关系型数据库与非关系型数据库的区别是什么

40次阅读

没有评论

共计 2005 个字符，预计需要花费 6 分钟才能阅读完成。

今天就跟大家聊聊有关关系型数据库与非关系型数据库的区别是什么，可能很多人都不太了解，为了让大家更加了解，丸趣 TV 小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

关系模型指的就是二维表格模型，而一个关系型数据库就是由二维表及其之间的联系所组成的一个数据组织。下面通过简单介绍关系型数据库的优缺点来介绍和认识关系型数据库。

关系型数据库的优点

容易理解: 二维表结构是非常贴近逻辑世界的一个概念

使用方便: 通用的 SQL 语言使得操作关系型数据库非常方便

易于维护: 丰富的完整性大大减低了数据冗余和数据不一致的概率

瓶颈: 高并发读写需求: 网站的用户并发性非常高，往往达到每秒上万次读写请求，对于传统关系型数据库来说，硬盘 I / O 是一个很大的瓶颈; 海量数据的高效率读写: 网站每天产生的数据量是巨大的，对于关系型数据库来说，在一张包含海量数据的表中查询，效率是非常低的; 高扩展性和可用性: 在基于 web 的结构当中，数据库是最难进行横向扩展的，当一个应用系统的用户量和访问量与日俱增的时候，数据库却没有办法像 webserver 和 appserver 那样简单的通过添加更多的硬件和服务节点来扩展性能和负载能力。对于很多需要提供 24 小时不间断服务的网站来说，对数据库系统进行升级和扩展是非常痛苦的事情，往往需要停机维护和数据迁移。

关系型数据库的相于 web 应用缺陷

事务一致性: 关系型数据库在对事物一致性的维护中有很大的开销，而现在很多 web2.0 系统对事物的读写一致性都不高，事务的一致性不那么重要。

读写实时性: 关系型数据库为了维护一致性所付出的巨大代价就是其读写性能比较差，对关系数据库来说，插入一条数据之后立刻查询，是肯定可以读出这条数据的，但是对于很多 web 应用来说，并不要求这么高的实时性，而并发读写能力要求极高，关系型数据库无法应付，必须用新的一种数据结构存储来代替关系数据库。

固定的表结构: 扩展性极差，系统的升级，功能的增加，往往意味着数据结构巨大变动，这一点关系型数据库也难以应付，需要新的结构化数据存储。

复杂 SQL，特别是多表关联查询: 任何大数据量的 web 系统，都非常忌讳多个大表的关联查询，以及复杂的数据分析类型的复杂 SQL 报表查询，从需求以及产品阶级角度，就避免了这种情况的产生。往往更多的只是单表的主键查询，以及单表的简单条件分页查询，SQL 的功能极大的弱化了。

非关系型数据库: 用于指代那些非关系型的，分布式的，且一般不保证遵循 ACID 原则的数据存储系统。

非关系型数据库提出另一种理念，例如，以键值对存储，且结构不固定，每一个元组可以有不一样的字段，每个元组可以根据需要增加一些自己的键值对，这样就不会局限于固定的结构，可以减少一些时间和空间的开销。使用这种方式，用户可以根据需要去添加自己需要的字段，这样，为了获取用户的不同信息，不需要像关系型数据库中，要对多表进行关联查询。仅需要根据 id 取出相应的 value 就可以完成查询。但非关系型数据库由于很少的约束，他也不能够提供像 SQL 所提供的 where 这种对于字段属性值情况的查询。并且难以体现设计的完整性。他只适合存储一些较为简单的数据，对于需要进行较复杂查询的数据，关系型数据库显的更为合适。

注: 数据库事务必须具备 ACID 特性，ACID 是 Atomic 原子性，Consistency 一致性，Isolation 隔离性，Durability 持久性。

关系型数据库和非关系型数据库比较关系型数据库的优势:

1. 复杂查询可以用 SQL 语句方便的在一个表以及多个表之间做非常复杂的数据查询。

2. 事务支持使得对于安全性能很高的数据访问要求得以实现。对于这两类数据库，对方的优势就是自己的弱势，反之亦然。

非关系型数据库的优势:

1. 性能 NOSQL 是基于键值对的，可以想象成表中的主键和值的对应关系，而且不需要经过 SQL 层的解析，所以性能非常高。

2. 可扩展性同样也是因为基于键值对，数据之间没有耦合性，所以非常容易水平扩展。

非关系型数据库分类; 除了一些共性外，很大一部分都是针对某些特定的应用需求出现的，因此，对于该类应用，具有极高的性能。依据结构化方法以及应用场合的不同，主要分为以下几类:

面向高性能并发读写的 key-value 数据库:

key-value 数据库的主要特点即使具有极高的并发读写性能，Redis,TokyoCabinet,Flare 就是这类的代表。

面向海量数据访问的面向文档数据库:

这类数据库的特点是，可以在海量的数据中快速的查询数据，典型代表为 MongoDB 以及 CouchDB。