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