NoSQL（Not Only SQL） 是泛指非关系型数据库 的统称，核心是放弃固定表结构、优先水平扩展 + 高可用 + 灵活 Schema，适合海量、高并发、非结构化 / 半结构化数据场景。
一、核心特点（vs 传统 SQL）
- Schema 灵活：无需预定义表结构，字段可动态增减（SQL 需严格建表）。
- 水平扩展：易通过加机器扩容（SQL 多为垂直扩容，分库分表复杂）。
- BASE 而非 ACID ：
- B asically Available（基本可用）
- Soft state（软状态，允许短暂不一致）
- Eventual consistency（最终一致性）（SQL 强一致、事务完整）。
- 数据模型多样：键值、文档、列族、图等。
二、四大主流类型（含代表与场景）
1. 键值型（Key-Value）
- 原理：哈希表，Key→Value，O (1) 读写。
- 代表 ：Redis（内存 + 持久化）、Memcached、DynamoDB。
- 场景：缓存、Session、计数器、限流、排行榜。
2. 文档型（Document）
- 原理：JSON/BSON/XML 文档，支持嵌套与二级索引。
- 代表 ：MongoDB、CouchDB、Couchbase。
- 场景：内容管理、电商商品、用户画像、日志、App 后台。
3. 宽列 / 列族型（Wide-Column）
- 原理：按列族存储，动态加列，稀疏数据友好，高写入吞吐。
- 代表 ：Cassandra、HBase、ScyllaDB。
- 场景：时间序列、IoT 传感器、海量日志、推荐系统。
4. 图数据库（Graph）
- 原理：节点（实体）+ 边（关系）+ 属性，高效关联查询。
- 代表 ：Neo4j、JanusGraph、ArangoDB。
- 场景：社交网络、知识图谱、风控 / 反欺诈、路径分析。
三、核心理论
- CAP 定理 ：分布式系统中，一致性 (C)、可用性 (A)、分区容错 (P) 三者无法同时最优；NoSQL 常选AP（高可用）或CP（强一致）。
- BASE 理论：NoSQL 设计基石，牺牲强一致换高可用与性能。
四、NoSQL vs SQL（选型参考）
表格
| 维度 | SQL（MySQL/Oracle） | NoSQL（Mongo/Redis） |
|---|---|---|
| 数据结构 | 固定表、行 / 列、外键 | 灵活 Schema、嵌套、无外键 |
| 一致性 | 强一致（ACID） | 最终一致（BASE） |
| 扩展 | 垂直扩容、分库分表复杂 | 水平扩容、分片原生支持 |
| 事务 | 完整事务 | 有限事务或无 |
| 适合场景 | 金融交易、强一致、复杂关联查询 | 海量数据、高并发、快速迭代、非结构化数据 |
五、常见误区与最佳实践
- ❌ 误区：NoSQL 完全替代 SQL → ✅ 正确：混合架构（如 MySQL 存订单 + Redis 缓存 + Mongo 存用户行为）。
- ❌ 误区：NoSQL 无事务 → ✅ 正确：MongoDB 支持多文档 ACID，Redis 支持事务 / 脚本。
- ✅ 选型原则：
- 数据模型是否简单 / 半结构化？
- 是否需要超高并发读写？
- 一致性要求是否可接受 "最终一致"？
- 是否需要水平扩展能力？
六、学习路径建议
- 掌握Redis（键值，缓存 / 高并发必学）。
- 学习MongoDB（文档，最接近 SQL，易上手）。
- 了解Cassandra/HBase（宽列，大数据 / 时序场景）。
- 理解CAP/BASE、分片、复制、一致性哈希等分布式原理。