架构设计
数据存储，其实说的就是资料库，也就是在高并发的业务场景下，我们的资料库如何架构设计。
关系型资料库
是建立在关系模型基础上的资料库，其借助于集合代数等数学概念和方法来处理资料库中的数据，几句简单的SQL语句就能快速的实现小规模数据的读写、查询统计，对于程序猿来说真是爽歪歪呀。
MySQL
目前互联网企业基本都用它来做数据存储。愿意很简单，它是免费的，轻量级的，其他关系型资料库能做他他一样能做。用起来爽爽的。并且能基于Mycat的中间件的帮助，一样完成大规模数据的存储，满足高并发下的数据读写。关于MyCat，国内开源的项目，从它的版本更新计划，还是有很多让人值得期待的地方。
Oracle
应该说是最好的关系资料库，容量大，数据安全。比如金融行业，实时交易系统较多，在对数据的联机事务处理（OLTP）上也就要求很高。但做大规模的数据存储，扩展性不好且价格昂贵。
SQL Server
如果还有人在用SQL Server，说明这个企业的信息化水平很Low。SQL Server几乎没人在用了。
NoSQL资料库
也叫是「Not Only Sql」，指的是非关系型的资料库。这类资料库主要有这些特点：非关系型的、分散式、开源的、水平可扩展的。
memcached-临时性键值存储
是一个自由开源的，高性能，分散式内存对象缓存系统。数据全部放在内存中，在架构设计中使用memcached能减少对磁碟数据的读写操作。
比如可以提高用户对空节点数据查询的性能，页面上查不到数据，用户还在狂点，我不可能不停的查边系统中的每个节点。需要对空节点数据进行缓存。
还有一个就是减少对资料库的读写，比如对查询命中率很高的能否做缓存。对写操作能否所队列缓存。人家是对象缓存系统，所以啥对象都 是可以放的。
Redis-永久性键值存储
Redis和memcached在功能上发挥的作用和使用场景基本是一样的。只是Redis更像是一个对象资料库，它不仅做内存对象缓存，还可以做对象磁碟缓存。也就是最终的数据是被放到了磁碟上的。功能上比memcached要丰富一些，在企业中Redis用的更多一些。
MongoDB面向文档的资料库
轻量的分散式文件存储系统，MongoDB的功能很强大，在大规模数据的读写方面不亚于HBASE。MongoDB对数据的存储是透明的。现在一般企业通过MongoDB存一下非格式的文件，比如图片，视频，各种文件等。MongoDB在数据查询上比HBase方面，但在数据分析处理上不及HBase。
HBase面向列的资料库
面向列的新型的数据存储方式，这也是HBase在超大规模数据量中能毫秒级读写数据的原因。超大的什么级别呢，「This project"s goal is the hosting of very large tables -- billions of rows X millions of columns，billions of rows X millions of columns」一个表的数据能支持的数据结构是上亿行 乘以 百万列，这是HBase官方的描述。也就是说你一个HBase表没有上亿条数据，都对不起使用HBase。牛逼吧。哈哈。之前我们卡弗卡大数据课堂的一个学生亲自测过，确实可能达到上亿行 乘以 百万列的这个结构。
虽然HBase的维护成本比较高，但在数据分析上妥妥的，因为他是基于HDFS的，跟MapReduce、Hive、spark等都能很好的整合，达到数据的计算分析。
优点：
保持数据的一致性
可以进行复杂查询，操作简单。
通用并且技术成熟。
缺点:
数据读写必须经过sql解析，大量数据高并发下读写性能不足。
对数据做读写，或修改数据结构时需要加锁，影响并发操作。
无法适应非结构化存储。
扩展困难。
昂贵、复杂。
NoSQL资料库的特点
优点：
高并发，大数据下读写能力较强。
基本支持分散式，易于扩展，可伸缩。
简单，弱结构化存储。
缺点:
不能操作复杂的查询。
事务支持较弱。
前面我们说了关系型资料库和NoSQL资料库的种类以及他们的特点。如何能很好的在实际项目中的合理的应用，我们应该要了解CAP理论。
CAP的含义是Consistency, Availability, Partition-tolerance也就是一致性、可用性以及分区容错性。
Consistency：一致性（C）
Availability：可用性（A）
Partition tolerance：分区容错性（P）
一致性
在多并发访问更新过的数据时，提供给用户的数据是否一致。对于关系型资料库，要求更新过的数据能被后续的访问都能看到，这是强一致性。如果能容忍后续的部分或者全部访问不到，则是弱一致性。如果经过一段时间后要求能访问到更新后的数据，则是最终一致性。
可用性
某一节点的伺服器挂了，集群整体还能响应客户端的读写请求。
分区容错性
如果由于节点通讯的问题不能达成数据一致性，必须在一致性和可用性中做出选择。
所以说任何分散式系统只可同时满足二点，没法三者兼顾。例如：
CA应用：传统上的关系型资料库(RMDB).
CP应用：基于HDFS的牛叉的HBase分散式资料库
AP应用：面向文档的分散式系统的资料库MongoDB。
那么我们说CAP理论提出就是针对分散式资料库环境的，所以，P这个属性是必须具备的。P就是在分散式环境中，由于网路的问题可能导致某个节点和其它节点失去联系，节点之间互相无法知道对方的状态，这在分散式环境下是非常常见的。所以就形成了P(partition)。那么当P发生时，你要么考虑A（Availability），失去联系的节点依然可以向系统提供服务给客户端，只不过它的数据就不能保证是同步的了（失去了C（Consistency）属性），但至少服务及时做了响应。要么考虑C，选择一致性C（Consistency）为了保证资料库的一致性，我们必须等待失去联系的节点恢复过来，在这个过程中，那个节点是不允许对外提供服务的，这时候系统处于不可用状态(失去了A（Availability）属性)。
最常见的例子是读写分离，某个节点负责写入数据，然后将数据同步到其它节点，其它节点提供读取的服务，当两个节点出现通信问题时，你就面临著选择A（继续提供服务，但是数据不保证准确）或者C（用户处于等待状态，一直等到数据同步完成）。
AP和CP该如何取舍呢？ 我觉得可以根据不同的业务场景做不同的处理。CP对系统的一致性要求较高如ERP系统，OA系统。AP系统可以允许不一致。比如微博系统。
懂得CAP理论，在实际业务需求中我们能很好的来做数据的存储的架构设计。
所以，高并发下的大数据读写，尽可能的交给NoSQL,HBase或者MongoDB资料库。虽然他们不能像关系型资料库那样很爽的让你查询，但他们确实彪悍。因为专业就是干这个的。对于强事务的数据操作，NoSQL资料库就不要跟人家抢。当然，MySQL不是不好，表数据超过500W，就不要像几十条数据那样的修改、删除。这时候应该考虑是否需要读写分离，从业务上是否需要考虑分割哪些数据经常修改，哪些数据会频繁被查询，是否有大量的数据写入，是否有大量随机的数据读取。
看似操作差不多，但在高并发的大数据面前，这些都是我们需要慎重考虑的。
推荐阅读：
