Mongdb

NoSQL
简单数据模型
元数据和应用数据分离
弱一致性

优势
避免不必要的复杂性
高吞吐量
高水平扩展能力和低端硬件集群
不适用对象-关系映射

劣势
不支持ACID
功能简单
没有统一

NewSQL：

NoSQL <--> SQL（日志、锁、缓冲区管理）

Clustrix,GenieDB,ScaleBase,NimbusDB

NoSQL：
           键值存储
           列式数据库
           文档数据库
           图存数据库
          
SQL：
           缓存数据库系统：
          
C,A：SQL
C,P：悲观加锁
A,P：DNS

（最终一致性）
          
数据一致性模型，强一致性，弱一致性，最终一致性（）

数据一致性的实现技术：
          Quorum系统NRW策略
                   N：总副本数
                   R：完成读操作所需要读取的最少副本数：
                   W：完成写操作所需写入的最少副本数：

          强一致性： R+W > N
                  MySQL：一主两从
                 
           R+W <= N：最多只能保证最终一致性：
                  

           两段式提交：2PC（Two  Phase Commit Protocol）

         有两类节点：
                   一类为协调者
                   一类为事务参与者
                   
                   两段：
                           第一阶段：请求阶段
                           第二阶段：提交阶段
                           

           时间戳策略

           Paxos：

           向量时钟

        

NoSQL的数据存储模型
             键值模型:
                   数据模型：（key-value存储）
                   优点：查找速度快
                   缺点：数据无结构，通常只被当作字符串或二进制数据
                   应用场景：内容缓存
                   实例：Redis，Dynamo

             列式模型：
                   数据模型：数据按列存储，将同一列数据存在一起：
                   优点：查找迅速、可扩展性强、易于实现分布式：
                   缺点：功能相对有限：
                   应用场景：分布式文件系统或分布式存储
                   实例:Bigtable,Cassanda,HBase,Hypertable
                  
             文档模型：
                   数据模型：与键值模型类似，value指向结构化数据：
                   优点：数据格式要求不严格，无需实现定义结构
                   缺点：查询性能不高，缺乏统一查询语法
                   应用场景：web应用
                   实例：MongoDB，CouchDB
                  

             图式模型：
                    数据模型：图结构模型
                    优点：利用图结构算法提高性能，并能满足场景应用需求
                    缺点：难以实现分布式，功能有定向性：
                   应用场景：社交网络、推荐系统、关系图谱
                    实例：Neo4J