Atitit.nosql api 标准化 以及nosql数据库的实现模型分类差异
1. 常用的nosql数据库MongoDB Cassandra1
1.1. 查询> db.blogposts.find( { "author.name" : "Jane" } )1
1.4. MongoDB 与 RDBMS Where 语句比较2
1. Keyword
Zai json中实现表达式的表达，用json来表示sql的表达式
2. 常用的nosql数据库MongoDB Cassandra
举例2：在一个关系型数据库中，一篇博客（包含文章内容、评论、评论的投票）会被打散在多张数据表中。在MongoDB中，能用一个文档来表示一篇博客， 评论与投票作为文档数组，放在正文主文档中。这样数据更易于管理，消除了传统关系型数据库中影响性能和水平扩展性的“JOIN”操作。
2.1. 查询> db.blogposts.find( { "author.name" : "Jane" } )
2.2. 保存save insert
> db.blogposts.save({ title : "My First Post", author: {name : "Jane", id :1},
comments : [{ by: "Abe", text: "First" },
{ by : "Ada", text : "Good post" }]
})
2.3. Update ，delete
作者:: 绰号:老哇的爪子 （ 全名：：Attilax Akbar Al Rapanui 阿提拉克斯 阿克巴 阿尔 拉帕努伊 ） 汉字名：艾龙， EMAIL:1466519819@qq.com
转载请注明来源： http://www.cnblogs.com/attilax/
2.4. MongoDB 与 RDBMS Where 语句比较
如果你熟悉常规的 SQL 数据，通过下表可以更好的理解 MongoDB 的条件语句查询：
|
操作 |
格式 |
范例 |
RDBMS中的类似语句 |
|
等于 |
{<key>:<value>} |
db.col.find({"by":"菜鸟教程"}).pretty() |
where by = '菜鸟教程' |
|
小于 |
{<key>:{$lt:<value>}} |
db.col.find({"likes":{$lt:50}}).pretty() |
where likes < 50 |
|
小于或等于 |
{<key>:{$lte:<value>}} |
db.col.find({"likes":{$lte:50}}).pretty() |
where likes <= 50 |
|
大于 |
{<key>:{$gt:<value>}} |
db.col.find({"likes":{$gt:50}}).pretty() |
where likes > 50 |
|
大于或等于 |
{<key>:{$gte:<value>}} |
db.col.find({"likes":{$gte:50}}).pretty() |
where likes >= 50 |
|
不等于 |
{<key>:{$ne:<value>}} |
db.col.find({"likes":{$ne:50}}).pretty() |
where likes != 50 |
2.5. MongoDB OR 条件
MongoDB OR 条件语句使用了关键字 $or,语法格式如下：
>db.col.find(
{
$or: [
{key1: value1}, {key2:value2}
]
}).pretty()
2.5.1. 实例
以下实例中，我们演示了查询键 by 值为 菜鸟教程 或键 title 值为 MongoDB 教程 的文档。
>db.col.find({$or:[{"by":"菜鸟教程"},{"title": "MongoDB 教程"}]}).pretty(){
"_id" : ObjectId("56063f17ade2f21f36b03133"),
"title" : "MongoDB 教程",
"description" : "MongoDB 是一个 Nosql 数据库",
"by" : "菜鸟教程",
"url" : "http://www.runoob.com",
"tags" : [
"mongodb",
"database",
"NoSQL"
],
"likes" : 100}>
2.6. AND 和 OR 联合使用
以下实例演示了 AND 和 OR 联合使用，类似常规 SQL 语句为： 'where url='http://www.runoob.com' AND (by = '菜鸟教程' OR title = 'MongoDB 教程')'
>db.col.find({"likes": {$gt:50}, $or: [{"by": "菜鸟教程"},{"title": "MongoDB 教程"}]}).pretty(){
"_id" : ObjectId("56063f17ade2f21f36b03133"),
"title" : "MongoDB 教程",
"description" : "MongoDB 是一个 Nosql 数据库",
"by" : "菜鸟教程",
"url" : "http://www.runoob.com",
"tags" : [
"mongodb",
"database",
"NoSQL"
],
"likes" : 100}
3. 对比
Cassandra 教程资料较为少，crud语句类似sql了。。不是nosql了。。
MongoDB的资料多，更加容易oo
不过百度查询MongoDB 百度为您找到相关结果约3,110,000个
Cassandra 的数量是mongodb的俩被。。
Hbase 百度为您找到相关结果约6,110,000个
至于hbase ，文档少，貌似比较复杂不好用。
4. 下图是NoSQL家族的进化图，我们可以看到这样的进化：Key-Value时代，BigTable时代，Document时代，全文搜索时代，和Graph数据库时代：
（陈皓注：注意图中SQL说的那句话，NoSQL再这样发展下去就是SQL了，哈哈。）
数据模型的进化：
· Key-Value键值对存储是非常简单而强大的。下面的很多技术基本上都是基于这个技术开始发展的。但是，Key-Value有一个非常致命的问题，那就是如果我们需要查找一段范围内的key。（陈皓注：学过hash-table数据结构的人都应该知道，hash-table是非序列容器，其并不像数组，链接，队列这些有序容器，我们可以控制数据存储的顺序）。于是，有序键值（Ordered Key-Value）数据模型被设计出来解决这一限制，来从根本上提高数据集的问题。
· Ordered Key-Value有序键值模型也非常强大，但是，其也没有对Value提供某种数据模型。通常来说，Value的模型可以由应用负责解析和存取。这种很不方便，于是出现了BigTable类型的数据库，这个数据模型其实就是map里有map，map里再套map，一层一层套下去，也就是层层嵌套的key- value（value里又是一个key-value），这种数据库的Value主要通过“列族”（column families），列，和时间截来控制版本。（陈皓注：关于时间截来对数据的版本控制主要是解决数据存储并发问题，也就是所谓的乐观锁，详见《多版本并发控制(MVCC)在分布式系统中的应用》）
· Document databases 文档数据库 改进了BigTable模型，并提供了两个有意义的改善。第一个是允许Value中有主观的模式（scheme），而不是map套map。第二个是索引。Full Text Search Engines全文搜索引擎可以被看作是文档数据库的一个变种，他们可以提供灵活的可变的数据模式（scheme）以及自动索引。他们之间的不同点主要是，文档数据库用字段名做索引，而全文搜索引擎用字段值做索引。
· Graph data models图式数据库 可以被认为是这个进化过程中从Ordered Key-Value数据库发展过来的一个分支。图式数据库允许构建议图结构的数据模型。它和文档数据库有关系的原因是，它的很多实现允许value可以是一个map或是一个document。
4.0.0.1. NoSQL数据模型摘要
本文剩下的章节将向你介绍数据建模的技术实现和相关模式。但是，在介绍这些技术之前，先来一段序言：
· NoSQL数据模型设计一般从业务应用的具体数据查询入手，而不是数据间的关系：
· 关系型的数据模型基本上是分析数据间的结构和关系。其设计理念是： “What answers do I have?”
· NoSQL数据模型基本上是从应用对数据的存取方式入手，如：我需要支持某种数据查询。其设计理念是 ”What questions do I have?”
· NoSQL数据模型设计比关系型数据库需要对数据结构和算法的更深的了解。在这篇文章中我会和大家说那些尽人皆知的数据结构，这些数据结构并不只是被NoSQL使用，但是对于NoSQL的数据模型却非常有帮助。
· 数据冗余和反规格化是一等公民。
· 关系型数据库对于处理层级数据和图式数据非常的不方便。NoSQL用来解决图式数据明显是一个非常好的解决方案，几乎所有的NoSQL数据库可以很强地解决此类问题。这就是为什么这篇文章专门拿出一章来说明层级数据模型。
4.1. 下面是NoSQL的分类表，也是我用来写这篇文章时做实践的产品：
· Key-Value 存储: Oracle Coherence, Redis, Kyoto Cabinet
· 类BigTable存储: Apache HBase, Apache Cassandra
· 文档数据库: MongoDB, CouchDB
· 全文索引: Apache Lucene, Apache Solr
· 图数据库: neo4j, FlockDB
5. 参考
排名前十的SQL和NoSQL数据库-CSDN.NET.htm
8天学通MongoDB——第一天 基础入门 - 一线码农 - 博客园.htm
MongoDB 查询文档 菜鸟教程.htm
分布式 Key-Value 存储系统：Cassandra 入门.htm
Cassandra 2.x中文教程（2）：执行简单的CQL操作 屁民部落.htm
NoSQL数据建模技术-CSDN.NET.htm
HBase使用教程 - 推酷.htm