Nosql 学习笔记（一）
如今Nosql 可谓炙手可热，各大社交网站facebook，twitter等也纷纷用上了nosql的产品，这几天借着团队分享的春风，也大概学习了下，还非常粗浅
1.主流的Nosql 数据存储系统
facebook、twitter和digg使用的cassandra
日本前两位的社交网站使用的 Tokyo Cabinet、Tokoy Tyrant (TT)
提供更加丰富的查询的mongoDB
2. Nosql 能做什么，有什么特性
通过数据分区复制来达到高可靠性（High Availability）和高可伸缩性（High Scalability）
以文件的形式同样可以满足海量数据存储（Huge Storage），cassandra在数据达到
各个节点是对称的，没有中心节点，这样就保证了不会出现单点故障（有中心点就存在中心点down掉的可能，这时候所有的应用就不可用了）
3. Nosql 不能做什么
关联查询，以cassandra的hector为例，必须通过自己生成的ID来做分布操作，查询时也是分两步查询
我们可以先生成一个uuid 用于关联
guid = post.first.to_guid
我们可以用如下类似外键的方式来做关联
multiblog.insert(:Comments, guid,
{UUID.new => 'I like this cat. - Evan'})
multiblog.insert(:Comments, guid,
{UUID.new => 'I am cuter. - Buttons'})模糊查询
group by 操作
order by操作
4. 基于如上的一些缺点，Nosql并不能完全代替了关系数据库，他在复杂业务面前显得脆弱无比，只能用于一些简单的业务。当然应该有方法解决如上一些难题，比如order by应该可以用通过程序来排序，但是这肯定不是最好的方法，效率也不高， Nosql不能满足如上业务的根本问题在于存储结构过于简单，如果它也可以和搜索引擎的索引一样，能够建立8种文件的存储结构，肯定也是可以满足 like查询， order by操作的。这又和海量存储有矛盾，当一个value被存储成非常复杂的结构时，字节数会变的异常的大。
5. 培训中一些问题的总结和理解
（1） 做了一个hector的小例子，查询时报运行出错，而在linux客户端运行是正常返回查询结果的。
分析：说明连接的机器是没有问题，问题在集群配置上
解决方法：只启动了一台机器，却把副本数设置成了2，导致客户端java程序查询时会出错。
storage-conf.xml里面replicationFactor设置为1，重启，ok了
（2） 什么是CAP原理
这里是网上找的一个解释，CAP原理中，有三个要素：
- 一致性(Consistency)
- 可用性(Availability)
- 分区容忍性(Partition tolerance)
CAP原理指的是，这三个要素最多只能同时实现两点，不可能三者兼顾。因此在进行分布式架构设计时，必须做出取舍。而对于分布式数据系统，分区容忍性是基本要求，否则就失去了价值。因此设计分布式数据系统，就是在一致性和可用性之间取一个平衡。对于大多数web应用，其实并不需要强一致性，因此牺牲一致性而换取高可用性，是目前多数分布式数据库产品的方向。
Nosql正式牺牲了这种一致性，而保证了其它两个方面，试验中可以看到，数据存储速度不是那么块，通常两秒钟以后才能得到数据。
(3). 当有5台机器，配置了2个副本，两个副本如何存储
采用一致性hash 算法（consistent Hashing），先求出服务器节点的hash值，并将其映射到0~2^32的圆上，然后用同样的方法求出存储数据的键的hash值，并映射到圆上，然后从数据映射的位置开始顺时针查找，将数据存储在找到的第一个节点上，如果超过了2^32仍然找不到，这样就保存在第一个节点上。
这样添加了一个节点后，只有添加节点的逆时针第一台机器上的数据需要迁移。迁移量小。
(4). cassandra删除数据如何操作
Thrift是其自带的api，hector只是对其进行封装，删除是有相应Api的，只是不能保证数据立刻同步，但最终会一致的，前面已经说了它牺牲了一致性。
(5). Cassandra在数据最很大时，数据库文件可以分开吗？
这本身就是不存在一个表的概念，你可以将相同的数据结构定义为两个CF，对于没有定义两个，当文件太大的时候是否会分出来，节省读入内存的文件占用，需要研究。
(6). Cassandra负载是由客户端来处理吗？如果不是，那么客户端是如何知道从哪里取数据？
应该是由客户端路由的，需要进一步研究
接下来的重点是看代码，弄清楚原理，考虑是否可以对cansandra存储结构进行修改，是否可以解决如上的缺点