Mongodb 如何决定使用哪种NoSQL技术？

MongoDB（基于文档）、HBase（基于列）和Neo4j（对象图）的优缺点是什么

我特别有兴趣了解每一个的一些典型用例

---

可能有什么幻灯片或Scribd值得介绍的吗？

关于MongoDB和NoRM的文章（MongoDB的网络扩展）

---

我知道这似乎是一个奇怪的地方，但Heroku最近对他们的noSQL产品非常着迷，并且对当前的许多项目都有一个不错的概述。这绝非幻灯片制作，但它将帮助您开始比较过程：

---

MongoDB

可伸缩性：高可用性和一致性，但在关系和许多分布式写入方面表现不佳。它的主要好处是存储和索引无模式的文档。文档大小限制为4mb，索引只在深度有限的情况下才有意义。看

最适合：深度有限的树结构

用例：不同类型的层次结构、生物系统学、图书馆目录

Neo4j

可扩展性：高可用性，但不是分布式的。强大的遍历框架，用于节点空间的高速遍历。仅限于数十亿个节点/关系的图形。看

最适合：具有无限深度和循环加权连接的深图

用例：社交网络、拓扑分析、语义网数据、推理

HBase

可扩展性：PB级及以上的可靠、一致的存储。支持具有有限稀疏属性集的大量对象。与Hadoop协同工作，用于大型数据处理作业

最适合：有向无环图

---

用例：日志分析、语义Web数据、机器学习

检查此选项，以便对NoSQL数据库进行一目了然的比较：

---

您还可以将多模型数据库管理系统评估为第二代NoSQL产品。使用多模型时，在选择一个模型，而不是多个模型时，您不会有所有的折衷

---

第一个多模型NoSQL是。

MongoDB:

MongoDB是文档数据库，不同于关系数据库。文档存储半结构化数据，如JSON对象（无模式）

主要功能：

模式可以随着应用程序的发展而变化

完全索引

负载平衡和数据分片

数据复制

CAP理论中的一致性和分区（一致性可用性分区）

何时使用：

实时分析

高速测井

半结构化数据管理

不使用时：

具有强酸性属性（原子性、一致性、隔离性和持久性）的高度事务性应用程序。在这个用例中，RDBMS是首选的

在涉及关系的数据集上操作-外键等

HBASE:

HBase是一个开源、非关系型、分布式列族数据库

主要功能：

它提供了一种容错方式，存储大量稀疏数据（在大量空数据或不重要数据集合中捕获的少量信息，例如在一组20亿条记录中查找最大的50项，或查找代表不到庞大集合0.1%的非零项）

支持每行不同的变量架构

可以作为MapReduce作业的输入和输出

压缩、内存操作和每列上的Bloom过滤器（一种数据结构，旨在快速、高效地告诉您集合中是否存在元素） 5.在CAP上实现CP

何时使用HBase:

如果按键加载数据、按键（或范围）搜索数据、按键提供数据、按键查询数据

按不符合模式的行存储数据（变量模式）

不使用HBase时：

用于关系分析

全表扫描

要聚合的数据，按行而不是按列进行分析

Neo4j:

Neo4j是使用属性图数据模型的图形数据库（数据存储为图形和节点以及与属性的关系）

主要功能：

支持全酸（原子性、一致性、隔离性和耐久性）规则

使用ApacheLucence支持索引

无模式、自底向上的数据模型设计

由于可用于图形的紧凑存储和内存缓存，实现了高可扩展性

何时使用：

主数据管理

网络和IT运营

实时推荐

欺诈检测

社交网络（如facebook）

不使用时：

批量查询/扫描

如果您的应用程序需要对数据进行分区和分片

在本文中，我们来比较一下各种NoSQL技术

资料来源：

---

Wiki，，，

首先你需要知道你将拥有什么样的数据。HBase如何适用于非循环图？这不是一个像Neo4J这样的图形数据库，你会怎么说呢？这个答案是过时的。对于一个保持最新的伟大比较，请查看Eddie Wong的荣誉，他在下面的回答中指出了这一点。这实际上是一个与新产品保持最新的伟大资源。很遗憾，我不能再次推翻这个答案。