大數(shù)據(jù)時(shí)代的數(shù)據(jù)庫選擇：SQL還是NoSQL？

一、專家簡介
VoltDB公司首席技術(shù)官Ryan Betts表示，SQL已經(jīng)贏得了大型企業(yè)的廣泛部署，大數(shù)據(jù)是它可以支持的另一個(gè)領(lǐng)域。
Couchbase公司首席執(zhí)行官Bob Wiederhold表示，NoSQL是可行的選擇，并且從很多方面來看，它是大數(shù)據(jù)的最佳選擇，特別是涉及到可擴(kuò)展性時(shí)。
二、SQL經(jīng)歷時(shí)間的考驗(yàn)，并仍然在蓬勃發(fā)展
結(jié)構(gòu)化查詢語言(SQL)是經(jīng)過時(shí)間考驗(yàn)的勝利者，它已經(jīng)主宰了幾十年，目前大數(shù)據(jù)公司和組織(例如谷歌、Facebook、Cloudera和Apache)正在積極投資于SQL。
在成為主導(dǎo)技術(shù)(例如SQL)后，有時(shí)候我們很容易忘記其優(yōu)越性。SQL的獨(dú)特優(yōu)勢(shì)包括：
1. SQL能夠加強(qiáng)與數(shù)據(jù)的交互，并允許對(duì)單個(gè)數(shù)據(jù)庫設(shè)計(jì)提出問題。這是很關(guān)鍵的特征，因?yàn)闊o法交互的數(shù)據(jù)基本上是沒用的，并且，增強(qiáng)的交互性能夠帶來新的見解、新的問題和更有意義的未來交互。
2. SQL是標(biāo)準(zhǔn)化的，使用戶能夠跨系統(tǒng)運(yùn)用他們的知識(shí)，并對(duì)第三方附件和工具提供支持。
3. SQL能夠擴(kuò)展，并且是多功能和經(jīng)過時(shí)間驗(yàn)證的，這能夠解決從快寫為主導(dǎo)的傳輸?shù)綊呙杳芗蜕钊敕治龅葐栴}。
4. SQL對(duì)數(shù)據(jù)呈現(xiàn)和存儲(chǔ)采用正交形式，一些SQL系統(tǒng)支持JSON和其他結(jié)構(gòu)化對(duì)象格式，比NoSQL具有更好的性能和更多功能。
雖然NoSQL的出現(xiàn)帶來了一些影響，但SQL仍然主導(dǎo)著市場(chǎng)，并在大數(shù)據(jù)領(lǐng)域贏得了很多投資和廣泛部署。
NoSQL的說法很含糊，對(duì)于本次討論，我借用Rick Cattell對(duì)NoSQL的定義，即提供簡單操作(例如密鑰/數(shù)值存儲(chǔ))或簡單記錄和索引，并專注于這些簡單操作的橫向可擴(kuò)展性的系統(tǒng)。
很顯然，現(xiàn)在很多新的數(shù)據(jù)庫并不是都一樣，認(rèn)識(shí)每種數(shù)據(jù)庫背后的原理以及潛在問題是成功的關(guān)鍵。NoSQL的主要特點(diǎn)使其更適合于特定的問題。例如，圖形數(shù)據(jù)庫更適合于數(shù)據(jù)通過關(guān)系組織的情況，而專門的文本搜索系統(tǒng)更適合于需要實(shí)時(shí)搜索的情況。
在這里，讓我們看看SQL系統(tǒng)的主要優(yōu)勢(shì)和差異化功能：
* SQL可實(shí)現(xiàn)交互性。 SQL是一種聲明性查詢語言。用戶說出他們想要什么(例如，顯示過去五年三月份期間頂級(jí)客戶的地理位置)，數(shù)據(jù)庫內(nèi)部就會(huì)構(gòu)件算法并提取請(qǐng)求的結(jié)果。相比之下，NoSQL編程創(chuàng)新MapReduce是一種程序性查詢技術(shù)。在用戶提出請(qǐng)求時(shí)，MapReduce要求用戶不僅說出自己想要什么，而且要求他們陳述如何產(chǎn)生答案。
這聽起來像一個(gè)無趣的技術(shù)差異，但這很關(guān)鍵，原因在于：首先，聲明性SQL查詢更容易通過圖形化工具以及點(diǎn)擊報(bào)告構(gòu)建器來構(gòu)建。這讓分析師、操作員、管理者和其他不具備軟件編程能力的員工進(jìn)行數(shù)據(jù)庫查詢;其次，數(shù)據(jù)庫引擎可以利用內(nèi)部信息來選擇最有效的算法。改變數(shù)據(jù)庫的物理布局或數(shù)據(jù)庫，最佳算法仍然能夠計(jì)算出來。而在程序性系統(tǒng)中，編程人員需要重新訪問和重新編程算法，這是非常昂貴且容易出錯(cuò)的過程。
市場(chǎng)理解這個(gè)關(guān)鍵區(qū)別。在2010年，谷歌宣布部署SQL來補(bǔ)充MapReduce，主要受內(nèi)部用戶需求所驅(qū)動(dòng)。最近，F(xiàn)acebook發(fā)布了Presto(一種SQL部署)來查詢其PB級(jí)HDFS集群。根據(jù)Facebook表示：“隨著我們的倉庫增長到PB級(jí)，以及我們的需求變化，我們清楚地意識(shí)到，我們需要一個(gè)提供低延時(shí)查詢的互動(dòng)系統(tǒng)?！贝送?，Cloudera也正在構(gòu)建Impala—另一個(gè)基于HDFS的SQL部署。
* SQL是標(biāo)準(zhǔn)化的。 雖然供應(yīng)商有時(shí)候會(huì)添加自己的語言到SQL界面，但SQL的核心是標(biāo)準(zhǔn)化的，還有其他規(guī)格(例如ODBC和JDBC)提供廣泛可用的穩(wěn)定界面到SQL存儲(chǔ)。這帶來了一個(gè)管理和操作工具生態(tài)系統(tǒng)，可以在SQL系統(tǒng)之上設(shè)計(jì)、監(jiān)控、檢查、探索和構(gòu)建應(yīng)用程序。
SQL用戶和程序員可用跨多個(gè)后端系統(tǒng)重復(fù)使用其API和UI知識(shí)，減少了應(yīng)用程序的開發(fā)時(shí)間。標(biāo)準(zhǔn)化還允許聲明性第三方提取、轉(zhuǎn)換、加載(ETL)工具，使企業(yè)可以在數(shù)據(jù)庫之間以及跨系統(tǒng)傳輸數(shù)據(jù)。
* SQL可擴(kuò)展。 認(rèn)為SQL必須犧牲以獲得可擴(kuò)展性的看法，完全是錯(cuò)誤的。如前所述，F(xiàn)acebook創(chuàng)建了一個(gè)SQL界面來查詢PB級(jí)數(shù)據(jù)。SQL能夠非常有效地運(yùn)行極快的ACID傳輸。SQL對(duì)數(shù)據(jù)存儲(chǔ)和索引提供的抽象[注]化允許跨各種問題和數(shù)據(jù)集大小的一致使用，讓SQL可以跨集群復(fù)制數(shù)據(jù)存儲(chǔ)有效地運(yùn)行。使用SQL作為界面獨(dú)立于構(gòu)建云、規(guī)?；騂A系統(tǒng)，SQL中并沒有什么在阻止和限制容錯(cuò)、高可用性和復(fù)制。事實(shí)上，所有現(xiàn)代SQL系統(tǒng)支持云友好型橫向可擴(kuò)展性、復(fù)制和容錯(cuò)性。
* SQL支持JSON。 幾年前，很多SQL系統(tǒng)增加了XML文檔支持?，F(xiàn)在，隨著JSON成為一種流行的數(shù)據(jù)交換格式，SQL供應(yīng)商也紛紛加入了JSON型的支持?；诂F(xiàn)在靈活的編程過程和web基礎(chǔ)設(shè)施的正常運(yùn)行時(shí)間要求，我們很需要結(jié)構(gòu)化數(shù)據(jù)類型的支持。Oracle 12c、PostgreSQL 9.2、VoltDB和其他支持JSON的數(shù)據(jù)庫，通常具有優(yōu)于“原生”JSON的性能。
SQL將繼續(xù)贏得市場(chǎng)份額，并會(huì)繼續(xù)看到新的投資和部署。NoSQL數(shù)據(jù)庫提供專有查詢語言或簡單的鍵值語義，而沒有更深層次的技術(shù)差異化?，F(xiàn)代SQL系統(tǒng)提供可擴(kuò)展性的同時(shí)，還支持更豐富的查詢語義，并有龐大的用戶安裝基礎(chǔ)，廣泛的生態(tài)系統(tǒng)整合和深度企業(yè)部署。
三、NoSQL更適合大數(shù)據(jù)應(yīng)用程序
NoSQL越來越多地被認(rèn)為是關(guān)系型數(shù)據(jù)庫的可行替代品，特別是對(duì)于大數(shù)據(jù)應(yīng)用程序。此外，無模式數(shù)據(jù)模型通常更適合于現(xiàn)在捕捉和處理的數(shù)據(jù)種類和類型。
當(dāng)我們談?wù)揘oSQL領(lǐng)域的大數(shù)據(jù)時(shí)，我們指的是從操作數(shù)據(jù)庫讀取和寫入。不要將操作數(shù)據(jù)庫與分析數(shù)據(jù)庫混淆，這通常會(huì)查看大量數(shù)據(jù)，并從這些數(shù)據(jù)獲取可視性。
雖然操作數(shù)據(jù)庫的大數(shù)據(jù)看起來不具有可分析性，但操作數(shù)據(jù)庫通常會(huì)存儲(chǔ)超大量用戶的大型數(shù)據(jù)集，這些用戶經(jīng)常需要訪問數(shù)據(jù)來實(shí)時(shí)執(zhí)行交易。這種數(shù)據(jù)庫的操作規(guī)模也解釋了NoSQL的關(guān)鍵特性，也就是為什么NoSQL是大數(shù)據(jù)應(yīng)用程序的關(guān)鍵的原因。
四、NoSQL是可擴(kuò)展性的關(guān)鍵
每次技術(shù)行業(yè)經(jīng)歷硬件發(fā)展的根本性轉(zhuǎn)變時(shí)，都會(huì)出現(xiàn)一個(gè)拐點(diǎn)。在數(shù)據(jù)庫領(lǐng)域，從縱向擴(kuò)展到橫向擴(kuò)展的轉(zhuǎn)變推動(dòng)了NoSQL的發(fā)展。關(guān)系型數(shù)據(jù)庫(包括來自甲骨文和IBM的數(shù)據(jù)庫)是縱向擴(kuò)展。也就是說，它們是集中式、共享一切的技術(shù)，只能通過增加更多昂貴的硬件來擴(kuò)展。
而NoSQL數(shù)據(jù)庫是分布式橫向擴(kuò)展技術(shù)。它們使用了分布式節(jié)點(diǎn)集(稱為集群)來提供高度彈性擴(kuò)展功能，讓用戶可以添加節(jié)點(diǎn)來動(dòng)態(tài)處理負(fù)載。
分布式橫向擴(kuò)展的做法通常要比縱向做法更加便宜。商業(yè)關(guān)系型數(shù)據(jù)庫的授權(quán)費(fèi)用也讓人望而卻步，因?yàn)樗麄兊膬r(jià)格是按每臺(tái)服務(wù)器來計(jì)算。另一方面，NoSQL數(shù)據(jù)庫通常是開源技術(shù)，按照運(yùn)行的服務(wù)器集群收費(fèi)，而且價(jià)格相對(duì)便宜。
五、NoSQL是靈活性的關(guān)鍵
關(guān)系型數(shù)據(jù)庫和NoSQL數(shù)據(jù)模型有很大的不同。關(guān)系型模式獲取數(shù)據(jù)，并將數(shù)據(jù)分配到很多相互關(guān)聯(lián)的表中，這些表通過外鍵相互應(yīng)用。
當(dāng)用戶需要對(duì)數(shù)據(jù)集運(yùn)行查詢時(shí)，所需信息需要從多個(gè)表中收集(通常涉及數(shù)百個(gè)企業(yè)應(yīng)用程序)，并結(jié)合這些信息，再提供給應(yīng)用程序。同樣地，當(dāng)寫入數(shù)據(jù)時(shí)，需要在多個(gè)表協(xié)調(diào)和執(zhí)行寫入。當(dāng)數(shù)據(jù)相對(duì)較少，并且，數(shù)據(jù)以較慢速度流入數(shù)據(jù)庫時(shí)，關(guān)系型數(shù)據(jù)庫通常能夠捕捉和存儲(chǔ)信息。然而，現(xiàn)在的應(yīng)用程序通常需要快速寫入(和讀取)海量數(shù)據(jù)。
NoSQL數(shù)據(jù)庫采用非常不同的模式。在其核心，NoSQL數(shù)據(jù)庫其實(shí)是“NoREL”，或者說非關(guān)系型，這意味著它們沒有依賴于表以及表之間的聯(lián)系，以存儲(chǔ)和組織信息。例如，以文檔為導(dǎo)向的NoSQL數(shù)據(jù)庫獲取你想要存儲(chǔ)的數(shù)據(jù)，并采用JSON格式整合到文檔中。每個(gè)JSON文檔可以被你的應(yīng)用程序視為一個(gè)對(duì)象。JSON文檔可能會(huì)提取跨越25個(gè)表的數(shù)據(jù)，將數(shù)據(jù)集成到一個(gè)文檔中。
聚合這些信息可能會(huì)導(dǎo)致信息重復(fù)，但由于存儲(chǔ)已不再是一個(gè)成本問題，數(shù)據(jù)模型靈活性、發(fā)布所產(chǎn)生文檔的簡便性以及讀取和寫入性能提高，讓這成為不錯(cuò)的選擇。
六、NoSQL是大數(shù)據(jù)應(yīng)用程序的關(guān)鍵
通過第三方(包括社交媒體網(wǎng)站)，數(shù)據(jù)正變得越來越容易捕捉和訪問。這些數(shù)據(jù)包括：個(gè)人用戶信息、地理位置數(shù)據(jù)、用戶生產(chǎn)的內(nèi)容、機(jī)器記錄數(shù)據(jù)和傳感器產(chǎn)生的數(shù)據(jù)。企業(yè)還可以依賴于大數(shù)據(jù)來推動(dòng)其關(guān)鍵任務(wù)型應(yīng)用程序。同時(shí)，企業(yè)正在轉(zhuǎn)向到NoSQL數(shù)據(jù)庫，因?yàn)檫@種數(shù)據(jù)庫非常適合現(xiàn)在新型的數(shù)據(jù)類型。
開發(fā)人員想要一個(gè)靈活的數(shù)據(jù)庫，可以很容易適應(yīng)新的數(shù)據(jù)類型，并且，不會(huì)受第三方數(shù)據(jù)供應(yīng)商的內(nèi)容結(jié)構(gòu)變化的影響。大多數(shù)新數(shù)據(jù)是非結(jié)構(gòu)化和半結(jié)構(gòu)化，因此，開發(fā)人員也需要能夠有效存儲(chǔ)這些數(shù)據(jù)的數(shù)據(jù)庫。然而，關(guān)系型數(shù)據(jù)庫采用的嚴(yán)格定義的基于模式的做法讓其不可能快速整合新數(shù)據(jù)類型，并且很不適合于非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)。
總體來說，隨著web和移動(dòng)應(yīng)用程序的增加、新的趨勢(shì)、網(wǎng)上消費(fèi)者行為的轉(zhuǎn)變以及新的數(shù)據(jù)類型的出現(xiàn)，行業(yè)需要能夠提供可擴(kuò)展的靈活的數(shù)據(jù)庫技術(shù)來管理和訪問數(shù)據(jù)。NoSQL技術(shù)是有效滿足這些需求的唯一可行解決方案。