NoSql大比拼--方案

NoSQL数据库大比拼: Cassandra, HBase, MongoDB, Riak一文提供了这四个NoSQL数据库读 修改等操作的不同性能比较。是最新的一份全面报告。

该比较是以延迟和吞吐量为衡量指标，吞吐量越大，造成的延迟就越大，这是一对矛盾，那么哪个NoSQL数据库能够在这对矛盾中做得更好呢？

首先是大量数据Load加载，一亿的数据加载比较如下：

横坐标是吞吐量，纵坐标是延迟，吞吐量越大，延迟越小越好，图中HBase获胜。

修改为主

读修改比例: 50/50，这是模拟典型电子商务应用的操作比例，重量修改操作下四个数据库的写能力比较图如下：

HBase 和 Cassandra 写性能方面遥遥领先。

HBase客户端配置为 AutoFlush关闭. 修改聚合在客户端buffer中，一旦缓冲满了，将异步追加写flushed，为了加速服务器端修改处理， 启用延迟日志 flush。在flush阶段WAL edits保存在内存中。

Cassandra写可变数据到commit日志，然后内存in-memory Memtable表更新，这将会慢些，但是比HBase的延迟日志flush将更安全。

下图是各个数据库在读方面能力的性能比较图：

HBase 和 Cassandra不但写能力领域，在电子商务读写1:1情况下，读能力也很强，据此可以认为HBase 和 Cassandra适合读修改1:1的应用场合。

读为主

Workload B组的比较是以读为主的场景下，95%读，5%写，适合CMS内容管理等系统，下图是四个数据库在这种情况下读性能比较

传统MYSQL在碎片分区下Sharded MySQL读性能最好，MongoDB因为内存映射文件(Memory-mapped files )类型的缓存名列第二， 内存映射文件用户所有MongoDB的磁盘I/O； Cassandra的主键key和列缓存能够有利于频繁读取数据，特别是0.8版本增加了off-heap(超越JVM内部Heap)列缓存特性，显示它有相当的读取性能。主键key缓存保存每一列所有的Key在。因此不再需要查询SSTable索引文件，得益于行缓存，也不必从SSTable中读取行数据；而HBase的随机读取性能就慢了。

那么在以读为主的操作中，四个数据库的修改性能如何？

还是HBase和Cassandra获胜。看来这两个数据库写能力一直很坚强。

纯粹读-只读

只读情况下，sharded MySQL因为缓存和B-tree索引获得胜利。

扫描Scan

按顺序扫描记录，随机选取一个记录key. 扫描记录数也是在1-100随机选择。Read/update/insert比例: 95/0/5 

以插入数据为主

Insert-mostly以插入数据为主方式，比例Insert/Read: 90/10 

HBase性能最好：高吞吐量低延迟。

总结：根据自己业务应用系统的读写频繁度选择相应的NoSQL。

命令查询的责任分离Command Query Responsibility Segregation (简称CQRS)模式是一种架构体系模式，能够使改变模型的状态的命令和模型状态的查询实现分离。这属于DDD应用领域的一个模式，主要解决DDD在数据库报表输出上处理方式。

　　Greg Young在infoQ的采访中“State Transitions in Domain-Driven Design”谈到了CQRS，Greg 解释了把领域模型分为两种：状态校验，以及状态转换，维持当前状态的一个视图

在客户端就将数据的新增修改删除等动作和查询进行分离，前者称为Command，走Command bus进入Domain对模型进行操作，而查询则从另外一条路径直接对数据进行操作，比如报表输出等。

　　当一个Command进来时，从仓储Repository加载一个聚合aggregate对象群，然后执行其方法和行为。这样，会激发聚合对象群产生一个事件，这个事件可以分发给仓储Repository，或者分发给Event Bus事件总线，比如JavaEE的消息总线等等。事件总线将再次激活所有监听本事件的处理者。当然一些处理者会执行其他聚合对象群的操作，包括数据库的更新。

　　因为领域对象操作和数据库保存持久这两个动作分离，因此，数据表结构可以和领域对象松耦合(JiveJdon源码可展示领域对象和数据表不再是一对一对应依赖，这也是使用Hibernate 等ORM框架容易造成的问题)，你可以优化数据表结构专门用于查询。

　　再者，由于事件驱动了领域模型的状态改变，如果你记录这些事件audit ，将可以将一些用户操作进行回放，从而找到重要状态改变的轨迹，而不是单纯只能依靠数据表字段显示当前状态，至于这些当前状态怎么来的，你无法得知。当你从数据库中获得聚合体时，可以将相关的事件也取出来，这些叫Event Sourcing，事件源虽然没有何时何地发生，但是可以清楚说明用户操作的意图。

　　虽然这种架构有些复杂，但是好处却很多，主要的是实现透明的分布式处理Transparent distributed processing，当使用事件作为状态改变的引擎时，你可以通过实现多任务并发处理，比如通过JVM并行计算或事件消息总线机制，事件能够很容易序列化，并在多个服务器之间传送，(EJB提倡贫血失血模型，实际就是为解决胖模型在多个服务器之间传送时序列化耗费性能，现在我们不序列化模型，而是改变模型数据的事件)。