大數據入門級學習：SQL與NOSQL數據庫

這幾年的大數據熱潮帶動了一激活了一大批hadoop學習愛好者。有自學hadoop的，有報名培訓班學習的。所有接觸過hadoop的人都知道，單獨搭建hadoop里每個組建都需要運行環境、修改配置文件測試等過程。對于我們這些入門級新手來說簡直每個都是坑。國內的發行版hadoop那么多，似乎都沒有來填這樣的坑？不知道是沒法解決，還是沒有想到？
安裝運行環境這樣的坑，那些做國產大數據底層開發的，如果不能解決這個問題的話，我覺得不是一個合格的大數據底層開發機構。不過比較幸運的是，三月的時候申請拿到了一個DKHadoop的三節點發行版，大快開源的發行版hadoop。這個國產發行版就把各種常用的組建比如：HDFS，Hbase,Storm,Flume,Kafka，Mahout，Es等集成到了一起，終于不需要絞盡腦汁去折騰底層平臺的搭建與配置了，簡單的完成安裝即可。這對于hadoop初學者來說，可謂是福音了。
扯的稍微多了點，后面在給家分享DKHadoop的安裝以及使用，今天想給大家分享的是大數據基礎內容中的數據庫：SQL與NOSQL。理解這兩種數據，只需要搞清楚二者的概念以及有何不同即可。
二者概念：
1、SQL數據庫，指關系型數據庫。主要代表：SQL?Server，Oracle，MySQL(開源)，PostgreSQL(開源)。
2、NoSQL泛指非關系型數據庫。主要代表：MongoDB，Redis，CouchDB。
二者區別：
SQL數據與NOSQL數據的區別其實還是比較大的，總結起來基本可以從以下幾個方面進行對比分析：
（1）使用場景：SQL 是數字,它最適合明確的定義，精確規范的獨立項目。典型的使用案例是在線商城和銀行系統； NoSQL 是模擬，它最適合無固定要求的組織數據。典型的使用案例是社交網絡，客戶管理和網絡分析系統。
（2）存儲方式：SQL數據存在特定結構的表中，SQL通常以數據庫表形式存儲數據。舉個例子，存個學生借書數據：

NoSQL存儲方式比較靈活，存儲方式可以是JSON文檔、哈希表或者其他方式。比如使用類JSON文件存儲上表中熊大的借閱數據：

（3）SQL中如果需要增加外部關聯數據的話，規范化做法是在原表中增加一個外鍵關聯外部數據表。例如需要在借閱表中增加審核人信息，先建立一個審核人表：

再在原來的借閱人表中增加審核人外鍵，這樣如果我們需要更新審核人個人信息的時候只需要更新審核人表而不需要對借閱人表做更新。

而在NoSQL中除了這種規范化的外部數據表做法以外，我們還能用如下的非規范化方式把外部數據直接放到原數據集中，以提高查詢效率。缺點也比較明顯，更新審核人數據的時候將會比較麻煩。

（4）數據耦合性?：SQL中不允許刪除已經被使用的外部數據，例如審核人表中的"熊三"已經被分配給了借閱人熊大，那么在審核人表中將不允許刪除熊三這條數據，以保證數據完整性；而NoSQL中則沒有這種強耦合的概念，可以隨時刪除任何數據。?
（5）查詢性能：在相同水平的系統設計的前提下，因為NoSQL中省略了JOIN查詢的消耗，故理論上性能上是優于SQL的。