一、非关系型数据库（案例重点）
非关系型数据库按存储方式划分：
- 文档存储：MongoDB、CouchDB
- 键值存储：Redis
- 列存储：HBase
- 图存储：OrientDB
CAP理论
关系型数据库事务的基本理论是ACID（强硬）
CAP: 三个特点3选2
- 一致性（C：Consistency）：做了某些操作后仍处于一致（数据一致）的状态，所有节点在同一时刻有相同的数据。
- 可用性（A：Availability）：所有操作都有响应。
- 分区容忍性（P）：网络发生故障时，物理节点发生故障，其他分区的数据库还能继续运行。
由于CAP的存在，为了提高性能，出现了ACID的变种：BASE，即弱一致性理论。基本可用、无连接、最终一致性。
如果选择CP，那就要考虑ACID，因为需要强硬执行，所以需要ACID
如果选择了AP那就要考虑BASE，即放弃强硬执行，追寻最终一致性。
如果选择了CA，那么在网络发生分区是，就不能进行完整的操作。
分区
分区的主要方法
- 内存缓存：使用频率最高的数据复制到缓存中，提高传输速度。
- 集群：为用户提供服务时的透明性，用户感知不到有分区的存在。
- 读写分离：指定一台或多台服务器，所有或部分的写操作被送至此，同时在设定一定数量的副本服务器满足读的请求。
- 范围分割技术\分片：负载均衡。不会让某个服务器负担很重，大家一起来负担访问量。
存储布局
存储布局确定【如何访问磁盘，以及如何直接影响性能】
分为：
- 行存储和列存储：关系型数据库就是行存储，OLTP操作；列存储是用于非关系型数据库，OLAP操作。列存储查询更优，只需要查询少数几个字段，并且更容易设计更好的压缩、解压算法。
- 带有局部性群组的列存储：根据需要将原本不存储在一起的数据，以列为单位存储在单独的子表中。
- LSM-Tree：解决日志记录索引的问题，以满足高效、高性能、安全的读写要求。
文档存储：mongoDB
键值存储
二、反规范化
目的：将表合并，提高查询效率。
具体反规范化的方法：
- 增加冗余列：多个表保留相同列，减少查询时的连接操作。
- 增加派生列：增加数据计算生成的列。
- 重新组表：将两个表重新组表。
- 水平分割表：将数据放在多个独立表中，适用数据规模较大。
- 垂直分割表：对表进行分割，主键与一部分列生成新表，主键与另一部分生成新表。
习题
1、操作记录在日志文件中
数据存储在数据文件中
2、数据仓库4大特点：相对稳定性 。
三、SQL语言（重要）
操作数据
1、查询： select 列 from 表1,表2 where 条件 age>18
2、分组查询：group by 列 having(条件)
【select 列1,avg(score) from t1 group by 列1 having(avg(score)>60)】
goupy by 的列名需要和前面的列名保持一致，且需要用到聚合函数。
3、更名： select sno as "学号" form t1
4、字符串匹配：%匹配多个字符、_ 匹配任意一个字符。
【select * from t1 where name like 'a_'】可以是ab\ac等a开头只有两个字符的数据。
5、排序：order by sno desc 。 desc代表降序
其他操作
distinct：只保留重复的数据中的一条记录。
union ：两条SQL进行或操作，存在与第一或第二句的都会被选出
intersect ：两条SQL进行交操作，同时存在的才会被选出
min\avg\max
习题
1
解答：
1NF
A
有聚合函数，用零件号进行分组，group by 需要和前面的列保持一致，所以是group by 零件号。
2
1、abcdefg 7个
2、π投影1367对应， R.A,R.C,R.F,R.G A选项
3、R,S
4、B，o选择3<6。