按存储模型分类

按数据模型分类：关系型 & 非关系型，后者又包括 KV 型、面向文档型、图数据库…… 一般来说，用NoSQL 作为“非关系型数据库”的泛称。

关系型（relational）：关系型数据库模型是把复杂的数据结构归结为简单的二元关系（即二维表格形式）。一般使用 B-Tree 作为索引；
典型产品：MySQL、PostgreSQL、SQLite、SqlServer

非关系型（non-relational）：

KV 存储：键值数据库将数据存储为键值对集合，其中键作为数据的唯一标识。可以使用哈希表、跳表等构建索引；
典型产品：Redis、HBase
列存储数据库：列式存储(column-based)是相对于传统关系型数据库的行式存储(Row-basedstorage)来说的。我们知道，平时的查询大部分都是条件查询，通常是返回某些字段（列）的数据。对于行存储数据，数据读取时通常将一行数据完全读出，存在数据冗余，而列存储，每次读取的数据只是需要的部分，不存在冗余性问题。
典型产品：HBase
面向文档数据库（document-based）：此类数据库存储的是文档（XML、JSON、BSON 等格式），这些文档具备可述性（self-describing），呈现分层的树状结构（hierarchical tree data structure）。一般使用倒排索引；
典型产品：MongDB、ElasticSearch
图数据库（graph db）：存储图形关系的数据库。一般的图数据库至少包含图存储、图查询、图分析这三种功能，典型产品：Neo4J、InfoGrid等

../_images/DB.01-数据库分类.png

OLTP vs OLAP

OLTP(online transcation processing)联机事务处理:

多用来解决业务中的事务(ACID: 原子性,一致性,…)问题, 随机读写, 频繁的更改/删除;
不适合数据分析场景: 场景特点(数据量大), 分析和计算能力(OLTP没有, 只能查询到业务层再处理) // 关系型数据库, count/max/group by的实现?

OLAP(online analytical processing)联机分析处理:

OLAP不关数据的事务特性, 也不关注数据的频繁删改, 而是关注大量数据的多维度/复杂分析和计算
OLAP的分类:
- 多维度OLAP（Multi-Dimensional OLAP，简称MOLAP）:
  对数据需要分析的维度预先建模, 在数据存储的物理层面使用cube的结构进行存储(?) 缺点是数据需要预先建模, 优点比下面的关系型OLAP分析计算更快
- 关系型OLAP（Relational OLAP，简称ROLAP）:
  使用类似关系型数据库的存储模型(例如用label取代column), 使用类似SQL的语句进行分析查询, 分析计算更自由(相比多维度OLAP预先建模的方式), 但是海量数据下计分析算速度不如多维度OLAP

➤ 时序业务的特点：

➤ TSDB 核心技术：

➤ 常见 TSDB 产品：

Influxdb：Influxdb是业界比较流行的一个时间序列数据库，特别是在IOT和监控领域十分常见。其使用go语言开发，突出特点是性能。特性：
- 自定义 TSM 引擎
- 简单，高性能的 HTTP 查询和写入 API
- SQL-like查询语言，简化查询和聚合操作
Opentsdb：一个基于 Hbase 的时间序列数据库（新版也支持 Cassandra）@link
- 在数据压缩上，时间戳采用 delta 编码进行压缩，数据值采用 XOR 进行压缩；
- 存储与计算解耦，为 IoT 场景海量数据、动态热点的数据特征量身打造，方便按照并发度和存储量按需独立扩容。采用分布式架构，支持横向水平扩展；
- 空间聚合，支持按照不同的 tag 进行空间聚合和分组计算。
Prometheus 是一个开源的服务监控系统和时间序列数据库。独立地开源监控系统和告警工具，广泛应用于 Kubernetes 生态
Elasticsearch 是一个分布式的开源搜索和分析引擎，适用于所有类型的数据，包括文本、数字、地理空间、结构化和非结构化数据。Elasticsearch 的时序优化可以参考文章: 《elasticsearch-as-a-time-series-data-store》