数据科学每日总结--Day16--数据库

数据库

MongoDB

• 概念：是一种NOSQL数据库，以JSON类似的文档来存储数据，而不是表和行

• NOSQL的几类数据库：

  • 键值型 → 简单的 Key-Value 存储（快，但功能有限）

  • 文档型 → 结构化+半结构化数据都能存，还能做复杂查询

  • 列族型 → 存超大规模分布式数据（适合时间序列、大表）

  • 图数据库 → 关系计算很强（朋友圈、路径分析）

• 特点：

  • 文档存储 数据以 BSON（二进制 JSON）格式保存，可以支持更复杂的数据结构，例如嵌套对象 和数组。

  • 灵活的模式 不需要提前定义数据表结构，字段可以根据需求随时添加或删除。

  • 高性能与可扩展性 通过分片和复制集，可以支持大规模数据和高并发访问。

  • 灵活查询 支持丰富的查询、聚合功能，以及地理位置查询等。

  • 面向集合 将文档归类到集合中，相当于关系型数据库里的“表”，但没有固定结构。

• 适用场景：

  • 大数据存储（日志、传感器数据、应用数据）

  • 灵活结构的应用（例如电商的商品信息，每个商品字段可能不同）

  • 实时分析与聚合

  • 内容管理系统

  • 地理信息服务

• 通用情况下都选择MongoDB的原因：

  1. 易用性高 数据结构灵活，插入一条数据几乎不需要建表或定义结构。

  2. 查询能力强 虽然是 NoSQL，但它的查询表达式功能很强大，甚至有聚合管道实现复杂的数据处 理。

  3. 扩展性好 内置分片（Sharding）机制，可以天然水平扩展到多台机器。

  4. 生态成熟 社区活跃，驱动支持多种编程语言（Java、Python、Node.js 等）。

  5. 性能与实时性 高并发写入和查询能力强，适合日志、实时数据分析、IoT 场景。

  6. 通用性 Key-Value 存取性能不错（因为可以直接用 _id 做主键索引，查找相当快），在一 定程度上能替代键值数据库做缓存或快速检索；聚合能力和索引强，可以做一定程度的 大数据分析（虽然大规模 OLAP 不如列族型优秀）；支持图查询插件，也能做简单的 图遍历（但肯定不如真正的图数据库 Neo4j 专业）