传统关系型数据库存在诸多局限无法适配当前大数据、Web2.0等新兴场景的需求催生了NoSQL的应用传统关系型数据库可扩展性差采用纵向扩展升级硬件的方式存在性能上限无法应对爆发式增长的数据量和高并发访问需求。关系型数据库数据模型死板需要预定义严格的表结构无法灵活处理非结构化、半结构化的新兴数据类型难以适配Web2.0的灵活业务需求。关系型数据库的事务机制限制了系统的整体性能面对海量数据的高并发读写场景时性能下降明显。商业关系型数据库授权成本高即使是免费版本的性能也存在较多限制整体部署维护成本较高。二、数据规模因素对NoSQL选型的影响数据规模是NoSQL选型的核心参考因素不同的数据量级适配不同特性的NoSQL产品中小规模数据场景可以优先选择轻量型、部署维护简单的键值型NoSQL如Redis这类产品基于内存存储能够提供极高的读写性能满足中等规模数据的低延迟访问需求。大规模/超大规模数据场景应当选择具备强水平扩展能力、支持数据自动分片的NoSQL产品如HBase这类产品可以通过动态增减节点扩展存储和计算能力支撑PB级别的海量数据存储与访问。高并发读写场景选择适配异步写入、内存存储优化的NoSQL产品这类产品在大数据量高并发的场景下性能表现远优于传统关系型数据库。三、关联数据场景下NoSQL的优势在关联数据场景中NoSQL相比传统关系型数据库具备以下优势无关联特性易扩展NoSQL去掉了关系数据库的关系型特性数据之间无强关联架构层面天然具备可扩展能力不会因为数据关联关系的增加导致系统复杂度急剧上升。高性能读写得益于无关系的简单结构NoSQL在处理关联数据的读写请求时不需要执行复杂的多表连接操作即使数据量庞大也能保持极高的读写性能。灵活存储关联结构NoSQL支持灵活的数据模型可以直接将关联的数据嵌套存储在同一个数据项中避免了多表查询的开销更适合关联结构多变的业务场景。四、半结构化数据场景适配NoSQL的原因半结构化数据如日志、文本、富媒体等的结构不固定、字段可动态变化NoSQL的特性恰好适配这类数据的存储需求无需预定义数据模式NoSQL不需要预先定义严格的数据表结构插入数据时不需要提前指定存储格式每条记录可以拥有不同的属性和格式适配半结构化数据结构多变的特点。支持多类型数据存储NoSQL可以存储和处理结构化、半结构化和非结构化的各类数据允许数据通过列表、字典等灵活的结构形式存储不需要限制为关系型数据库仅支持的字符串、数值等固定类型。动态字段调整便捷NoSQL可以随时存储自定义的数据格式运行时可以随意添加或移除字段不需要像关系型数据库那样执行复杂的表结构变更操作适配半结构化数据动态迭代的需求。五、分布式架构下NoSQL的特点NoSQL基于分布式架构设计具备以下核心特点弹性可扩展支持水平扩展可以在运行时动态增加或者删除节点而不需要停机维护数据可以实现自动迁移理论上几乎不存在扩展上限。无共享架构数据集划分为多个部分存储在各个本地服务器上优先从本地硬盘读取数据性能远优于通过网络传输读取数据大幅提升系统的整体读写速度。数据分区与高可用数据会被分区分散在多个节点上同时支持同步/异步的数据复制既提高了并行处理性能又避免了单点失效问题即使部分节点故障或网络中断也可以通过冗余备份的数据继续提供服务具备高可用性和容错性。低成本NoSQL通常采用开源软件可部署在廉价的标准化服务器上还支持在云环境中按需付费使用相比集中式的商业关系型数据库部署和维护成本更低。总结NoSQL是为了弥补传统关系型数据库在大数据、高并发、灵活数据类型场景下的不足而产生的它和关系型数据库是互补而非取代的关系。针对不同场景选型时数据规模大、高并发、半结构化数据、分布式部署的场景更适合使用NoSQL而对事务强一致性、复杂查询要求高的场景更适合使用关系型数据库实际应用中通常会结合两者的优势进行混合部署。