NoSQL: Not only SQL
    非關系型數據庫，不是一種特定的技術，分類多種
    而關系型數據庫，就是一種特定的技術

    大數據問題：BigData
        並行數據庫系統：關系型數據庫，采用SQL，水平切分
        NoSQL 數據庫管理系統：非關系型，分布式，不支持ACID數據設計範式
            簡單數據模型
            元數據和數據分離的模式
            弱一致性 
            高吞吐量
            高水平擴展能力，低端硬件集群

        NewSQL數據庫管理系統：
            代表：Clustrix， GenieDB， ScaleBase，MinbusDB，Drizzle

        雲數據管理
    大數據的分析處理：
        MapReduce

    CAP：分布式滿足兩者就很不錯了
        C：一致性（強）
            因果一致性
            讀自寫一致性
            會話一致性
        A: 可用性（隨時都可以返回）
        P：分區容錯性

    ACID：強一致性，隔離性，采用悲觀保守方法，難以變化
    BASE:弱一致性，可用性優先，采用樂觀的方法，適應變化，更加單，更快

數據存儲模型：
    列式存儲模型：看到跟關系型數據庫樣子一樣，但是無法按行查（一般用於查某些字段有用）
    文檔存儲：MongoDB
    鍵值數據模型
    圖式數據模型（不是圖片的意思）


        列式模型：
            應用場景：在分布式文件系統之上提供支持隨機讀寫的分布式數據存儲
            典型產品：HBase、Hypertable、Cassandra
            數據模型：以“列”為中心進行存儲，將同一列數據存儲在一起
            優點：快速查詢、高可擴展性、易於實現分布式擴展

        文檔模型：
            應用場景：非強事務需求的web應用
            典型產品：MongoDB、ElasticSearch、CouchDB、CouchBase Server
            數據模型：鍵值模型，存儲為文檔
            優點：數據模型無須事先定義

        鍵值模型：
            應用場景：內容緩存，用於大量並行數據訪問高負載場景
            典型產品：DynamoDB、Riak、Redis
            數據模型：基於哈希表實現的key
 
-value
            優點：查詢迅速

        圖式模型：
            應用場景：社交網絡、推薦系統、關系圖譜
            典型產品：Neo4j、Infinite Graph
            數據模型：圖式結構
            優點：適應於圖式計算場景


    Mongod的常用選項：
        fork={true|false}: mongod是否運行在後臺
        bind_ip=IP：指定監聽的地址
        port=PORT: 指定監聽的端口

        maxConns=: 並發最大連接數

    MongoDB的復制功能：
        兩種類型：
            master
 
/slave
            replica set: 復制集、副本集
                服務於同一數據集的多個mongodb實例

                主節點將數據修改操作保存至oplog中
                    arbiter: 仲裁者

            工作特性：至少三個，且應該為奇數個節點；可以使用arbiter來參與選舉；
                heartbeat（2s）, 自動失效轉移（通過選舉方式實現）

            復制集的中特殊類型的節點：
                0優先級的節點：冷備節點，不會被選舉成為主節點，但可以參與選舉；
                被隱藏的從節點：首先是一個0優先級的從節點，且對客戶端不可見；
                延遲復制的從節點：首先是一個0優先級的從節點，且復制時間落後於主節點一個固定時長；
                arbiter: 

            MongoDB的復制架構：
                oplog：安裝數據庫後默認的數據量local 中存放
                heartbeat

                oplog: 大小固定的文件，存儲在local數據庫，冪等性，運行多少次，都是同一個結果

                    主節點才會寫 oplog,同步給從節點，且是一個空間大小固定，所在文件系統的5
 
%

                一個從節點加入後需要：
                    初始同步(initial sync)
                    回滾後追趕(post-rollback catch-up)
                    切分塊遷移(sharding chunk migrations)

                local 數據庫: 
                    放了副本集的所有元數據和oplog；
                    用於存儲oplog的是一個名為oplog.rs的collection；
                    oplog.rs的大小依賴於OS及文件系統，自動生成；
                    但可以自定義其大小oplogSize，

            Mongo的數據同步類型：
                初始同步：
                    節點沒有任何數據時
                    節點丟失副本復制歷史
                復制
                
                初始同步的步驟：
                    1、克隆所有數據庫
                    2、應用數據集的所有改變：復制oplog並應用於本地
                    3、為所有collection構建索引


        副本集的重新選舉的影響條件：
            心跳信息
            優先級
            optime
            網絡連接
            網絡分區

        選舉機制：
            觸發選舉的事件：
                新副本集初始化時
                從節點聯系不到主節點時
                主節點“下臺”時
                    主節點收到stepDown()命令時
                    某從節點有更高的優先級且已經滿足成主節點其它所有條件
                    主節點無法聯系到副本集的“多數方”


    MongoDB的分片:
            CPU
            Memory
            IO

        MySQL分片需要借助: Gizzard, HiveDB, MySQL Proxy + HSACLE, Hibernate Shard, Pyshards

    MongoDB：默認就支持分片

        分片架構中的三種角色：
            mongos: Router
                將用戶的強求路由到響應的分片上請求，可以認為是MongoDB的代理
            config server: 元數據服務器，哪個結點，存放了那些數據，類似分布式
                也需要多個，但是並不是副本集，所以需要第三方zookeper
            shard: 數據節點，也稱mongod實例（每個結點都要有副本集，以防掛了）


        基於範圍切片
            range
        基於列表切片
            list
        基於hash切片
            hash

            寫離散，讀集中

MongoDB基本知識（補充）