Cassandra基本介绍(1) - 关系型数据库(RDBMS)概述

    作为一名应用开发者，数据库应用已经非常广泛了。你可能使用过关系型数据，比如Mysql、postgresql，也可能使用过文档存储，比如mongoDB，或者key-value数据库，比如Redis。每一种数据库都有它的长处，也许你还正在考虑使用分布式数据库，比如Cassandra，来解决你手头上的工作。

    使用这些数据产品并不是要取代原有的数据产品，而是为不同的应用场景提供更多的选择。NoSQL代表着：选择合适的方案处理合适的业务场景。

    在“Cassandra基本介绍”这个课程，我们将讨论从关系型数据库转变为Cassandra的主要原因，以及Cassandra基本特点。 在本章结束后，你应该学些到：

1. RDBMS特点

2. RDBMS是否适合大数据

3. 第三范式不可扩展

4. Sharding是一个恶梦

5. 高可用..不是真实的

6. 缺点总结

7. 课程总结

    下面我们就先介绍一下，关系型数据库:

•     RDBMS特点

1. RDBMS适合中型数据，在单台机器上工作良好，比如mysql、Postgresql。

2. 对于数百个并发用户支持较好。

3. ACID支持良好

•    RDBMS是否适合大数据

    对于大数据，必然需要水平扩展，MySQL的master/slave模式，将导致ACID(A:原子性，C:一致性，I:隔离性，D:持久性)不复存在

• 第三范式不可扩展(没有冗余)

    由于查询的复杂性，以及用户同时需要快速响应，因为用户是没有耐心的，导致数据必须反范式化设计。

• Sharding是一个恶梦

1. 数据位于每一个shard

2. join和聚合困难

3. 需要反范式化

4. 查询需要使用shard规则或路由，来命中shard

5. 添加shard需要手动迁移数据

• 高可用..不是真实的

1. master为单点故障

2. 不支持多数据中心

• 缺点总结

1. 水平扩展是头疼的一件事

2. ACID在本地是best，多机存在一致性问题

3. 重新sharding需要手动迁移数据

4. 往往为了性能需要反范式化

5. 高可用复杂，需要额外操作

• 课程总结

既然RDBMS有以上缺点，那我们就需要解决它们：

1. 强一致性是不现实的：So，放弃他

2. 重新sharding是困难的：So，我们需要自动完成

3. Master failover：So，我们应该不使用master/slave模式

4. 数据分布式和聚合 no Good：So，对于实时查询性能，需要进行反范式化，目的是让查询总是命中在1台机器上