选择 NoSQL 数据库

Question

我需要一个可以在 Windows Azure 上运行的 NoSQL 数据库，该数据库适用于以下参数。目前，Azure 表存储、HBase 和 Cassandra 似乎是最有希望的选择。

• 10 亿个实体
• 每秒最多 100 次读取，但缓存会大大减少读取次数
• 每秒大约 10 - 50 次写入

强一致性将是一个加分项，因此 HBase 在这方面可能会比 Cassandra 更好。

查询通常在具有各种索引的辅助内存数据库上完成，此外还有 ElasticSearch 或 Windows Azure Search 以进行全文搜索和一些过滤。

Azure 表存储看起来不错，但据我所知，Azure 表存储和 HBase 之间的最大区别在于 HBase 支持更新和读取单个属性的值，而不是同时读取整个实体的值。我想 HBase 肯定有一些缺点，但我不确定在这种情况下它们会是什么。

我也认为 crate.io 看起来可能很有趣，但我想知道是否会出现无法预料的问题。

在这种情况下，任何人对不同数据库的优缺点有任何其他想法，是否有任何一个出于某种原因真的不适合？

Answer 1

我目前与 Cassandra 合作，我可能会在一些利弊方面提供帮助。

要求

Cassandra 可以轻松处理这 3 个要求。它旨在具有快速读取和写入功能。事实上，Cassandra 的写入速度非常快，主要是因为您无需读取即可写入。

此外，Cassandra 将一些数据保存在内存中，因此您甚至可以避免使用辅助数据库。

一致性

在 Cassandra 中，您可以在每个查询中选择一致性，因此您可以根据需要获得一致的数据。通常你使用：

• ONE - 只有一个节点必须获取或接受更改。这意味着读取/写入速度快，但一致性低（您可以让其他机器在未实现一致性的情况下提供较旧的信息）。

• QUORUM - 51% 的节点必须获得或接受更改。这意味着读取和写入速度不快，但是如果您在读取和写入中都使用它，您将获得完全的一致性。那是因为如果在插入/更新/删除后有超过一半的节点有数据，那么当从超过一半的节点读取数据时，至少有一个节点将拥有最新的信息，这将是要传递的信息.

这两个选项都是推荐的，因为它们可以避免单点故障。如果所有机器都必须接受，如果一个节点宕机或忙碌，您将无法查询。

优点

Cassandra 是性能、线性可扩展性和避免单点故障的解决方案（您可以让机器停机，其他人将承担工作）。它的大部分管理工作都是自动完成的。您无需管理数据分发、复制等。

缺点

Cassandra 的缺点在于建模和查询。

使用关系数据库，您可以围绕实体及其之间的关系进行建模。通常，您并不真正关心将进行哪些查询，而是努力对其进行规范化。

Cassandra 的策略有所不同。您对表进行建模以服务于查询。发生这种情况是因为您无法加入，也无法以任何您想要的方式过滤数据（仅通过其主键）。 因此，如果您有一个拥有杂货店的公司的数据库，并且您想要进行查询以返回某个商店（例如：纽约市）的所有产品，并进行另一个查询以返回某个部门的所有产品（例如。 ：计算机），您将拥有两个表“ProductsByStore”和“ProductsByDepartment”，它们的数据相同，但组织方式不同以服务于查询。

物化视图可以帮助解决这个问题，避免在多个表中进行更改，但它是为了展示 Cassandra 的工作方式有何不同。

出于同样的原因，非规范化在 Cassandra 中也很常见：性能。