列式NoSQL和文档导向的NoSQL有何不同？

Question

我读过的NoSQL数据库有三种类型：键值对、列式和文档型。

键值对很直接 - 一个键对应一个值。

我看到文档型数据库被描述成类似于键值对，但值可以是一个结构，比如JSON对象。每个“文档”可以具有部分、全部或没有与另一个相同的键。

列式数据库似乎非常像文档型数据库，因为你不需要指定一个结构。

那么这两者之间的区别是什么，为什么要使用其中之一？

我特别看了MongoDB和Cassandra。我基本上需要一个可以动态更改结构但不影响其他值的结构。同时，我需要能够搜索/过滤特定的键并生成报告。对于CAP，AP对我来说最重要。数据可以“最终”在节点之间同步，只要没有冲突或数据丢失即可。每个用户都将拥有自己的“表格”。

- Luke

Answer 1

主要的区别在于文档式数据库（例如MongoDB和CouchDB）允许任意复杂的文档，即子文档内嵌子文档，包含文档的列表等等。而列式数据库（例如Cassandra和HBase）只允许固定格式，例如严格的一级或二级字典。

- Theo

---

在这种情况下，Mongo（文档）可以做Cassandra（列）能做的事情。那么为什么还需要列呢？ - sanjay patel

使用不同设计方式的存储引擎之间需要进行权衡，使用基于列的设计可以使存储引擎比基于文档的存储引擎更加高效。如果MongoDB文档增长，则必须在磁盘上重写整个文档，但Cassandra则不需要进行这种操作（当然，这只是一个简化的描述，其中有很多细节）。这使得Cassandra在写入方面更快。 - Theo

更正命名和理解：Cassandra和Hbase是列“族”存储，而不是列“导向”存储（也称为列存储）。CF按行存储数据（=面向行的存储），CO按列存储数据。参考：https://community.datastax.com/answers/6244/view.html - Vyshnav Ramesh Thrissur

Answer 2

在Cassandra中，每一行（由一个键定位）包含一个或多个“列”。列本身又是键值对。列名不需要预先定义，即结构不是固定的。一行中的列按其键（名称）的排序顺序存储。

在某些情况下，您可能会在一行中拥有非常大量的列（例如作为索引以启用特定类型的查询）。Cassandra可以高效地处理这样大的结构，并且您可以检索特定范围的列。

还有一个更深层次的结构（不太常用），称为超级列，其中一个列包含嵌套的子列。

你可以把整体结构看作是一个嵌套的哈希表/字典，有2或3级键。 普通列族：

row
    col  col  col ...
    val  val  val ...

超级列族：

row
      supercol                      supercol                     ...
          (sub)col  (sub)col  ...       (sub)col  (sub)col  ...
           val       val      ...        val       val      ...

还有更高级别的结构 - 列族和键空间 - 可以用于分割或组合您的数据。

另请参阅此问题：Cassandra: 什么是子列

或者从http://wiki.apache.org/cassandra/ArticlesAndPresentations链接的数据建模。

关于与面向文档的数据库的比较 - 后者通常插入整个文档（通常是JSON），而在Cassandra中，您可以访问单个列或超列，并单独更新它们，即它们在不同的粒度级别上工作。每个列都有自己单独的时间戳/版本（用于跨分布式集群协调更新）。

Cassandra列值只是字节，但可以被类型化为ASCII、UTF8文本、数字、日期等。

当然，您可以通过插入包含JSON的列来将Cassandra用作原始文档存储，但您不会获得真正面向文档存储的所有功能。

- DNA

---

列族类似于表格。一行就像表格中的一行。列有点像数据库中的列，但它们可以动态定义，因此在某些情况下，您可能会有一个非常稀疏地填充的表格，或者每行可能填充不同的列。 - DNA

这取决于数据库。在MongoDB（面向文档）中，您还可以更新每个单独的键。 - David Raab

如果这是真的，那么MongoDB如何被定义为面向文档的数据库，而Cassandra则是面向列的？它们有什么不同之处？ - Luke

列式存储看起来很像无模式关系型数据库，但除了它松散的结构外，主要区别在于它不是关系型的。 - user327961

@user327961 但是MongoDB也像一个无模式的关系型数据库，它也不是关系型的。 - huggie

Answer 3

在"插入"方面，使用关系型数据库术语来说，基于文档的系统更加一致和直接。需要注意的是，Cassandra通过仲裁(Quorum)的概念能够实现一致性，但这并不适用于所有基于列的系统，而且会降低可用性。在一个读多写少的系统中，建议选择MongoDB。如果您总是计划读取对象的整个结构，请考虑使用它。基于文档的系统旨在返回整个文档，而在返回整行的部分数据时并不十分强大。

与之相比，像Cassandra这样的基于列的系统在“更新”方面要比基于文档的系统优秀得多。您可以更改列的值，而无需读取包含该值的行。写入实际上不需要在同一台服务器上完成，一行可以包含在多个文件或多个服务器上。对于快速发展的大型数据系统，请选择Cassandra。如果您计划每个键有非常大的数据块，并且不需要在每次查询时加载所有数据块，请也考虑使用Cassandra。在"选择"方面，Cassandra允许您仅加载所需的列。

此外，需要考虑的是，MongoDB是用C++编写的，并且已经发布了第二个主要版本，而Cassandra需要在JVM上运行，其第一个主要版本仅在昨天发布了RC版（但0.X版本已经被一些主要公司投入生产使用）。

另一方面，Cassandra的设计部分基于Amazon Dynamo，并且从核心上构建为高可用性解决方案，但这与基于列的格式无关。MongoDB也可以扩展到多台服务器，但不如Cassandra那样优雅。

- user327961

---

一款软件使用C++编写与使用Java编写有何不同？ - Nayuki

@Nayuki 现在，我知道有高争用负载的情况下，Java内存管理模型的懒惰垃圾回收理论上会优于C++的“手动”管理模型，但一般来说，只要禁用异常和RTTI，编写等效程序以在C++中超越Java通常不是很困难。如果您充分利用无栈协程和可恢复函数，那么，我个人还没有看到Java能够击败我的C++。 - patrickjp93

Answer 4

我认为主要区别在于这些数据库类型物理存储数据的方式不同。
使用列类型，数据通过列来存储，这可以使得对特定列进行高效的聚合操作/查询。
使用文档类型，整个文档在逻辑上存储在一个地方，并且通常作为一个整体检索（无法对“列” /“字段”进行有效的聚合操作）。

令人困惑的是，宽列“行”可以轻松地表示为文档，但是它们以不同的方式存储，并针对不同的目的进行了优化。

- Michael