Nosql 产品目录-文档库或列族库

想知道哪种技术更适合网店的典型产品目录。我正在写一篇关于企业环境中的nosql的硕士论文，我想我很长一段时间都在关注文档存储。 阅读大量推荐文档库的文章，因为它的灵活性需要为数千种不同的产品建模。但据我所知，像卡桑德拉这样的Column家族商店也提供同样的灵活性

我最喜欢使用cassandra的想法是nosql-database.org对它的描述（标记了最有趣的特性）：

大规模可扩展，分区行存储，无主架构，线性规模性能，无单点故障，跨多个数据中心和云可用性区域的读/写支持。API/查询方法：CQL和Thrift，复制：对等，用Java编写，并发性：可调一致性，杂项：内置数据压缩，MapReduce支持，主/次索引，安全功能

最后，我将重点放在构建一个高可用、可扩展的多跳系统的原型上，该系统利用polyglot持久性，比如会话的K/V存储，产品目录的文档存储或列族存储，以及库存/定价的RDBMS，如Sadalage和Fowler在其《NoSQL Destinled》一书中提到的

如果可能，为你的答案提供科学论文或其他可靠来源

谢谢

文件商店的致命弱点 提到文档存储是最大的模式锁定解决方案，它太死板了，我同意这一点。Coach/Mongo和其他人试图通过提供解决方案来创建次要标识、了解普通对象ID的能力和必要性等来缓解这种情况。当然，如果您考虑版本控制（即向系统中添加“时间”变量），文档存储很快就无法提供平滑的支持和时间旅行

列存储：问题相关性 Cassandra是构建“可伸缩”/“分布式”系统的一个非常有吸引力的解决方案，例如Netflix，500个Cassandra节点可以在AWS中运行几分钟，所有请求都会命中Cassandra环

然而，考虑到你在问题中提到的问题，卡桑德拉将是一个不必要的过激行为。这不仅是因为它比“其他”要复杂一点，或者是因为在面向列的存储上创建一个可靠的数据模型在心理上比较困难，还因为“产品目录”问题不完全是一门火箭科学。如果您想在以后添加机器学习以预测/识别等，则可以这样做，但目录本身并非如此，更简单的存储（例如）将很容易解决此问题

对NoSQL的简单渴望

如果你真的想使用NoSQL来做产品目录，我一定会考虑3个适合你的原型的解决方案：

• 作为“会议的K/V”
• 解决“产品目录、库存和定价”
根据问题的大小和性质和最终的解决方案，我会考虑缓存这些会话，同时让Datomic舒服地坐在Riak的顶部作为其存储服务。

实践与理论 两篇经典的NoSQL论文第一次让NoSQL在实践中听起来是真实的，分别是和。我认为Datomic是DB宇宙中的下一个进化步骤，通过引入一个具有真正的指示符和关系而没有模式锁的混合数据模型，以及从以下各个方面实现的不可逆性：安全时间旅行、缓存、本地DB值等。 实际上，如果不是一篇硕士论文，根据实际问题的规模和定义，我会选择Datomic和PostreSQL来解决目录、库存、定价等问题

• Datomic的一大优势是时间旅行。在实践中，能够在“购物系统”中安全轻松地完成这项工作是非常重要的

• PostgreSQL的一大优势是它的熟悉性以及用于分析和报告的SQL工具的可用性

文档存储的致命弱点 提到文档存储是最大的模式锁定解决方案，它太死板了，我同意这一点。Coach/Mongo和其他人试图通过提供解决方案来创建次要标识、了解普通对象ID的能力和必要性等来缓解这种情况。当然，如果您考虑版本控制（即向系统中添加“时间”变量），文档存储很快就无法提供平滑的支持和时间旅行

列存储：问题相关性 Cassandra是构建“可伸缩”/“分布式”系统的一个非常有吸引力的解决方案，例如Netflix，500个Cassandra节点可以在AWS中运行几分钟，所有请求都会命中Cassandra环

然而，考虑到你在问题中提到的问题，卡桑德拉将是一个不必要的过激行为。这不仅是因为它比“其他”要复杂一点，或者是因为在面向列的存储上创建一个可靠的数据模型在心理上比较困难，还因为“产品目录”问题不完全是一门火箭科学。如果您想在以后添加机器学习以预测/识别等，则可以这样做，但目录本身并非如此，更简单的存储（例如）将很容易解决此问题

对NoSQL的简单渴望

如果你真的想使用NoSQL来做产品目录，我一定会考虑3个适合你的原型的解决方案：

• 作为“会议的K/V”
• 解决“产品目录、库存和定价”
根据问题的大小和性质和最终的解决方案，我会考虑缓存这些会话，同时让Datomic舒服地坐在Riak的顶部作为其存储服务。

实践与理论 两篇经典的NoSQL论文第一次让NoSQL在实践中听起来是真实的，分别是和