資料庫橫向擴展
㈠ 關系型資料庫的局限性有哪些難以滿足高並發讀寫的需求
隨著互聯網web2.0網站的興起，非關系型的資料庫現在成了一個極其熱門的新領域，非關系資料庫產品的發展非常迅速。而傳統的關系資料庫在應付web2.0網站，特別是超大規模和高並發的SNS類型的web2.0純動態網站已經顯得力不從心，暴露了很多難以克服的問題，例如：
1、High performance——對資料庫高並發讀寫的需求
Web2.0網站要根據用戶個性化信息來實時生成動態頁面和提供動態信息，所以基本上無法使用動態頁面靜態化技術，因此資料庫並發負載非常高，往往要達到每秒上萬次讀寫請求。關系資料庫應付上萬次sql查詢還勉強頂得住，但是應付上萬次SQL寫數據請求，硬碟IO就已經無法承受了。其實對於普通的BBS網站，往往也存在對高並發寫請求的需求，例如像JavaEye網站的實時統計在線用戶狀態，記錄熱門帖子的點擊次數，投票計數等，因此這是一個相當普遍的需求。
2、Huge Storage——對海量數據的高效率存儲和訪問的需求
類似Facebook，twitter，Friendfeed這樣的SNS網站，每天用戶產生海量的用戶動態，以Friendfeed為例，一個月就達到了2.5億條用戶動態，對於關系資料庫來說，在一張2.5億條記錄的表裡面進行SQL查詢，效率是極其低下乃至不可忍受的。再例如大型web網站的用戶登錄系統，例如騰訊，盛大，動輒數以億計的帳號，關系資料庫也很難應付。
3、High Scalability && High Availability——對資料庫的高可擴展性和高可用性的需求
在基於web的架構當中，資料庫是最難進行橫向擴展的，當一個應用系統的用戶量和訪問量與日俱增的時候，你的資料庫卻沒有辦法像web server和app server那樣簡單的通過添加更多的硬體和服務節點來擴展性能和負載能力。對於很多需要提供24小時不間斷服務的網站來說，對資料庫系統進行升級和擴展是非常痛苦的事情，往往需要停機維護和數據遷移，為什麼資料庫不能通過不斷的添加伺服器節點來實現擴展呢？
在上面提到的「三高」需求面前，關系資料庫遇到了難以克服的障礙，而對於web2.0網站來說，關系資料庫的很多主要特性卻往往無用武之地，例如：
1. 資料庫事務一致性需求
很多web實時系統並不要求嚴格的資料庫事務，對讀一致性的要求很低，有些場合對寫一致性要求也不高。因此資料庫事務管理成了資料庫高負載下一個沉重的負擔。
2. 資料庫的寫實時性和讀實時性需求
對關系資料庫來說，插入一條數據之後立刻查詢，是肯定可以讀出來這條數據的，但是對於很多web應用來說，並不要求這么高的實時性，比方說我（JavaEye的robbin）發一條消息之後，過幾秒乃至十幾秒之後，我的訂閱者才看到這條動態是完全可以接受的。
3、對復雜的SQL查詢，特別是多表關聯查詢的需求
任何大數據量的web系統，都非常忌諱多個大表的關聯查詢，以及復雜的數據分析類型的復雜SQL報表查詢，特別是SNS類型的網站，從需求以及產品設計角度，就避免了這種情況的產生。往往更多的只是單表的主鍵查詢，以及單表的簡單條件分頁查詢，SQL的功能被極大的弱化了。
因此，關系資料庫在這些越來越多的應用場景下顯得不那麼合適了，為了解決這類問題的非關系資料庫應運而生，現在這兩年，各種各樣非關系資料庫，特別是鍵值資料庫(Key-Value Store DB)風起雲涌，多得讓人眼花繚亂。前不久國外剛剛舉辦了NoSQL Conference，各路NoSQL資料庫紛紛亮相，加上未亮相但是名聲在外的，起碼有超過10個開源的NoSQLDB，例如：
Redis，Tokyo Cabinet，Cassandra，Voldemort，MongoDB，Dynomite，HBase，CouchDB，Hypertable， Riak，Tin， Flare， Lightcloud， KiokuDB，Scalaris， Kai， ThruDB， ......
這些NoSQL資料庫，有的是用C/C++編寫的，有的是用Java編寫的，還有的是用Erlang編寫的，每個都有自己的獨到之處，看都看不過來了，我(robbin)也只能從中挑選一些比較有特色，看起來更有前景的產品學習和了解一下。
㈡ 傳統關系型資料庫與MapRece的比較中,橫向擴展的非線性和線性是怎樣的含義
線性擴展的意思，簡單的理解，就是：
獲得的擴展能力和增加的資源成比例。
例如：原有2個tasktracker節點，每個可以運行20個task。現在計算能力不夠了，新增加一個節點，資源相當於增加了50%，那麼，你獲得的擴展了的計算能力，也增加到原來的150%。這是MapRece的擴展能力。
對於傳統關系型資料庫來說，都是單節點的，例如原來用一個mysql來處理，當你覺得計算能力不夠的時候，你沒辦法說我新增一台同樣配置的機器，就把計算能力提高到原來的200%。一般需要更換原來的硬體，才能提高計算能力，那樣就是不是橫向擴展了。
㈢ MySQL資料庫橫向擴展和縱向擴展的區別哪位大神有MySql架構之類的電子書籍，能發給我一份么跪謝
橫向是在表寬度上做優化,將部分表進行折分
縱向是在表數據深度上做優化,將數據進行折分
㈣ 常用的關系型資料庫有哪些
Nosql的全稱是Not Only Sql，這個概念很早就有人提出。Nosql指的是非關系型資料庫，而我們常用的都是關系型資料庫。就像我們常用的mysql，oralce、sqlserver等一樣，這些資料庫一般用來存儲重要信息，應對普通的業務是沒有問題的。但是，隨著互聯網的高速發展，傳統的關系型資料庫在應付超大規模，超大流量以及高並發的時候力不從心。而就在這個時候，Nosql應運而生。
上面說的是NOSQL 的定義.Nosql和關系型資料庫的區別,這里我說明一比較重要的區別。
存儲格式： 關系型資料庫是表格式的，存儲在表的行和列中。他們之間很容易關聯協作存儲，提取數據很方便。而Nosql資料庫則與其相反，他是組合在一起。通常存儲在數據集中，就像文檔、鍵值對或者圖結構。舉個例子，例如在游戲裡面玩家的背包數據，我們都知道一個游戲裡面的道具是很多，而且不確定玩家什麼時候獲取什麼道具，這個時候如果想在關系資料庫裡面存儲數據，這個表怎麼建立就是一個很大的問題，如果你把所有的道具ID 當做表頭 ，那麼後續每增加一個道具，就需要修改這張表。如果你的表結構是 ：
用戶ID|道具ID|道具數量|道具特殊屬性
那麼可以想像一下 這張表隨著用戶的增多會變的多麼的龐大。所以這個時候我們就需要一個能直接像操作玩家對象一樣的資料庫，這里比較代表性的就是mongo ，通過這個我們就可以看出nosql 資料庫更適合存儲結構不確定的數據。
存儲擴展：這可能是兩者之間最大的區別，關系型資料庫是縱向擴展，也就是說想要提高處理能力，要使用速度更快的計算機。因為數據存儲在關系表中，操作的性能瓶頸可能涉及到多個表，需要通過提升計算機性能來克服。雖然有很大的擴展空間，但是最終會達到縱向擴展的上限。而Nosql資料庫是橫向擴展的，它的存儲天然就是分布式的，可以通過給資源池添加更多的普通資料庫伺服器來分擔負載。
上面的的例子已經說明了這個問題。在現代互聯網時代大家都是希望能橫線擴展服務。這樣付出的代價是最小的。
對於上面關系型資料庫和NOSQL 資料庫的區別其實還有很多。我相信大家在用的都會感覺到。上面列出的只是我感覺區別最大的。
那麼NOSQL 這么好用，是不是都可以用了呢，顯示不是這樣，NOSQL 對於聚合查詢顯示不是他的強項。這個時候就需要關系型資料庫。我是這樣建議，對於結構統一，應該存儲於關系型資料庫，對於結構不統一的可以存儲到NOSQL資料庫例如mongo 。但是這個不是絕對的，在實際的項目的開發過程中，需要根據的自己的業務，仔細揣摩一下，做好最合適的劃分。
常見關系型資料庫通常有SQL Server，Mysql，Oracle等。主流的Nosql資料庫有Redis，Memcache，MongoDb。大多數的關系型資料庫都是付費的並且價格昂貴，成本較大，而Nosql資料庫通常都是開源的。在互聯網行業用大多也是免費的MYSQL（這里偷笑一下）。
在實際的項目中大家的項目都是如何選擇的呢？大家可以關注我,私信或者在評論區留言。
㈤ mysql資料庫橫向和縱向擴展是否需要停掉資料庫
mysql資料庫橫向和縱向擴展是否需要停掉資料庫，關鍵看，擴展期間有沒有新的數據寫入，如果有，盡量停掉資料庫。
㈥ 關系型資料庫的局限性有哪些
關系型資料庫的局限性如下：
1、無法引用對象。
在關系型資料庫中，通過SQL語言或視圖可以表達屬性值為對象的這個意思。但資料庫本身並不能表達出來，需要人為設定，如果資料庫設計者忘記了當初的設定，那資料庫里的內容就失去含義了。我們需要的是一個本身能進行更復雜表達的數據組織方法。
如果是在編程語言中，一個對象可以將其地址賦給變數，能夠直接描述對象與對象的關系。
2、相對固定的關系。
作為實體，可以設置不同的二維表結構，可以存放各種各樣的實體，但關系的表達取決於設計者的認識。也就是說，是人為設定的關系。
關系資料庫需要SQL或視圖（本質也是SQL）來定義和描述關系，不能隨需要變化。
3、相對固定的概念分類。
當變化發生時，資料庫的一部分就只能重新設計，一個表需要拆分為兩個表。這種變動會導致一系列的變化，程序、界面、文檔、教程。
關系資料庫對世界認知的相對固定性與世界的動態性有些不合時宜。如此說來，以JavaScript為代表的動態腳本語言就解決了這一問題，可以隨著世界的變化隨意定義屬性。
(6)資料庫橫向擴展擴展閱讀：
關系型資料庫和非關系型資料庫的區別：
1、數據存儲方式不同。
關系型和非關系型資料庫的主要差異是數據存儲的方式。關系型數據天然就是表格式的，因此存儲在數據表的行和列中。
與其相反，非關系型數據不適合存儲在數據表的行和列中，而是大塊組合在一起。非關系型數據通常存儲在數據集中，就像文檔、鍵值對或者圖結構。
2、擴展方式不同。
要支持更多並發量，SQL資料庫是縱向擴展，也就是說提高處理能力，使用速度更快速的計算機，這樣處理相同的數據集就更快了。
雖然SQL資料庫有很大擴展空間，但最終肯定會達到縱向擴展的上限。而NoSQL資料庫是橫向擴展的。非關系型數據存儲天然就是分布式的，NoSQL資料庫的擴展可以通過給資源池添加更多普通的資料庫伺服器(節點)來分擔負載。
3、對事務性的支持不同。
SQL資料庫支持對事務原子性細粒度控制，並且易於回滾事務。
雖然NoSQL資料庫也可以使用事務操作，但穩定性方面沒法和關系型資料庫比較，所以其價值是在操作的擴展性和大數據量處理方面。
㈦ informix如何實現橫向擴展
Informix中有類似於oracle rac的共享磁碟方案。實現細節上與oracle rac稍有差別，但是能達到共同的目標，即容災與負載均衡。通過SDS與連接管理器結合可以達到如下目的：
主庫宕機後備庫自動接管成為新的主庫
切換過程對應用透明，資料庫切換後不需要修改應用。
能夠根據主備機負載情況將讀寫請求均衡的分配到集群中的各個資料庫伺服器
㈧ 大數據的分布式資料庫的發展趨勢如何
現在大數據是一個十分火熱的技術，這也使得很多人都開始關注大數據的任何動態，因為大數據在某種程度上來說能夠影響我們的生活。在這篇文章中我們就給大家介紹一下大數據的分布式資料庫的發展趨勢，希望這篇文章能夠幫助大家更好理解大數據的分布式資料庫的發展趨勢。
其實不論是Hadoop還是分布式資料庫，技術體繫上兩者都已經向著計算存儲層分離的方式演進。對於Hadoop來說這一趨勢非常明顯，HDFS存儲與YARN調度計算的分離，使得計算與存儲均可以按需橫向擴展。而分布式資料庫近年來也在遵循類似的趨勢，很多資料庫已經將底層存儲與上層的SQL引擎進行剝離。傳統的XML資料庫、OO資料庫、與pre-RDBMS正在消亡；新興領域文檔類資料庫、圖資料庫、Table-Style資料庫與Multi-Model資料庫正在擴大自身影響；傳統關系型資料庫、列存儲資料庫、內存分析型資料庫正在考慮轉型。可以看到，從技術完整性與成熟度來看，Hadoop確實還處於相對早期的形態。直到今天，很多技術在很多企業應用中需要大量的手工調優才能夠勉強運行。同時，Hadoop的主要應用場景一直以來面向批處理分析型業務，傳統資料庫在線聯機處理部分不是其主要的發展方向。同時Hadoop技術由於開源生態體系過於龐大，同時參與改造的廠商太多，使得用戶很難完全熟悉整個體系，這一方面大大增加了開發的復雜度，提升了用戶使用的難度，另一方面則是各個廠商之間維護不同版本，使得產品的發展方向可能與開源版本差別逐漸加大。
而分布式資料庫領域經歷了幾十年的磨練，傳統RDBMS的MPP技術早已經爐火純青，在分類眾多的分布式資料庫中，其主要發展方向基本可以分為「分布式聯機資料庫」與「分布式分析型資料庫」兩種。對比Hadoop與分布式資料庫可以看出，Hadoop的產品發展方向定位，與分布式資料庫中列存儲資料庫相當重疊而在高並發聯機交易場景，在Hadoop中除了HBase能夠勉強沾邊以外，分布式資料庫則占據絕對的優勢。目前，從Hadoop行業的發展來看，很多廠商而是將其定位改變為數據科學與機器學習服務商。因此，從商業模式上看以Hadoop分銷的商業模式基本已經宣告結束，用戶已經體驗到維護整個Hadoop平台的困難而不願被強迫購買整個平台。大量用戶更願意把原來Hadoop的部件拆開靈活使用，為使用場景和結果買單，而非平台本身買單。另外一個細分市場——非結構化小文件存儲，一直以來都是對象存儲、塊存儲，與分布式文件系統的主戰場。如今，一些新一代資料庫也開始進入該領域，可以預見在未來的幾年中，小型非結構化文件存儲也可能成為具備多模數據處理能力的分布式資料庫的戰場之一。
我們在這篇文章中給大家介紹了很多有關大數據分布資料庫的發展前景，通過這篇文章我們不難發現資料庫的發展是一個極其重要的內容，只有搭建分布式資料庫，大數據才能夠更好地為我們服務。
㈨ 大數據正在如何改變資料庫格局
大數據正在如何改變資料庫格局
提及「資料庫」，大多數人會想到擁有30多年風光歷史的RDBMS。然而，這可能很快就會發生改變。
一大批新的競爭者都在爭奪這一塊重要市場，他們的方法是多種多樣的，卻都有一個共同點：極其專注於大數據。推動新的數據迭代衍生品大部分都是基於底層大數據的3V特徵：數量，速度和種類。本質上來講，今天的數據比以往任何時候都要傳輸更快，體積更大， 同時更加多樣化。這是一個新的數據世界，換言之，傳統的關系資料庫管理系統並沒有真正為此而設計。「基本上，他們不能擴展到大量，或快速，或不同種類的數據。」一位數據分析、數據科學咨詢機構的總裁格雷戈里認為。這就是哈特漢克斯最近發現。截至到2013年左右，營銷服務機構使用不同的資料庫，包括Microsoft SQL Server和Oracle真正應用集群（RAC）的組合。「我們注意到，數據隨著時間的增長，我們的系統不能足夠快速的處理信息」一位科技發展公司的負責人肖恩說到。「如果你不斷地購買伺服器，你只能繼續走到這幺遠，我們希望確保自己有向外擴展的平台。」最小化中斷是一個重要的目標，Iannuzzi說到，因此「我們不能只是切換到Hadoop。」相反，卻選擇了拼接機器，基本上把完整的SQL資料庫放到目前流行的Hadoop大數據平台之上，並允許現有的應用程序能夠與它連接，他認為。哈特漢克斯現在是在執行的初期階段，但它已經看到了好處，Iannuzzi說，包括提高容錯性，高可用性，冗餘性，穩定性和「性能全面提升」。一種完美風暴推動了新的資料庫技術的出現，IDC公司研究副總裁Carl Olofson說到。首先，「我們正在使用的設備與過去對比，處理大數據集更加快速，靈活性更強」Olofson說。在過去，這樣的集合「幾乎必須放在旋轉磁碟上」，而且數據必須以特定的方式來結構化，他解釋說。現在有64位定址，使得能夠設置更大的存儲空間以及更快的網路，並能夠串聯多台計算器充當單個大型資料庫。「這些東西在不可用之前開辟了可能性」Olofson說。與此同時，工作負載也發生了變化。10年前的網站主要是靜態的，例如，今天我們享受到的網路服務環境和互動式購物體驗。反過來，需要新的可擴展性，他說。公司正在利用新的方式來使用數據。雖然傳統上我們大部分的精力都放在了對事務處理 – 銷售總額的記錄，比如，數據存儲在可以用來分析的地方 – 現在我們做的更多。應用狀態管理就是一個例子假設你正在玩一個網路游戲。該技術會記錄你與系統的每個會話並連接在一起，以呈現出連續的體驗，即使你切換設備或各種移動，不同的伺服器都會進行處理，Olofson解釋說。數據必須保持連續性，這樣企業才可以分析問題，例如「為什麼從來沒有人穿過水晶廳」。在網路購物方面，為什麼對方點擊選擇顏色後大多數人不會購買某個特殊品牌的鞋子。「以前，我們並沒試圖解決這些問題，或者我們試圖扔進盒子也不太合適」Olofson說。Hadoop是當今新的競爭者中一個重量級的產品。雖然他本身不是一個資料庫，它的成長為企業解決大數據扮演關鍵角色。從本質上講，Hadoop是一個運行高度並行應用程序的數據中心平台，它有很強的可擴展性。通過允許企業擴展「走出去」的分布方式，而不是通過額外昂貴的伺服器「向上」擴展，「它使得我們可以低成本地把一個大的數據集匯總，然後進行分析研究成果」Olofson說。其他新的RDBMS的替代品如NoSQL家族產品，其中包括MongoDB -目前第四大流行資料庫管理系統，比照DB引擎和MarkLogic非結構化數據存儲服務。「關系型資料庫一直是一項偉大的技術持續了30年，但它是建立在不同的時代有不同的技術限制和不同的市場需求，」MarkLogic的執行副總裁喬·產品帕卡說。大數據是不均勻的，他說。許多傳統的技術，這仍然是一個基本要求。「想像一下，你的筆記本電腦上唯一的程序是Excel」帕卡說。「設想一下，你要和你的朋友利用網路保持聯系 – 或者你正在寫一個合約卻不適合放進行和列中。」拼接數據集是特別棘手的「關系型，你把所有這些數據集中在一起前，必須先決定如何去組織所有的列，」他補充說。「我們可以採取任何形式或結構，並立即開始使用它。」NoSQL資料庫沒有使用關系數據模型，並且它們通常不具有SQL介面。盡管許多的NoSQL存儲折中支持速度等其他因素，MarkLogic為企業定身量做，提供更為周全的選擇。NoSQL儲存市場有相當大的增長，據市場研究媒體，不是每個人都認為這是正確的做法-至少，不是在所有情況下。NoSQL系統「解決了許多問題，他們橫向擴展架構，但他們卻拋出了SQL，」一位CEO-Monte Zweben說。這反過來，又為現有的代碼構成問題。Splice Machine是一家基於Hadoop的實時大數據技術公司，支持SQL事務處理，並針對OLAP 和OLAP應用進行實時優化處理。它被稱為替代NewSQL的一個例子，另一類預期會在未來幾年強勁增長。「我們的理念是保持SQL，但橫向擴展架構」Zweben說。「這是新事物，但我們正在努力試圖使它讓人們不必重寫自己的東西。」深度信息科學選擇並堅持使用SQL，但需要另一種方法。公司的DeepSQL資料庫使用相同的應用程序編程介面（API）和關系模型如MySQL，意味著沒有應用變化的需求而使用它。但它以不同的方式處理數據，使用機器學習。DeepSQL可以自動適應使用任何工作負載組合的物理，虛擬或雲主機，該公司表示，從而省去了手動優化資料庫的需要。該公司的首席戰略官Chad Jones表示，在業績大幅增加的同時，也有能力將「規模化」為上千億的行。一種來自Algebraix數據完全不同的方式，表示已經開發了數據的第一個真正的數學化基礎。而計算器硬體需在數學建模前建成，這不是在軟體的情況下，Algebraix首席執行官查爾斯銀說。「軟體，尤其是數據，從未建立在數學的基礎上」他說，「軟體在很大程度上是語言學的問題。」經過五年的研發，Algebraix創造了所謂的「數據的代數」集合論，「數據的通用語言」Silver說。「大數據骯臟的小秘密是數據仍然放在不與其他數據小倉融合的地方」Silver解釋說。「我們已經證明，它都可以用數學方法來表示所有的集成。」配備一個基礎的平台，Algebraix現在為企業提供業務分析作為一種服務。改進的性能，容量和速度都符合預期的承諾。時間會告訴我們哪些新的競爭者取得成功，哪些沒有，但在此期間，長期的領導者如Oracle不會完全停滯不前。「軟體是一個非常時尚行業」安德魯·門德爾松，甲骨文執行副總裁資料庫伺服器技術說。「事情經常去從流行到不受歡迎，回再次到流行。」今天的許多創業公司「帶回炒冷飯少許拋光或旋轉就可以了」他說。「這是一個新一代孩子走出學校和重塑的東西。」SQL是「唯一的語言，可以讓業務分析師提出問題並得到答案，他們沒有程序員，」門德爾松說。「大市場將始終是關系型。」至於新的數據類型，關系型資料庫產品早在上世紀90年代發展為支持非結構化數據，他說。在2013年，甲骨文的同名資料庫版本12C增加了支持JSON（JavaScript對象符號）。與其說需要一個不同類型的資料庫，它更是一種商業模式的轉變，門德爾松說。「雲，若是每個人都去，這將破壞這些小傢伙」他說。「大家都在雲上了，所以在這里有沒有地方來放這些小傢伙？「他們會去亞馬遜的雲與亞馬遜競爭？」 他補充說。「這將是困難的。」甲骨文有「最廣泛的雲服務」門德爾松說。「在現在的位置，我們感覺良好。」Gartner公司的研究主任里克·格林沃爾德，傾向於採取了類似的觀點。「對比傳統強大的RDBMS，新的替代品並非功能齊全」格林沃爾德說。「一些使用案例可以與新的競爭者來解決，但不是全部，並非一種技術」。展望未來，格林沃爾德預計，傳統的RDBMS供貨商感到價格壓力越來越大，並為他們的產品增加新的功能。「有些人會自由地帶來新的競爭者進入管理自己的整個數據生態系統」他說。至於新的產品，有幾個會生存下來，他預測「許多人將被收購或資金耗盡」。今天的新技術並不代表傳統的RDBMS的結束，「正在迅速發展自己」IDC的Olofson。贊成這種說法，「RDBMS是需要明確定義的數據 – 總是會有這樣一個角色。」但也會有一些新的競爭者的角色，他說，特別是物聯網技術和新興技術如非易失性內存晶元模塊（NVDIMM）占據上風。以上是小編為大家分享的關於大數據正在如何改變資料庫格局的相關內容，更多信息可以關注環球青藤分享更多干貨
㈩ 關系型資料庫和非關系型資料庫區別
1、數據存儲方式不同。
關系型和非關系型資料庫的主要差異是數據存儲的方式。關系型數據天然就是表格式的，因此存儲在數據表的行和列中。數據表可以彼此關聯協作存儲，也很容易提取數據。
與其相反，非關系型數據不適合存儲在數據表的行和列中，而是大塊組合在一起。非關系型數據通常存儲在數據集中，就像文檔、鍵值對或者圖結構。你的數據及其特性是選擇數據存儲和提取方式的首要影響因素。
2、擴展方式不同。
SQL和NoSQL資料庫最大的差別可能是在擴展方式上，要支持日益增長的需求當然要擴展。
要支持更多並發量，SQL資料庫是縱向擴展，也就是說提高處理能力，使用速度更快速的計算機，這樣處理相同的數據集就更快了。
因為數據存儲在關系表中，操作的性能瓶頸可能涉及很多個表，這都需要通過提高計算機性能來客服。雖然SQL資料庫有很大擴展空間，但最終肯定會達到縱向擴展的上限。而NoSQL資料庫是橫向擴展的。
而非關系型數據存儲天然就是分布式的，NoSQL資料庫的擴展可以通過給資源池添加更多普通的資料庫伺服器(節點)來分擔負載。
3、對事務性的支持不同。
如果數據操作需要高事務性或者復雜數據查詢需要控制執行計劃，那麼傳統的SQL資料庫從性能和穩定性方面考慮是你的最佳選擇。SQL資料庫支持對事務原子性細粒度控制，並且易於回滾事務。
雖然NoSQL資料庫也可以使用事務操作，但穩定性方面沒法和關系型資料庫比較，所以它們真正閃亮的價值是在操作的擴展性和大數據量處理方面。
參考資料來源：網路——關系型資料庫
參考資料來源：網路——非關系型資料庫