《设计数据密集型应用》读书笔记-第二章：数据模型与查询语言

关系模型与文档模型

SQL基于Edgar Codd在1970年提出的关系模型：数据被组织成关系(SQL中称作表)，其中每个关系是元组(SQL中称作行)的无序集合。

采用NoSQL的几个原因：

• 需要比关系数据库更好的可伸缩性，包括非常大的数据集或非常高的写入吞吐量；
• 相比商业数据库产品，免费和开源软件更受偏爱；
• 关系模型不能很好地支持一些特殊的查询操作；
• 受挫于关系模型的限制性，渴望一种更具多动态性与表现力的数据模型。

混合持久化(polyglot persistence) -> 关系数据库与非关系数据库混合使用。

在关系模型中，程序的对象和数据库之间需要中间件进行转换，两者之间的不连贯现象被称为阻抗不匹配(impedance mismatch)。对象关系映射(ORM object-relation)框架只能够减少中间件代码的数量，但不能够隐藏两者之间的差异。文档模型如JSON模型具有良好的局部性(locality)，能够减少应用程序代码与数据库模型之间的阻抗不匹配。

文档模型查询的数据局部性

文档通常以单个连续字符串形式进行存储，编码为 JSON、XML 或其二进制变体(如 MongoDB 的 BSON)。如果应用程序经常需要访问整个文档(例如，将其渲染至网页)，那么存储局部性会带来性能优势。

局部性仅仅适用于同时需要文档绝大部分内容的情况。对于大型文档来说,更新文档通常需要整个重写。只有不改变文档大小的修改才可以容易地原地执行。因此，通常建议保持相对小的文档，并避免增加文档大小的写入。

如何选择模型？

文档数据库 的应用场景是：数据通常是自我包含的，而且文档之间的关系非常稀少。(如一对多关系树，通常一次性加载整个树)。

图形数据库 用于相反的场景：任意事物都可能与任何事物相关联。

关系模型 随意。

查询语言

• SQL 声明式查询语言
• IMS 和 CODASYL 命令式代码来查询数据库
• Web 上的声明式查询
• MapReduce 查询的逻辑用代码片段来表示，这些代码片段会被处理框架重复性调用。它基于 map(也称为 collect)和 reduce(也称为 fold 或 inject)函数，两个函数存在于许多函数式编程语言中。

图数据模型

一个图由两种对象组成：顶点(vertices，也称为 节点，即 nodes，或 实体，即 entities)，和 边(edges，也称为 关系，即 relationships，或 弧，即 arcs)。多种数据可以被建模为一个图形。典型的例子包括：

• 社交图谱

  顶点是人，边指示哪些人彼此认识。

• 网络图谱

  顶点是网页，边缘表示指向其他页面的 HTML 链接。

• 公路或铁路网络

  顶点是交叉路口，边线代表它们之间的道路或铁路线。

属性图

在属性图模型中，每个顶点(vertex)包括：

唯一的标识符

• 一组出边(outgoing edges)
• 一组入边(ingoing edges)
• 一组属性(键值对)

每条边(edge)包括：

• 唯一标识符
• 边的起点(尾部顶点，即 tail vertex)
• 边的终点(头部顶点，即 head vertex)
• 描述两个顶点之间关系类型的标签
• 一组属性(键值对)

可以将图存储看作由两个关系表组成：一个存储顶点，另一个存储边。

图数据库查询语言

• Cypher 是属性图的声明式查询语言，为 Neo4j 图形数据库而发明。
• SQL 中的图查询
• SPARQL 是一种用于三元组存储的面向 RDF 数据模型的查询语言
  在三元组存储中，所有信息都以非常简单的三部分表示形式存储（主语，谓语，宾语）。