 數據庫天生支持分佈式，支持數據冗餘和數據分片的特性。
MongoDB 三個擴展性方面的特性
- Replica，也叫做副本集，你可以理解爲主從分離，也就是通過將數據拷貝成多份來保證當主掛掉後數據不會丟失。同時呢，Replica 還可以分擔讀請求。Replica 中有主節點來承擔寫請求，並且把數據變動記錄到 oplog 裏（類似於 binlog）；從節點接收到 oplog 後就會修改自身的數據以保持和主節點的一致。一旦主節點掛掉，MongoDB 會從從節點中選取一個節點成爲主節點，可以繼續提供寫數據服務
- Shard，也叫做分片，你可以理解爲分庫分表，即將數據按照某種規則拆分成多份，存儲在不同的機器上。MongoDB 的 Sharding 特性一般需要三個角色來支持，一個是 Shard Server，它是實際存儲數據的節點，是一個獨立的 Mongod 進程；二是 Config Server，也是一組 Mongod 進程，主要存儲一些元信息，比如說哪些分片存儲了哪些數據等；最後是 Route Server，它不實際存儲數據，僅僅作爲路由使用，它從 Config Server 中獲取元信息後，將請求路由到正確的 Shard Server 中
- 負載均衡，就是當 MongoDB 發現 Shard 之間數據分佈不均勻，會啓動 Balancer 進程對數據做重新的分配，最終讓不同 Shard Server 的數據可以儘量的均衡。當我們的 Shard Server 存儲空間不足需要擴容時，數據會自動被移動到新的 Shard Server 上，減少了數據遷移和驗證的成本。