主要介绍常见的数据库类型和基础理论
数据库类型
关系型数据库
用简单的二维关系表示数据库模型结构，使用结构化查询语言（SQL）对数据库进行操作。
常见的有Oracle、DB2、SQL Server、Mysql
| 数据库名称 | 适用场景 | 优点 | 缺点 | 备注 |
|---|---|---|---|---|
| Oracle | 一般用在满足对银行、金融、保险等行业大型数据库的需求上 | 1、具有很好的开放性 2、能在所有主流平台上运行 性能高、安全性高、风险低 | 1、对硬件要求很高 管理维护和操作比较复杂且昂贵 | 厂商：甲骨文，是世界上第一款支持SQL语言的关系型数据库，是世界上最流行的数据库 |
| DB2 | 比较适合大型的分布式应用系统 | 1、稳定性、安全性、恢复性都很棒 2、从小规模到大规模的应用都可以使用 | 用起来繁琐 | 厂商：IBM |
| SQL Server | 可以作为中型企业或者单位的数据库平台 | 功能全面、效率高 | SQL Server只能在Windows系统中运行，无开放性 | 厂商：Microsoft |
| MySQL | 广泛应用于互联网上的中小型网站中，并且大型网站也开始使用 | 1、Mysql是开源的，可以根据个人需要进行修改 2、体积小、速度快、成本低 | 1、安全系统复杂而且非标准 2、没有一种存储过程语言 3、不支持热备份 | 厂商：由瑞典MySQL AB公司开发，属于Oracle旗下产品 |
| PostgreSQL | 1、相比于MYSQL的各种text字段的限制，PG没有这个限制，可以支持各种大小，丰富的几何类型 2、事务隔离级别比Mysql会更好 3、任何子查询的性能都比Mysql要好 4、稳定性强，并且在高并发的读写条件下性能指标仍然维持在极限情况 有强悍的SQL编程能力 | 对超大内存下的内存使用率不那么充分 | 厂商：由瑞典MySQL AB公司开发，属于Oracle旗下产品 |
非关系型数据库
解决大数据集合多重数据类带来的挑战，尤其是大数据应用难题。常见的非关系型数据库有Memcached、MongoDB、Redis、HBase等
数据库分类
| 分类 | 数据模型 | 备注 |
|---|---|---|
| 键值（key-value）存储数据库 | 通常用hash表来实现 | 常用于大量数据的高负载缓存，但是只对部分数据进行高负载查询或者更新的时候，效率则较低 |
| 列存储数据库 | 使用列簇将同一列数据存储在一起 | 查询速度快，多用于分布式文件系统 |
| 文档型数据库 | Key-value对应的键值，Value值为结构化数据 | 较为灵活，但是查询性能不高，可用于Web应用 |
| 图像数据库 | 图结构 | 使用最短路径寻址，N度查找等 |
常见数据库
| 数据库名称 | 适用场景 | 备注 |
|---|---|---|
| Redis | 数据变化较少，执行预定义查询、进行数据统计的。如股票价格、数据分析、实时数据收集等 Key-Value型数据库 | |
| MongoDB | 执行动态查询 对大数据库有性能要求 | 基于分布式文件的数据库，介于关系型和非关系型数据库之间 |
| Neo4j | 适用于存储图形一类的数据，如社会关系、地图和网络拓扑等 | 高性能NoSQL图形数据库，将数据存储在网络上而不是表中 |
| Casandra | 适用于存储特别大的数据，在银行金融业中使用，写比读更快 | 使用列存储的混合型的非关系的数据库 |
| HBase | 对大数据进行随机、实时访问 | 分布式的、面向列的开源数据库，是一个适合非结构化数据存储的数据库 |
| CouchDB | 数据变化较少 | 面向文档的数据库管理系统 |
数据库基本理论
ACID理论
数据库系统在写入或者更新资料的过程中，为保证事务的正确性和可靠性必须具备的四个特性。
A-Automicity（原子性）
一个事务中的所有操作，要么全部完成要么全部不完成，不会结束在中间的某个环节。
C- Consistency（一致性）
写入的资料必须完全符合所有的预设规则
I- Isolation（隔离性）
隔离性防止多个事务并发执行时由于交叉执行导致的数据不一致性。
D- Durabiliy（持久性）
事务处理结束以后，对数据的修改是永久，即使系统故障也不会丢失。
分布式系统理论
分布式系统最大的特点是可扩展性，能够适应需求变化而扩展。通过增加服务器数量来增强分布式系统整体的处理能力，以应对企业增长带来的计算需求增加。
CAP理论
一个分布式系统不可能同时满足一致性（C）、可用性（A）、分区容错性（P）三个要求，最多只能满足其中的两项，对于一个分布式系统，分区容错性是基本需求。一般需要在C和A之间寻求平衡。
一致性（Consistency）
更新操作完成后，所有节点在同一时间的数据完全一致
可用性（Availabiliy）
即使是严重的网络错误，每个请求必须完成
分区容错性（Partition tolerance）
遇到某个节点或者网络分区故障时候，仍然能够对外提供满足一致性和可用性的服务
Base理论
分布式系统在出现故障的时候允许损失部分性能，保证核心功能或者当前最重要的功能可用。允许系统在不同节点的数据副本之间进行数据同步时存在延迟。
分布式存储算法
1）一致性算法-Paxos
解决一个分布式系统如何就某个值达成一致，是一种基于消息传递模型的一致性算法
2）一致性哈希算法
通常分布式系统中存储的内容是hash中的一部分，一致性哈希算法解决如何在动态的网络拓扑中分布存储和路由