本文始发于个人公众号：TechFlow，原创不易，求个关注
今天是分布式专题的第14篇文章，我们一起来看看NoSQL数据库。
其实我很早就想写写分布式数据库相关的文章，既是我现在正在学习的，也是我很感兴趣的内容。但是谈到分布式数据库，会涉及很多相关的技术细节，等把相关的一些细节写明白的时候，已经十几篇文章过去了XD。所以如果想要了解B/B+树、LSMT、CAP等技术细节的，可以翻翻之前的文章。今天我们来聊聊NoSQL这个概念。
noSQL的大概意思
noSQL现在非常火，我看过的简历里面十个有九个都写了熟悉noSQL，但是对于noSQL背后的细节却很少有人能讲清楚，甚至连noSQL里面的这个no是什么意思都很多人搞错。这个no并不是not的意思，而是not only的缩写。不得不说这个缩写实在是很坑爹，单从字面上应该没人能猜出来它是这个意思。而且即使解读成not only SQL，还是有点云里雾里，不是很能精准地get到它的点。
因为SQL的英文全写是structured query language，也就是结构化查询语言的意思。它可以认为是一门特殊的编程语言，但“不仅仅是SQL”是啥意思？的确令人费解，所以我们从字面意思上去理解是不行的，我们需要从实际应用场景去理解。
SQL的应用场景是关系型数据库，比如我们常用的Oracle、MySQL，这些就是关系型数据库。我们理解数据库的时候，往往会从表的结构入手去理解。数据库当中存储的是一张张的表，表呢是一行行数据组成的，而每一行数据都有固定的字段。我想这点大家应该非常熟悉，即使没有学过数据库或者是像我这样已经还给老师的，应该或多或少都有印象。
但是为什么它会被叫做关系型数据库，而不是表结构数据库呢？
因为在数据库当中，关系要比表结构更重要。表结构只是一种形式，而数据库当中核心的设计理念其实是关系。这也是为什么我们学习数据库的时候都需要从ER图开始，而不是上来就讲数据库使用的方法，或者是SQL语言的细节。如果你想不明白这句话的含义，也没有关系，我们先放一放，最后再回到这个话题来。
问题来了，我们知道了常用的SQL数据库是关系型数据库，那么noSQL代表的数据库又是什么呢？
关于noSQL概念我至少看到了两种说法，一种说法是非关系型数据库，另一种说法是文档型数据库。我个人在理解的时候觉得这两种说法都不是非常完美，但相比之下显然是第二种更好，因为第一种说法完全没有给我们提供任何信息。文档型数据库这里的文档，并不是我们常规理解的一篇文档的含义，而是指的数据存储的结构和核心逻辑。
一个生动的例子
和大多数技术上的概念一样，noSQL也比较晦涩，很难单纯用语言将它描述清楚。所以我决定举一个生动活泼，大家都耳熟能详的例子——就是万能的X宝。
下面是一张X宝当中的商品详情页的图（随便选取，并非广告，如有巧合，请付推广费）：
这张图大家应该都很熟悉了，在我们平时的网上购物的活动当中，一定见过了许多次。它看起来有些眼花缭乱，我们把上面的内容做个抽象和精简，画成一张草图，它大概是这样的（的确有些草率）：
也就是说我们把一个商品详情页展示的内容大概分成了三个部分，一个部分是商品图，一个部分是商品的一些介绍说明，还有一个部分是用户的评论。各大电商公司商品详情页的设计大同小异，也许有些细节不太一样，但是整体上的模块都相差不大。
为了简化问题，我们就假设商品详情页需要关联图片信息、文字说明和用户评论这三张表。其实这样划分不太科学，比如文字介绍和商品图可以都存在商品详情页的表中，比如除了这些信息之外，还有商品的售卖信息，比如库存、价格、当前的优惠、活动等等，但是这些和我们最后的结论关系不大，可以简单这么理解。
根据上面的划分方式，我们应该根据itemId去查询商品的图片、文字以及评论信息，这从表面上看当然没有问题。但实际上这是有问题的，问题在于这些数据都不是一对一的关系，而是一对多的关系。
比如头部展示的图片往往不止一张，文字说明可能也不止一段，同样用户的评论可能也不止一条。这个问题怎么解决呢？
你可能会想出办法来，这不难啊，我们在img和text以及comment的表里都加入itemId这个字段，在我们查询的时候通过itemId进行关联，不就OK了么？
这样做当然可以，假设你是负责这个项目的程序员，你做出了这个更新，成功上线了之后，产品又给你提了一个新的需求。她说我想要在文字介绍和用户评论里面都展示图片，虽然系统一开始不是这么设计的，但是我不管，我就是需要，立刻马上。
你翻了好一会白眼，冷静了许久，想了想，终于想到了两种方案，第一个方案是在目前的图片表上加上字段，用来判断图片的用途是详情页展示还是评论页展示，把之后要加的文本介绍和评论页中的图片依然存在这张表上。第二个方案是重新建新的表，专表专用，专门负责存放评论页和说明页的图片。
第一个方案的好处是我们不用建新的表，避免了表的冗余，如果每一个需求都需要建新的表，显然对于后续的维护是一个巨大的负担。但是它的缺点是我们需要批量修正之前所有的数据，因为之前的数据里没有来源这个字段。当然你也可以不加这个字段，直接用id区分，但是这是不符合规范的，而且必然会留下安全隐患。
第二个方案的优点是操作简单，不需要变更之前的数据，安全风险较小，但问题是需要占用新的资源，利用率低，因为有些详情页的图片和顶部的图片是可以共用的，这样分开存储的话就需要存储多份。
这两个方案各有优缺点，似乎都还不错，但坑爹的是它们都有一个共同的缺点，就是都会增加目前系统和查询的复杂度。一个是要增加查询时候传入的字段，一个是要发起额外的查询，不论选择哪一个，都会让系统越来越复杂。到了后来，一个用户请求传来，会带动数十个联动请求，才能拼装出完整的数据。现在最新版本的X宝的详情页商品介绍的部分一律用图片展示，没有了文字，也许背后就是受到这个问题的驱动。
我们回顾一下这个例子，为什么我们的查询会很复杂，其实就和数据库的核心理念有关。关系型数据库存储的数据是关系，在这个问题当中，我们一个详情页的查询，需要查询商品和图片的关系，商品和说明的关系，商品和评论的关系，评论和图片的关系等等。也就是说我们最终看到的页面，其实是这一系列关系拧在一起的结果，每一次查询的背后都是一个关系分解再合并的过程，因此会非常复杂。
文档型数据库
我们刚才看了关系型数据库在电商场景下的问题，我们再来看下文档型数据库在同样场景下的表现。
和关系型数据库不同，文档型数据库存储的核心是文档。当然这里的文档指的不是我们通常意义上的文档，而是json或者是xml格式的数据。在目前的noSQL数据库当中，json类型的数据更加常用一些。我们还用刚才详情页的例子来看下在noSQL数据库当中，这份数据是如何存储的：
{
"itemID": 123,
"itemName": "iPad Pro",
"topImgs": ["imgs1.path", "imgs2.path"],
"desc": [{"text": "iPad Pro", "img": ""}, {"text": "2020 new version", "img": "imgs1.path"}],
"comments": [{"userName": "chengzhi", "comment": "good product", "imgs": ["imgs3.path", "img4.path"]}]
}
你看，在文档型数据库当中刚才复杂的、需要经过多次查询经过一系列处理才可以拧到一起的数据，我们通过itemID一次查询就可以获取到了。
单纯从使用上来说，它比关系型数据库要方便了许多，但是它也并不是没有缺点的。这其中一个很大的问题是，我们把所有数据都直接存储在了文档当中，这一方面造成了数据的冗余，另一方面也限制了拓展性。比如说，同一个商家下类似的商品不能共享图片，而必须存储多份，这造成了空间的浪费。再比如，假设我们希望支持用户修改之前过去的评论会非常麻烦，因为我们必须要找到所有存储了用户评论的文档进行修改（假设在其他场景下也用到了用户评论），这往往是跨系统并且非常不方便的。
这个问题也并不是不可解的，比如我们可以把文档当中存储的具体数据换成一个id，比如comment当中不再存储具体的图片和评论信息，而存储一个评论的id，在使用的时候再去关联。由于文档型数据库由于架构的原因，对于关联的支持并不好，往往需要我们手动根据ID再去查询来模拟连接，这也会带来额外的开销。
另外一个小瑕疵是在文档型数据库当中我们访问数据的路径变长了，举个例子，加入我们要获取商品评论当中的第二条中的第一张图片。我们需要写成item['comments'][1]['imgs'][0]，而在关系型数据库当中，由于图片是通过关系直接查询得到的，因此要方便一些。
除了这些之外，noSQL数据库发展的年限和MySQL这些较成熟的关系型数据库相比要短得多，因此支持的特性相对比较少。
总结
通过一个例子，我们很生动地对比了关系型数据库和noSQL数据库之间的差别。我们再回到文章开头的那个问题，为什么我们在学习数据库的时候需要先从ER图开始，而不是直接学习数据库的原理和它的使用方法呢？
我想理解了上面的例子之后，再来看这个问题应该会简单许多。因为关系型数据库的核心逻辑就是存储关系，使用规范、各种技巧和特性，本质上都是围绕这个核心展开的。如果我们没有get到这一层就来使用数据库很容易走偏，很多匪夷所思的操作就是这么来的，比如有人在数据库当中存储前端页面的代码，比如把id拼接成一个字符串来实现存储多个值等等。这也说明了经典教材上的内容没有废话，每一个章节都有它预期的作用，因此当我们觉得某些内容没有用的时候，可能并不是教材错了，只是我们没有理解到位。
今天的文章就是这些，如果觉得有所收获，请顺手点个关注或者转发吧，你们的举手之劳对我来说很重要。
