本文目录一览：
2019数据架构选型必读:1月数据库产品技术解析
年10月31日，Gartner陆续发布了2018年的数据库系列报告，包括《数据库魔力象限》、《数据库核心能力》以及《数据库推荐报告》。 今年的总上榜数据库产品达到了5家，分别来自：阿里云，华为，巨杉数据库，腾讯云，星环 科技 。
世纪60年代中期，数据库技术是用来解决文件处理系统问题的。当时的数据库处理技术还很脆弱，常常发生应用不能提交的情况。
、其数据面向特定的应用程序，因此数据共享性、独立性差，且冗余度大，管理和维护的代价也很大。数据库系统阶段：（1）、数据结构化。在描述数据时不仅要描述数据本身，还要描述数据之间的联系。
其中，非关系型数据库主要指的是NoSQL数据库，分为：键值数据库、列存数据库、图存数据库以及文档数据库等类型。关系型数据库包含了传统关系数据库系统以及NewSQL数据库。开发大数据安全技术。
数据库设计（Database Design）是指对于一个给定的应用环境，构造最优的数据库模式，建立数据库及其应用系统，使之能够有效地存储数据，满足各种用户的应用需求（信息要求和处理要求）。
大数据技术的体系庞大且复杂，基础的技术包含数据的采集、数据预处理、分布式存储、数据库、数据仓库、机器学习、并行计算、可视化等。
MongoDB自动分片介绍
1、MongoDB使用分片技术对数据进行扩展，MongoDB能自动分片、自动转移分片里面的数据块，让每一个服务器里面存储的数据都是一样大小。
2、MongoDB的分片框架中有3个角色：1）Query Routers：路由 2）Config servers：元数据服务器 3）Shards：数据节点 接着是坐标系的定义：MongoDB可通过索引来获取相关对象的地址，成为“坐标系”。
3、水平扩展能力：MongoDB的分片功能不仅可以用来存储大量数据，还可以提高数据库的读写性能。因为分片可以将数据分散到多个服务器，从而充分利用了服务器的并行处理能力。
4、面向集合存储，容易存储对象类型的数据。在MongoDB 中数据被分组存储在集合中，集合类似RDBMS 中的表，一个集合中可以存储无限多的文档。（2）模式自由，采用无模式结构存储。
5、MongoDB 的数据分块称为 chunk。每个 chunk 都是 Collection 中一段连续的数据记录，通常最大尺寸是 200MB，超出则生成新的数据块。
6、◆自动分片以支持云级别的伸缩性（处于早期alpha阶段）：自动分片功能支持水平的数据库集群，可动态添加额外的机器。
mongodb索引加错了有什么影响
建立索引可以加快检索的性能。同时会降低插入和修改的性能。因为在插入和修改的时候建立索引需要耗费额外的时间。索引的建立需要进行权衡与优化。和关系型数据库是一样的。
索引支持MongoDB中查询的高效执行。如果没有索引，MongoDB必须执行集合扫描，即扫描集合中的每个文档，以选择与查询语句匹配的文档。如果查询存在适当的索引，MongoDB可以使用索引来限制它必须检查的文档数。
唯一性索引对于文档中缺失的字段，会使用null值代替，因此不允许存在多个文档确实索引字段的情况（mysql可以插入多条null，唯一性对此没有约束，因为MySQL将NULL值视为不同的值）。
如果查询存在适当的索引，MongoDB可以使用该索引限制必须检查的文档数。索引是特殊的数据结构，它以易于遍历的形式存储集合数据集的一小部分。索引存储特定字段或一组字段的值，按字段值排序。
nosql数据库的四种类型
key-value键值存储数据库：相关产品： Redis、Riak、SimpleDB、Chordless、Scalaris、Memcached.主要应用： 内容缓存，处理大量数据的高负载访问，也用于系统日志。优点：查找速度快，大量操作时性能高。
NOSQL（Not Only SQL）数据库是一种非关系型数据库，它旨在为大规模数据存储和处理提供更高的性能和更灵活的数据模型。NOSQL数据库主要分为四类：键值存储数据库、文档型数据库、列存储数据库和图型数据库。
nocircle的四大类型为键值（KeyValue）存储数据库、列存储数据库、文档型数据库和图形（Graph）数据库。
常见的Nosql数据库有：Redis数据库 Redis（RemoteDictionaryServer），即远程字典服务，是一个开源的使用ANSIC语言编写、支持网络、可基于内存亦可持久化的日志型、Key－Value数据库，并提供多种语言的API。
No SQL DB是一种和关系型数据库相对应的对象数据库。
nosql数据库有哪些呢？不知道的小伙伴来看看小编今天的分享吧！常见的nosql数据库有Redis、Memcache、MongoDb。
如何提升mongodb中group的效率
1、mongodb的 group 操作对索引的运用是比较差的。
2、在MongoDB中我们将与主键没有直接关系的图书单独提取到另一个集合，用存储主键的方式进行关联查询。当我们要查询文章和评论时需要先查询到所需的文章，再从文章中获取评论id，最后用获得的完整的文章及其评论。
3、“millis”表明了这个查询的执行时间。数字越小，则说明这个查询的效率越高。“n”则表明了实际返回的文档数量。“nscanned“描述了MongoDB在执行这个查询时搜索了多少文档。
4、.分组求和，过滤。类似mysql中的select act，sum（count） from consumerecords group by act having act=charge；（3）.将时间格式化并且按时间分组求count，不推荐使用这种方法。
5、如果我们遇到了一些数据需要跨多个文本或者统计等操作，这个时候可能文档自身也较为复杂，查询操作符已经无法满足的时候，这个时候就需要使用MongoDB的聚合查询框架了。
6、另外一个就是在一定的时间后，所占空间会莫明其妙地增大，所以要定期把数据库做修复，定期重新做索引，这样会提升MongoDB的稳定性和效率。
为什么MongoDB采用B树索引,而Mysql用B+树做索引
Mongodb和Mysql索引选型 1）首先两种数据库都选择平衡m叉树作为底层索引结构，因为平衡树m叉树是同种元素序列情况下的深度最小的m叉排序树。这可以减少m叉树元素查找的深度，从而提升平均查找效率。B树和B+树都是平衡m叉树。
MySQL支持的索引结构有四种：B+树，R树，HASH，FULLTEXT。B树是一种多叉的AVL树。B-Tree减少了AVL数的高度，增加了每个节点的KEY数量。其余节点用来索引，而B-树是每个索引节点都会有Data域。
B+树是对B树的一个小升级。大部分数据库的索引都是基于B+树存储的。MySQL的MyISAM和InnoDB引擎的索引都是基于B+树存储。B+tree是B-tree的变种，数据只能存储在叶子节点。
一个是索引会出现性能问题，另外一个就是在一定的时间后，所占空间会莫明其妙地增大，所以要定期把数据库做修复，定期重新做索引，这样会提升MongoDB的稳定性和效率。
