7.1-NoSQL数据库概述-2.pptx

#,数据库原理及应用,电子科技大学,-,张凤荔,数据库系统原理与开发,7.1 NoSQL,数据库概述,CAP理论,BASE,最终一致性的相关理论,NoSQL,的基础,【,本节学习目标,】,一、,CAP,理论,分布式事务,分布式数据库的不一致-原因,分布式环境的3个核心需求,CAP理论的核心,1.,分布式事务,分布式数据库系统中的事务是一个分布式操作序列，被操作的数据分布在不同的结点上。,分布式事务ACID特征，原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation，又称独立性）、持久性（Durability）。,网络、服务器、软件故障,-,不一致？,2,、,分布式数据库的不一致,-,原因,在分布式DBMS环境中，事务在下列情况会导致不一致性：,1,）数据项的多个副本,-,如何保证多个副本的数据一致性？,2,）单点网络故障,-,如何通知所有的节点？事务是否继续？,3,）通信网络的故障,-,数据通讯？,4,）分布式提交等,-,两阶段、三阶段提交过程中的问题？,2,、,分布式环境的3个核心需求,在分布式的环境下设计和部署系统时，有3个核心的需求：CAP对应一致性（Consistency），可用性（Availability）和分区容忍性（Partition Tolerance）,Consistency,Availability,Partition Tolerance,4,CAP理论的核心,：,一个分布式系统不可能同时很好的满足一致性、可用性和分区容错性这三个需求，最多只能同时较好的满足两个。,CA-单点集群，满足一致性，可用性的系统，,CP-满足一致性，分区容忍性的系统，,AP-满足可用性，分区容忍性的系统，,.,一个例子CAP的基本思想,网络两个节点共享数据V，初始值为V0,算法A在节点1，算法B在节点2，要求算法A 写入V新值V1，算法B 读取 V1。正常情况有3个步骤来完成：,1)算法A 写入新V1。,2)节点1 发送信息V1给节点2。,3)算法 B 读取的V1并对其进行操作。,网络断开时，第3步的V1？。,例子分析,-,节点1和节点2数据不一致的原因,：,1.,网络断开，节点1和节点2 就会包含不一致的 V 值。,2,网络协议是异步消息,-,延迟,3,网络协议是同步消息,导致同样的等待问题,CAP思想，让 A 和 B 是高可用的（最小的延迟提供服务）并且让所有的 节点冗余网络的分区（丢失信息，无法传递信息，硬件无法提供服务，处理失败），那么就得面临这样的情况：,V,的值就会不一致。,例子分析,-,节点1和节点2数据不一致的原因,：,1.,网络断开，节点1和节点2 就会包含不一致的 V 值。,2,网络协议是异步消息,-,延迟,3,网络协议是同步消息,导致同样的等待问题,CAP思想，让 A 和 B 是高可用的（最小的延迟提供服务）并且让所有的 节点冗余网络的分区（丢失信息，无法传递信息，硬件无法提供服务，处理失败），那么就得面临这样的情况：,V,的值就会不一致。,目的,：,CAP是为了探索不同应用的一致性C与可用性A之间的平衡，,在网络或其他原因，通过牺牲一定的一致性C来获得更好的性能与扩展性,在有分隔发生，选择可用性A，集中关注分隔的恢复，需要分隔前、中、后期的处理策略，及合适的补偿处理机制。,选择什么样的方式：放弃,？放弃？放弃,？,BASE,二,.BASE,Basically Available-,基本可用；系统能够基本运行，一直提供服务。,Soft-state-,软状态,/,柔性事务。,Soft state,可以理解为,无连接,的,而,Hard state,是,面向连接,的；系统不要求一直保持强一致状态。,Eventual Consistency-,最终一致性 系统在某个时刻达到最终一致性。,BASE,定义为,CAP,中,AP,的衍生，在分布式环境下，,BASE,是数据的属性，,BASE,强调基本的可用性，按照功能划分数据库,.,1.,BASE,特点,ACID,是事物的特征，,A,（原子性）,C,（一致性）,I,（隔离性）,D,（持久性），,ACID,的特点是强一致性、隔离性、采用悲观保守方法、难以变化；,BASE,的特点是弱一致性、可用性优先、采用乐观方法、适应变化并且简单快捷。,对数据不断增长的系统，大数据环境下系统的可用性及分隔容忍性的要求要高于强一致性，很难满足事务要求的,ACID,特性。,2.,最终一致性,一致性模型,强一致性：要求无论更新操作实在哪一个副本执行，之后所有的读操作都要能获得最新的数据。,弱一致性：用户读到某一操作对系统特定数据的更新需要一段时间，称这段时间为“不一致性窗口”。,最终一致性：弱一致性的一种特例，保证用户最终能够读取到某操作对系统特定数据的更新。,3.,最终一致性,两个角度,一致性可以从客户端和服务器端两个角度来看,客户端关注的是多并发访问的更新过的数据如何获取的问题，对多进程并发进行访问时，更新的数据在不同进程如何获得不同策略，决定了不同的一致性。,服务器关注的是更新如何复制分布到整个系统，以保证最终的一致性。一致性因为有并发读写才出现问题，一定要结合并发读写的场地应用要求。如何要求一段时间后能够访问更新后的数据，即为最终一致性。,4.,最终一致性,模型,1,）因果一致性：无因果关系的数据的读写不保证一致性。,2,）读已之所写一致性：用户自己总能够读到更新后的数据。,3,）会话一致性：把读取存储系统的进程限制在一个会话范围内。,4,）单调读一致性：后续的操作都不会返回到给数据之前的值。,5,）单调写一致性：来自同一个进程的更新操作按照时间顺序执行，也叫时间轴一致性。,5.,最终一致性,-,一致性与可用性的决择,很多,web,实时系统对读一致性的要求很低，有些场合对写一致性要求并不高。允许实现最终一致性。,很多,web,应用来说，并不要求这么高的实时性，,SNS,类型的网站，从需求以及产品设计角 度，就避免了复杂多表的关联查询。往往更多的只是单表的主键查询，以及单表的简单条件分页查询，,SQL,的功能被极大的弱化了。,海量大数据的存储和管理，需要对关系数据库进行补充,总结,NOSQL,的基础,遵守,CAP,定理，高性能，高可用性和可伸缩性。,高可扩展性、分布式计算、低成本、架构的灵活性，半结构化数据、没有复杂的关系。,没有标准化、有限的查询功能（到目前为止）、最终一致不直观等。,本节学习结束！,