數據是啥？數據都去哪兒了？

• 2019 年 10 月 10 日
• 筆記

【這是一猿小講的第 57 篇原創分享】

大家應該都忙著給祖國慶生，根本無心上班，所以精心為各位打造一篇，一點都不用費腦的文章，一起聊聊數據及數據存儲的那些事兒。敲黑板，講重點，我們開始。

1. 數據是啥？秒懂！

數據(data)是事實或觀察的結果，是對客觀事物的邏輯歸納，是用於表示客觀事物的未經加工的的原始素材。數據可以是連續的值，比如聲音、影像，稱為模擬數據。也可以是離散的，如符號、文字，稱為數字數據——引用百度百科。

2. 數據從哪兒來？秒懂！

敢問你是否知道，當你點亮手機螢幕，手指在手機螢幕上的每一次舞動，背後到底為這個世界貢獻了多少數據？

當你在購物網站時，瀏覽的那些名牌包包；當你使用聊天工具時，說過的那些話；當你打開影片網站，觀看虐狗的影視劇；當你……，其實背後就是五花八門、雜亂無章、點點滴滴的數據。

假如要把這些數據都打通攢在一起，那麼就會在網路上看到一個透明的你自己（做了什麼壞事，跑都跑不了，哈哈，其實大家都是透明人）。

3. 數據放到哪兒？N秒懂！

本次分享的重點來了，既然知道了什麼是數據，也知道了數據從哪兒來，那接下來就一起看看數據到底該存儲到哪兒？

實事求是的說，雖然深耕互聯網行業很多年，通過這次科普，感覺也是略顯孤陋寡聞。不深入不知道，一深入嚇一跳，真是刷新了我三觀，亮瞎了我狗眼。

如上圖所示，按照資料庫類型進行分類，主要分為關係資料庫(Relational DBMS)、鍵值存儲(Key-value stores)、文檔存儲(Document stores) 、圖形資料庫(Graph DBMS)、時間序列資料庫(Time Series DBMS)、資源描述框架存儲(RDF stores)、面向對象的資料庫(Object oriented DBMS)、搜索引擎(Search engines)、列存儲資料庫(Wide column stores)、多值資料庫(Multivalue DBMS)、原生XML資料庫(Native XML DBMS)、事件存儲資料庫(Event stores)、內容存儲(Content stores)、導航資料庫(Navigational DBMS)。細心的小夥伴會發現，大概分為 14 大種資料庫類型的系統。

納尼？14 種資料庫類型的系統？！第一反應就是孤陋寡聞。好了，不吹噓，我粗略的把她們劃分為被程式猿頻繁寵幸系列、被程式猿偶爾翻牌子系列、被程式猿打入冷宮系列，那接下來就逐個認識一下。

被程式猿頻繁寵幸系列

關係型資料庫(Relational DBMS)，來個非專業的解釋，關係型資料庫可以很好地存儲你買的包包，你的好友列表等等業務數據。

例如存儲一個老師對應多個學生的數據（多對多），一本書對應多個作者（一對多），一本書對應一個出版日期（一對一）的一些關係模型的數據。

如上圖所示，最常見 TOP 10 的關係型資料庫，當然被程式猿用的滾瓜爛熟的當屬 MySQL。不過大數據正當時，所以還要提一嘴 Hive，它其實是一款基於大數據生態 Hadoop 的一個數據倉庫工具，可以將結構化的數據文件映射為一張資料庫表,並提供 SQL 查詢功能（先了解，你用到時再深入也未嘗不可）。

鍵值存儲資料庫(Key-value stores)，顧名思義只能存儲鍵值對，是 NoSQL 領域中應用範圍最廣的，涉及輪子也較多的一類。

如上圖所示，在鍵值資料庫流行度排行中，Redis 不出意外的排名第一。不過在這裡也要提一嘴 Memcached、Ehcache，它們在快取系統中也應用十分廣泛。

另外在面試過程中，也會經常會問「常用的快取資料庫有哪些？Redis 與 Memcached 的本質區別是啥？Redis 與 Ehcache 的區別又是啥？」（請問你能答上來嗎？答案網上一搜一籮筐）

文檔存儲資料庫(Document stores)，先來個非專業解釋，支援存儲格式不同的文檔記錄，一般直接用來存儲 JSON。

如上圖統計，MongoDB 當仁不讓地佔據了第一的位置。不過在這裡也要提一嘴 CouchDB，因為它在區塊鏈中經常被當做狀態資料庫使用。

咳咳，還在堅持看，真棒！接下來分享一下那些被程式猿偶爾寵幸的系列資料庫（工作之中，解決特定場景時，偶爾會用到）

被程式猿偶爾翻牌子系列

圖形資料庫(Graph DBMS)，被鼓吹為大數據時代的利器，用來描述、存儲、查詢對象之間的複雜關聯關係。例如你給張三打過電話，張三給李四打過電話，李四給….. ，這樣就形成了一個通話記錄關係網路分析圖。

如上圖所示，基於 Java 的 Neo4j 到目前為止是最受歡迎的圖形資料庫。在做關係網路分析場景的項目，不妨拿去實踐一下。

時間序列資料庫(Time Series DBMS)，來個非專業解釋，是為了高效存儲和快速處理海量時序大數據而設計的，做過監控應用的小夥伴應該會比較清楚，例如實時監測伺服器的記憶體指標狀態、CPU 狀態、磁碟 IO 狀態等一些性能監控的指標數據，並上報監控系統，監控系統一般都用時序資料庫完成指標數據的存儲。

如上圖所示，InfluxDB 當仁不讓地佔據了第一的位置，這裡要重點說一說它，它旨在處理高負載的存儲和查詢，在當前比較火熱的大數據實時計算引擎 flink 源碼中，發現也提供監控指標數據寫入 InfluxDB 的實現。而且在日常研發過程中，一般也都採用 InfluxDB 作為監控指標數據的存儲，感興趣的可以去官網https://www.influxdata.com/products/influxdb-overview/深入實踐一番。

不過在圖中我們又見到了 Prometheus （普羅米修斯），在之前的《監控一哥Prometheus你可認識？》《監控實戰Prometheus+Grafana》文章中，已經詳細說過它，已經遺忘的可以再回味一下。

搜索引擎(Search engines)，主要用於數據內容的搜索，支援複雜搜索表達式，全文搜索，源搜索，搜索結果的排序和分組等。

如上圖所示，Elasticsearch 當仁不讓地佔據了第一的位置，我們在《傻瓜也能玩轉日誌歸集》已經詳細實踐過，感興趣的閑暇之餘不妨閱讀實踐一下。

不過在面試中，偶爾會被問到 Elasticsearch（ES） 與 Solr 的區別？你可否答上來？答案網上搜之一籮筐，稍微提煉總結就 OK。

列存儲資料庫(Wide column stores)，是按照列為基礎邏輯存儲單元進行存儲的，讀取效率高，沒有冗餘，特別適合在大數據領域使用。

如上圖所示，在技術選型的時候，排名靠前的 Cassandra 和 HBase 肯定是首選。弱弱的問一句，這兩個到底啥區別呢？只拋問題，不作答，網上答案搜之一籮筐。

咳咳，還在堅持看，真棒！接下來看看那些被程式猿打入冷宮系列資料庫。

被程式猿打入冷宮系列

導航資料庫管理系統(Navigational DBMS)、內容存儲(Content stores)、事件存儲資料庫(Event stores)、原生XML資料庫(Native XML DBMS)、多值資料庫(Multivalue DBMS)、資源描述框架存儲(RDF stores)、面向對象的資料庫(Object oriented DBMS)

講真，關於被打入冷宮系列資料庫的內容碼了一大堆，感覺沒啥鳥用，遂刪之，用到之時或者閑暇之餘再細說吧。

4. 全局排名上再來看一看

好了，假裝 14 種類型的資料庫我們都聊完了，那不妨了解一下 14 種類型下 352 個資料庫系統的一個整體排名，重點關注前 10，在你在技術選型的時候，不妨當做一個參考指標吧。

了解完全局排名，不妨再看看 14 種類型的資料庫，哪類比較流行？可以看出被程式猿偶爾翻牌子的系列資料庫逐漸流行起來，是不是大數據正當時，是不是人工智慧正流行導致的呢？不敢妄下結論，不過時間應該會告訴我們。

5. 寫在最後

弱弱的再問一句，恰逢金九銀十跳槽季，簡歷上有沒有把 Redis、MongoDB 寫成關係型資料庫呢？敢問你現在是否知道 MySQL、Oracle、ElasticSearch、MongoDB、Redis 到底屬於哪一類呢？