前言

伴随着互联网的兴起，人们生产、收集数据的能力大大增强，也更加希望从数据中获得新价值。大数据业务不断出现，例如搜索引擎、推荐系统、位置服务与日志分析等。

传统的关系型数据库可能无法对这些新业务进行有效支撑。首先，关系型数据库的横向扩展能力较差，使之无法对不断增长的大数据进行有效管理；其次，关系型数据库的数据模型严格固定，使之对多源数据或复杂的数据类型的处理能力较差；最后，一些大数据业务对事务机制、一致性和完整性的要求较低，这使得关系型数据库的优势难以发挥作用，反而成为制约。

在这种背景下，多家互联网企业的技术团队不约而同地着手研发非关系型数据库，其核心理念是通过牺牲事务机制和强一致性保障机制，以获得更好的分布式部署能力和横向扩展能力；通过打破关系模型、创造新的数据模型，使其在特定大数据场景下，对特定业务数据的处理性能更佳。

随着新型数据库产品不断涌现，人们开始将一些流行的分布式、非关系型数据库统称为“NoSQL”，一般解释为“Not only SQL”。NoSQL并非一个严谨的概念，它更像一个技术革新运动的口号，代表了一个趋势：大数据时代来临，我们必须为不同的业务场景选择更适合的技术工具，此时不再强调技术工具的全面，而是强调“取舍”。此外，NoSQL并非是对关系型数据库或SQL语言的否定，而是对传统数据库的发展和补充。NoSQL无法代替关系型数据库，就像关系型数据库也无法代替NoSQL。

作为新生事物，NoSQL在技术原理和使用方法上，都和传统数据库有所不同，而且，由于没有统一的标准，不同NoSQL产品之间的技术差别也非常大。这使得传统的数据库用户在产品选型和使用上无所适从，可能遇到以下问题。

第一，不理解不同NoSQL产品的设计理念和技术特点，因此难以进行产品选择。

第二，不理解分布式系统可能遇到的技术问题和解决方法，因此难以进行有效的部署、配置和优化。

第三，习惯使用SQL语句操作数据库，对新的数据库操作方法感到陌生。

针对这些问题，本书希望通过介绍NoSQL数据库的分布式架构、数据模型、数据管理策略等核心原理，使读者能够理解NoSQL数据库的特点，进而判断NoSQL的适用场景。通过介绍典型NoSQL数据库的部署方法、数据操作方法和编程访问方法，使读者学会在实际工作中初步运用这些工具。

本书的前两章介绍NoSQL基本原理，主要突出NoSQL数据库为进行分布式部署、实现高可用性、高效率和易用性等目标所采取的设计方法和功能取舍。

本书的后续章节分类介绍具体的NoSQL数据库，主要选择国内外较为流行的HBase、Cassandra、MongoDB和Neo4j等数据库进行讲解。

HBase是一种经典的、基于列族的NoSQL数据库，一般会和著名大数据工具Hadoop共同部署、配合使用。由于Hadoop是大数据工具的一个事实标准，很多大数据工具都会保持和Hadoop、HBase的兼容性，这使得HBase的应用领域很广，构建各类解决方案的能力很强，在互联网、电信、电力、金融等行业均能看到其使用案例。

通过解读HBase的核心技术原理和使用方法，读者能够对NoSQL产生清晰的第一印象，也能够和其他NoSQL数据库进行对照学习。

Cassandra也是一种基于列族的NoSQL数据库，其特点在于，一方面，采用了环形拓扑结构，避免了主节点单点失效问题；另一方面，提供了类似SQL的CQL语言。通过对Cassandra的学习，读者可以理解列族数据模型的优势和限制，理解这些特点和底层结构相关，和操作方法无关。

MongoDB是一种基于文档模型的分布式NoSQL数据库，其特点在于可以利用单表存储复杂的数据结构，例如列的嵌套，而不必理会关系型数据库所要求的列原子性。此外，MongoDB支持非常灵活的数据查询操作，且在大数据量的情况下，查询性能也很高。

Neo4j是一个图数据库，其分布式部署能力较弱，但数据结构很有特色，适合存储节点和关系模型，例如社交网络上的关注关系、网页之间的链接关系等。

在内容侧重上，本书的覆盖面较大，介绍了多种软件的原理和部署、操作和编程方法。

在原理方面，本书尽可能介绍和NoSQL直接相关的、有特色的技术原理，并尽量用比较通俗的方式进行解释，避免对技术原理进行过于深入的分析。此外，本书给出了一些经典的技术论文，可供学习者做扩展阅读。

在部署方法上，本书主要介绍部署的核心步骤和基本方法，例如尽可能多地采用默认参数等，目的是突出分布式软件的部署需求和重点配置内容。详细步骤将通过配套实验等方式体现。

在使用方法上，本书主要介绍基本的库表操作、数据增删改查方法、数据批量操作方法等，并介绍不同软件所提供的特色功能。受篇幅所限，所介绍的方法在深度和覆盖面上均有所保留。

在编程方法上，本书提供Java和Python两种语言的示例。一般来说，通过Java编程可以实现更多功能和更高的效率；而Python语言更易使用，更容易进行功能验证，学习时可以根据需要进行取舍。为突出主题，本书并未对Java和Python的基础编程方法、开发环境以及如何导入依赖包等问题进行介绍。

考虑到篇幅和难度，本书对于进阶性内容涉及较少，这主要体现在以下几点，缺少分布式环境下的定制化部署、性能优化和运维管理等内容；缺少对多个大数据工具联合使用的方法和步骤的介绍；缺少对认证、授权等安全机制的配置方法介绍；缺少对高级编程方法的介绍等。这些问题要么涉及过多的基础、外延知识和操作步骤，要么所涉及的实践环境很难满足，或者和具体的商业化工具有关。

特别是考虑到一般情况下，实验环境可能有所限制，对于如何在分布式环境下进阶使用和维护NoSQL数据库等内容，本书介绍较少。

限于本人的能力和水平，以及写作时间仓促，书中必然存在错误、疏漏或欠妥之处。恳请各界读者批评指正，以便今后不断完善、改进！

编者
2018年3月