18952970259
当前位置:首页 > 数据库管理

介绍7种主流的数据库

来源:巨灵鸟软件  作者:进销存软件  发布:2018/3/4  浏览次数:299

数据库的七种武器,是我在工作维护和接触到的七种常用数据库,包括4种常用的关系型数据库,3种常用nosql数据库。
 
这些数据库作为业务底层的存储选型,每种数据库都有各自的定位和特点,结合业务,有各自的适用场景,在具体使用和运维时,也有一些特别的注意点。
 
本文按照顺序依次对这七种数据库进行介绍和总结,希望能够帮助大家理清每种的特点和用法,在合适的场景,使用合适的武器,构建好自己的数据存储体系。
 
 
第一:MySQL数据库
 
 
    1、定位:开源、多平台、关系型数据库
 
    目前使用最广泛、流行度最高的的开源数据库。
 
    2、特点:
 
    功能:支持事务,符合关系型数据库原理,符合ACID,支持多数SQL规范,以二维表方式组织数据,有插件式存储引擎,支持多种存储引擎格式
 
    部署:用编译安装的方式,或者二进制包的方式,按照“安装软件-创建实例-库表用户初始化”,可以很快完成数据库部署
 
    使用:使用标准的SQL语句进行数据库管理,简单SQL语句的并发和性能较好,对视图、存储过程、函数、触发器等支持的不是太好
 
    监控:在命令行界面有一些常用的命令显示状态和性能,在图形界面方面,有比较多的开源监控工具来监控和记录数据库的状态,比如zabbix,nagios,cacti,lepus等
 
    备份:逻辑备份 mysqldump/mysqldumper ,物理备份 用xtrabackup等工具进行备份;
 
    高可用:MySQL高可用有多种方案,官方有基础的master-slave主从复制,新版本的innodb cluster,第三方的有MHA等高可用方案;
 
    扩展:MySQL水平拆分,可以通过水平拆分proxy中间进行逻辑映射和拆分,扩大MySQL数据库的并发能力和吞吐量。
 
    3、适用场景:
 
    默认的innodb存储引擎,支持高并发,简单的绝大部分OLTP场景;
 
    Tokudb存储引擎,使用高并发insert的场景;
 
    Inforbright存储引擎,可以进行列压缩和OLAP统计查询场景;
 
    4、选择注意:
 
    使用MySQL进行OLTP业务时,需要注意数据量级,如果数据量级过大,需要进行水平拆分;
 
    如果有OLAP需求,可以结合其他架构综合考虑。
 
第二:SQL Server数据库
 
 
    1、定位:商业、Windows平台、关系型数据库
 
    最早接触、与微软体系结合紧密的的商业数据库,属于“微软技术体系”
 
    2、特点:
 
    功能:支持事务,符合关系型数据库原理,符合ACID,支持多数SQL规范,以二维表方式组织数据
 
    部署:在Windows平台,用图形界面进行软件安装;
 
    使用:在Windows平台,使用SQL Server Mangement Studio图形界面进行安装;
 
    监控:一般通过Windows资源管理和SQL server图形工具进行系统和数据库性能显示;
 
    备份:通常用第三方备份恢复软件进行备份恢复;
 
    高可用:通过共享存储和双机热备的方式,可以实现SQL Server数据库的高可用;
 
    扩展: SQL Server数据库集群采用共存存储的方式,通过硬件垂直升级来对数据库集群进行扩展;
 
    3、适用场景:大多数OLTP场景(与微软体系配合)
 
    4、选择注意:
 
    SQL Server与微软技术体系结合比较紧密,绝大多数工作,都是通过图形界面完成,对于习惯使用命令行的DBA可能会有不习惯;
 
    SQL server对双引号,大小写,元信息的管理和处理方式,与其他数据库很不相同,需要注意;
 
    使用SQL Server满足OLTP业务,会有比较好的效果,但对于大数据量的OLAP业务,最好还是选用专门的OLAP架构,不要在同一个SQL Server实例上混用OLTP和OLAP业务;
 
    SQL server属于商业软件,需要注意版权和licence授权费用;
 
第三:Oracle数据库
 
 
    1、定位:
 
    商业、多平台、关系型数据库
 
    功能最强大、最复杂、市场占比最高的商业数据库
 
    2、特点:
 
    功能:支持事务,符合关系型数据库原理,符合ACID,支持多数SQL规范,以二维表方式组织数据
 
    部署:Oracle单实例数据库部署相对容易,但Oracle RAC集群环境,部署的步骤和依赖条件都比较多;
 
    使用:通常使用命令行工具,进行各种数据库的管理,通常也可以用shell脚本和python脚本提高Oracle数据库管理效率;各种管理功能,都比较强大;
 
    监控:Oracle官方有比较全面的监控工具,常用的第三方监控平台,如zabbix,cacti,lepus等都有对Oracle数据库的各项指标的完善监控;
 
    备份:支持冷备份和热备份,可以用 exp/imp , expdp/impdp等进行逻辑备份和恢复,可以使用强大的RMAN工具进行专业的物理热备份和恢复;
 
    高可用:Oracle数据库的高可用架构,可以用第三方双机热备软件,结合Oracle单实例实现;可以使用Oracle Dataguard,实现master和standby的备份;可以使用 Oracle RAC集群实现实例级别的高可用和负载均衡,使用ASM实现存储级别的高可用;
 
    扩展:由于Oracle集群采用共享存储的方式,一般只能通过垂直硬件升级进行升级;
 
    3、适用场景:绝大多数OLTP场景,部分OLAP
 
    4、选择注意:Oracle从架构到运维,可以说是最难的数据库,学习和使用难度较高。
 
第四:Postgresql数据库
 
 
    1、定位:开源、多平台、关系型数据库,功能最强大的开源数据库。
 
    2、特点:
 
    功能:支持事务,符合关系型数据库原理,符合ACID,支持多数SQL规范,以二维表方式组织数据;
 
    部署:postgresql需要先准备好Python等环境,然后编译安装软件,初始化数据库,启动实例,整个部署过程相对比较清晰;
使用:postgresql数据库可以使用命令行方式进行管理,也可以通过pgadmin图形工具进行管理;各种管理功能,都比较强大;
 
    监控:可以再命令行中查看各种性能视图和状态视图;相对其他其他数据库,并没有太好的图形监控工具和平台;
 
    备份:支持冷备份和热备份,可以用 COPY命令进行逻辑导出和导入;用pgdump和pgrestore进行物理备份和恢复;
 
    高可用:postgresql 官方支持 master-standby复制;也可以用Slony-I第三方组件进行数据库同步;
 
    扩展:postgresql可以通过修改源码实现的postgres-XC实现水平扩展;
 
    3、适用场景:
 
    绝大多数OLTP场景,部分OLAP
 
    适合目前互联网需要的一些信息,比如地理位置信息处理;
 
    以postgresql作为底层数据库的greenplum数据仓库,是主流的MPP数据仓库;
 
    基于postgresql的TimeScaleDB,是目前比较火的时序数据库之一;
 
    4、选择注意:
 
    Postgresql的架构、使用难度、功能性介于Oracle数据库和MySQL数据库之间,但因其开源的推动,各方面也有不错的发展;
 
    Postgresql目前还没有比较主流和好用的监控平台,这是postgresql数据库目前存在的一个不足。
 
第五:Mongodb数据库
 
 
    1、定位:开源、多平台、文档型nosql数据库
 
    非常主流的文档型nosql数据库,“最像关系型数据库”,定位于“灵活”的nosql数据库
 
    2、特点:
 
    功能:数据文件存储格式为BSON,模式自由,整体架构与关系型数据库有对应关系,具有较好的高可用性和伸缩性,有插件式存储引擎,新版本默认是writedtiger存储引擎;
 
    部署:部署比较简答,下载软件,设置好配置文件即可启动服务;
 
    使用:不支持SQL语句,使用与SQL对应的json方式管理数据库;
 
    监控:有比较丰富的监控和性能命令,官方有比较完善的图形监控系统,但需要购买;
 
    备份:支持冷备份和热备份,可以使用mongoexport/mongimport进行逻辑备份,也可以使用基于oplog的mongodump/mongorestore物理热备份;
 
    高可用:MongoDB master-slave主从复制:在master节点上加 --master参数,从数据库加 -slave和-source参数,就可以实现同步,这种目前不建议;
 
    ReplicaSets复制集,在mongodb 1.6之后,开发了新的 replicaset,着呢家了故障自动切换和自动修复成员节点,各个DB将数据一致,建议使用这种方式;可以测试读写分离和故障转移;
   
    扩展:mongodb海量数据水平拆分,将数据分别存储在sharding各个节点上,构建出分布式集群。Sharding架构由 底层多个mongodb Shared Server,config水平拆分配置库config server,前端路由 route process,三部分构成。Sharding集群底层可以是mongodb单实例,也可以高可用的replicaSet复制集。
 
    3、适用场景:
 
    网站后台数据库:mongodb非常适合实话实说插入、更新与查询,并可以实时复制和高伸缩性,适合更新迭代快、需求变更多、以对象为主的网站应用;
 
    小文件系统:对于json文件,二进制数据,适合用mongodb进行存储和查询
 
    日志分析系统:对于数据量大的日志文件,IM会话消息记录,适合用mongodb来保存和查询;
 
    缓存系统:mongodb数据库也会使用大量的内存,合理的设计,也可以作为缓存系统使用;不过目前缓存系统使用更多的方案是 memcached和redis。
 
    4、选择注意:
 
    Mongodb不适合的场景:
 
    高度事务性的系统:即传统的OLTP业务,mongodb,乃至其他nosql,对事务性支持都不太好;
 
    传统的统计分析应用:即传统的OLAP业务,需要高度优化的查询方式,mongodb支持不好;
 
    使用SQL语句比较方便的业务:mongodb是json类型的查询方式,虽然也灵活,但不如用SQL方便,如果业务和适合SQL,则就不太合适mongodb了。
 
第六:Redis数据库
 
 
    1、定位:
 
    开源、Linux平台、key-value键值型Nosql数据库
 
    简单稳定,非常主流的、全数据in-momory、定位于“快”的键值型nosql数据库
 
    2、特点:
 
    功能:命令执行速度非常看,读写性能可达10万/秒;数据结构是key-value类似字典的功能,可以键过期-缓存,发布订阅-消息系统,简单的事物功能;
 
    部署:用下载软件介质,编译安装的方式,可以很快完成数据库部署;服务启动redis-server,可以用默认配置、运行参数配置、配置文件启动,三种方式;redis在Linux平台支撑较好,官方没有Windows版本,微软维护了一个分支;
 
    使用:用redis-cli客户端连接,一般用简单的 set ,get,del 进行数据管理; 在单实例redis的基础上,进行可以数据持久化,主从复制,高可用和分布式等功能;
 
    监控:在命令行界面有一些常用的命令显示状态和性能,在图形界面方面,有开源监控工具来监控和记录数据库的状态,比如cachecloud;
 
    备份:直接备份成物理问价的RDB持久化,基于AOF日志的实时AOF持久化
 
    高可用:官方的 redis sentinel哨兵高可用集群
 
    扩展:官方基于分配槽的 redis cluster分布式集群
 
    3、适用场景:
 
    缓存
 
    基础消息队列系统
 
    排行榜系统
 
    计数器使用
 
    社交网站的点赞、粉丝、下拉刷新等应用;
 
    4、选择注意:
 
    Redis的使用场景,是redis适合的解决的问题,也有不适合解决的问题。
 
    从数据规模角度讲,小数据规模使用redis比较合适,大数据规模使用redis不合适;(大数据规模,在一定程度上,可以用SSDB替代redis使用);
 
    从数据冷热角度看,热数据适合放在redis中,冷数据不适合放在redis中。
 
第七:Hbase数据库
 
 
    1、定位:开源、Linux平台、列存储nosql数据库
 
    可用于海量数据存储、与Hadoop生态圈结合、定位于“大”的列存储nosql数据库
 
    2、特点:
 
    功能:命令执行速度非常看,读写性能可达10万/秒;数据结构是key-value类似字典的功能,可以键过期-缓存,发布订阅-消息系统,简单的事物功能;
 
    部署:相对其他数据库,hbase的部署比较复杂,依赖Hadoop,zookeeper等组件,Hbase集群包括一个mater节点,多个regionServer,zookeeper管理所有regionServer,需要依次部署Hadoop、zookeeper之后,再部署HBASE集群;
 
    使用:用redis-cli客户端连接,一般用简单的 set ,get,del 进行数据管理; 在单实例redis的基础上,进行可以数据持久化,主从复制,高可用和分布式等功能;
 
    监控:在命令行界面有一些常用的命令显示状态和性能,在图形界面方面,有开源监控工具来监控和记录数据库的状态,比如cachecloud;
 
    备份:Hbase一般用作海量数据的仓库,本身通过多层副本来保证数据安全性,不用进行专门的备份
 
    高可用:HBASE集群基于Hadoop,需要依次部署Hadoop单机模式、集群模式、HA模式,通过Hadoop HA实现高可用;
 
    扩展:HBASE以集群形式,依次是单机模式,伪分布模式,完全分布模式,底层基于HDFS,zookeeper可以很好地进行扩展;
 
    3、适用场景:
 
    两大用途:
 
    用于简单数据写入和海量、结构简单数据查询的业务场景;
 
    用于成为其他数据库备份和下沉的数据库;
 
    4、选择注意:
 
    Hbase不适合的场景:对数据分析需求高,需要能够用sql或者简单的MapReduce实现分析需求的业务场景,不适合用Hbase;
 
    单表数据量,不超过千万时,使用Hbase,体现不出Hbase的优势,而且会比较慢,不适合用Hbase。
 
    通过对上面数据库“七种”武器的描述,也可以看到目前常用数据库的使用脉络和选择顺序,对应一个业务,可以优先选择最流行的开源数据库——MySQL;如果出于稳定和商业版考虑,可以选择Oracle数据库,或者SQL Server数据库(与Windows体系结合);如果想用开源,有想要有足够的功能来应对各种场景,可以使用 postgresql数据库。这四种数据库,都是关系型数据库,可以很好地满足大多数业务场景,解决通用性问题。
 
    对于一些特殊性问题,尤其是想要在扩展性方面有比较高的要求,可以考虑nosql数据库。Mongodb数据库,介于关系型数据库和非关系型数据库之间,兼具两者的特点,是非常流行的文档型nosql数据库;redis定位于内存型键值nosql数据库;hbase是海量文件存储的列式nosql数据库。根据合适的业务场景,选择适合的nosql数据库,可以对某一类,或某几类业务问题有很好的解决,可以作为关系型数据库的一种补充。
 
    换个角度,MySQL,Oracle,SQL Server,Postgresql,mongodb这五种数据库,也是DB-Engines排行榜上最流行的排名前五的五种数据库,从使用量和受欢迎程度,也可以看出这些数据库使用的广泛性。
  • 点击这里给我发消息
  • 点击这里给我发消息