持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第7天，点击查看活动详情
首先我们了解一下键值存储实现原理：
学过Java基础后我们知道键值对即key-value模式，在键值对数据库里面放宽了对值内容的限制，只保证key的唯一性，value不限制，可以是字符串，数字，图片，视频等。
- ⚠️ 注意：这个 key 和 value 一定是成对出现的，缺少一个都不行。
- ⚠️ 注意：键不是越长越好（一般不要超过 1024 个字节），键的内容越多，内存开销就越大，从而会降低查询效率；键的内容太短也不好，可读性不高；在同一类数据集合中，键的命名规范最好统一。
- ⚠️ 注意：键值模式的 NoSQL 数据库通常不支持对值建立索引。不同的键值数据库对值会有不同的约束，特别是在值存储的大小上（甚至是不同数据对象的约束都不一样）。
对数据操作的几个常用命令：
- put（set） 命令：用于写或者更新键值存储里指定地址的值（当指定了地址值，此时若更新值时，没有值就会新增一个值）。
- get 命令：用于读取键值存储里指定地址的值。
- delete 命令：用于删除键值存储指定地址的键和值。
键值模式的优缺点
优点：
- 简单：数据存储结构只有键和值，不用预先定义数据类型，值理论上可以存储任意数据。
- 快速：以内存为主的设计思路使他拥有了快速处理数据的能力。
- 高效：数据结构简单化，数据之间没有关联关系，在大量用户访问下，可以快速响应用户的请求。
- 分布式处理：具备了处理大数据的能力
缺点：
- 一般不提供对值的直接查找：键值数据库设计之初就以键为主要对象进行各种数据操作，对值直接进行操作的功能很弱。
- 缺少约束，容易出错：原则上值里什么数据都可以存放，甚至放错了都不会报错。
- 不容易建立复杂关系：键值数据库局限于两个数据集之间的有限计算，比如 Redis 数据库里的交、并、补集运算。
文档存储的实现
文档数据库旨在将半结构化数据存储为文档的一种数据库。文档数据库可以存放或获取文档，可以支持多种文档格式，文档数据库中存放的文档，就相当于键值数据库所存放的“值”。
- ⚠️ 注意：文档存储模式和键值存储模式有相似性，文档存储其值是半结构化内容，可以通过关键词查找文档内部的结构和内容，而非只通过键来进行检索
文档存储特点
功能特点：
- 面向集合存储，易存储对象类型的数据
- 支持动态查询
- 支持完全索引，包含内部对象
- 支持复制和故障恢复等等
那这个文档存储与我们前面的键值存储有啥区别呢？
实际上文档存储和键值存储很相似，它们之间不同的是：键值存储很少直接对 value 进行操作，一般都是直接操作 key；而文档存储关心的是文档的内部结构，这使存储引擎可以直接支持二级索引，从而允许对任意字段进行高效查询。
文档存储优缺点
优点：
- 内容集中，简化关系：所有的内容都在一个数据库中，信息不分散在多个链接数据库中。相比较 SQL 数据库，简化了数据之间复杂的关系。
- 灵活，支持全文检索：文档存储数据库可以没有任何内容，不需要文档有一致性，可以存储大量的数据。可以允许对任意字段进行高效查询。
缺点：
- 数据丢失：可能会由于缺乏熟悉性而导致配置错误，又或者由于使用单个节点，这些都有可能导致数据丢失。
- 限制复杂查询：文档存储数据库其实不太适合运行多个复杂的操作或复杂的查询。
列族存储
列是列族数据库的基本存储单元，若干个列可以构成一个行，各行之间可以具备相同的列，也可以具备不同的列。如果列的数量比较多，最好把相关的列分成组，这些由列构成的组就叫做列族（column family） 。
列族数据库将数据存储在列族中，而列族中的行把许多列数据与本行的“行键”（row key）管理起来（这里的列族可以看作关系型数据库中的表（table） ）。
- ⚠️ 注意：关系型数据库中列（column） ，每行所对应的各列均相同；列族数据库中的列（column） ，不同的行所对应的列可以有差别。
功能特征：
- 按列存储数据
- 方便存储结构化和半结构化数据
- 方便进行数据压缩
- 对某一列或某几列的查询有着极大的 IO 优势
列族数据库一般适用于那种需要部署在大规模数据库的场合，在那种场合中所使用的数据库需要具备较高的写入性能，并且要能再大量的服务器及多个数据中心上面运作。
列族存储与我们前面学习的键值存储有啥异同
相同点：它们都是键值存储的；
区别：列族数据库中的值是根据标识符，列名以及时间戳来进行索引的；而键值数据库则是根据健来进行索引。
列族查询优缺点
优点：
- 可扩展性：它能够根据数据库的规模分布在百台不同的机器上，支持大规模并行处理。
- 方便压缩：擅长压缩数据，从而节省存储空间。
- 反应灵敏：加载时间短，查询执行速度快。
缺点：
- 不擅长更新事务处理：对于在线事务处理，这些数据库不是很高效。
- 特定行的查询会影响性能：对于特定行的查询，需要引入额外的步骤，即扫描列以识别行，然后定位要检索的数据。访问分散在多列中的单个记录需要很多时间，而访问单个列中的分组记录会更快。频繁的行特定查询可能会降低列式数据库的速度，从而导致性能问题。
图存储
图形数据库是以图论为基础的，用图来表示一个对象集合，包括顶点和连接顶点的边（比如有向图、无向图、加权图、二分图等等）。一幅简单的图形是由一系列结点与边线所构成。实际开发中，图型数据库会赋予结点与连线更多类别与属性，以使其更具有可描述性及实际应用功能。
- ⚠️ 注意：图数据库就是由顶点和边组成的。图数据库并非指存储图片的数据库，而是以图这种数据结构存储和查询数据。
主要有以下功能特征：
- 支持高性能
- 支持分布式部署
- 支持快速遍历
随着社交、电商、金融、零售、物联网等行业的快速发展，大数据行业需要处理的数据之间的关系随数据量呈几何级数增长，急需一种支持海量复杂数据关系运算的数据库，而图数据库就能够解决这样的问题。现在各行各业基本都有使用图数据库，比如：社交领域、零售领域、金融领域、电信领域、旅游领域等等。
特点
特点么？
👨🏫：当然可以。图数据库有以下特点：
- 图数据库由顶点和边组成
- 图数据库中顶点都是实体，边则表示关联
- 顶点和边都可以带多个属性，其中边的一种重要属性是权值
- 边分为有向边和无向边
- 路径表示两个顶点之间的一条通路
- 图数据库一般运行在一台服务器上，需要垂直扩展
