SQL与NoSQL的区别

以下是SQL与NoSQL数据库的详细对比，涵盖核心特性、适用场景及技术选型建议：

特性	SQL（关系型数据库）	NoSQL（非关系型数据库）
数据模型	基于表格，严格预定义模式（Schema）	灵活模式，支持文档、键值、列族、图形等
查询语言	使用标准SQL（结构化查询语言）	无统一标准，使用API或特定查询语法（如MongoDB的find）
扩展性	垂直扩展（提升单机性能）	水平扩展（分布式集群，天然支持高并发）
事务支持	强ACID（原子性、一致性、隔离性、持久性）	通常遵循BASE（基本可用、软状态、最终一致性）
一致性	强一致性	最终一致性或可调节一致性模型
适用场景	复杂查询、事务性系统（如金融、ERP）	高并发、大数据量、灵活结构（如社交、IoT）
典型数据库	MySQL、PostgreSQL、Oracle	MongoDB（文档）、Redis（键值）、Cassandra（列族）、Neo4j（图）

SQL（关系型数据库）
- 表结构：数据存储在二维表中，通过主键和外键关联。
- 示例：
```
sql">CREATE TABLE Users (id INT PRIMARY KEY,name VARCHAR(50),email VARCHAR(100)
);
```
- 特点：
  - 需要预先定义表结构和数据类型。
  - 修改表结构（如新增字段）需执行ALTER TABLE操作，可能影响生产环境。
NoSQL（非关系型数据库）
- 文档型（如MongoDB）：
```
{"_id": "507f1f77bcf86cd799439011","name": "Alice","email": "alice@example.com","tags": ["tech", "travel"]
}
```
- 键值型（如Redis）：
```
SET user:1000 "{'name': 'Bob', 'age': 30}"
```
- 特点：
  - 动态模式，支持嵌套数据（如JSON）。
  - 可随时添加新字段，无需预定义结构。

SQL的垂直扩展
- 通过升级硬件（CPU、内存、磁盘）提升性能。
- 瓶颈：单机性能上限明显，成本高昂。
NoSQL的水平扩展
- 通过分片（Sharding）将数据分布到多个节点。
- 优势：
  - 轻松应对高并发读写（如电商秒杀场景）。
  - 支持PB级数据存储（如日志分析）。

SQL的ACID特性
- 原子性（Atomicity）：事务要么全部成功，要么全部失败（如转账操作）。
- 一致性（Consistency）：事务执行后数据库状态符合所有约束（如余额不为负）。
NoSQL的BASE模型
- 基本可用（Basically Available）：系统保证核心功能可用（如允许部分数据延迟）。
- 最终一致性（Eventually Consistent）：数据副本在一段时间后达到一致（如社交媒体的点赞数同步）。

现代技术常结合两者优势：

CAP定理如何影响SQL与NoSQL的选择？
- SQL优先保证一致性（C）和分区容忍性（P），牺牲可用性（A）。
- NoSQL通常优先可用性（A）和分区容忍性（P），牺牲强一致性（C）。
MongoDB是否支持事务？
- 自4.0版本起支持多文档ACID事务，但性能开销较大，需谨慎使用。
如何解决NoSQL的JOIN问题？
- 数据冗余：将关联数据嵌入同一文档（如订单与用户信息）。
- 应用层处理：多次查询并在代码中拼接结果。