⑴ 关系型数据库与非关系型数据应用环境上有什么区别，如何选择哪种数据库类型
关系型数据库最典型的数据结构是表，由二维表及其之间的联系所组成的一个数据组织。
优点：
1、易于维护：都是使用表结构，格式一致；
2、使用方便：sql语言通用，可用于复杂查询；
3、复杂操作：支持SQL，可用于一个表以及多个表之间非常复杂的查询。
缺点：
1、读写性能比较差，尤其是海量数据的高效率读写；
2、固定的表结构，灵活度稍欠；
3、高并发读写需求，传统关系型数据库来说，硬盘I/O是一个很大的瓶颈。
二、非关系型数据库
非关系型数据库严格上不是一种数据库，应该是一种数据结构化存储方法的集合，可以是文档或者键值对等。
优点：
1、格式灵活：存储数据的格式可以是key,value形式、文档形式、图片形式等等，文档形式、图片形式等等，使用灵活，应用场景广泛，而关系型数据库则只支持基础类型。
2、速度快：nosql可以使用硬盘或者随机存储器作为载体，而关系型数据库只能使用硬盘；
3、高扩展性；
4、成本低：nosql数据库部署简单，基本都是开源软件。
缺点：
1、不提供sql支持，学习和使用成本较高；
2、无事务处理；
3、数据结构相对复杂，复杂查询方面稍欠。
非关系型数据库的分类和比较：
1、文档型
2、key-value型
3、列式数据库
4、图形数据库
⑵ 关系型数据库和非关系型区别
一、特点不同
1、关系型数据库：传统的关系型数据库采用表格的储存方式，数据以行和列的方式进行存储，要读取和查询都十分方便；关系型数据库按照结构化的方法存储数据；关系型数据库采用结构化查询语言（即SQL）来对数据库进行查询。
2、非关系型数据库：一个Hibari集群是一个分布式系统；个Hibari集群是线性可伸缩的；一个Hibari集群是高度可用；所有的更新都是持久的；所有的更新都是强一致性；所有客户端操作是无锁的。
二、功能不同
1、关系型数据库：关系型数据库十分强调数据的一致性，并为此降低读写性能付出了巨大的代价，虽然关系型数据库存储数据和处理数据的可靠性很不错，但一旦面对海量数据的处理的时候效率就会变得很差，特别是遇到高并发读写的时候性能就会下降得非常厉害。
2、非关系型数据库：可用于云计算应用，如Web电子邮件、社交网络服务，以及其它日常需要储存TB和PB级规模数据的服务。
三、应用领域不同
1、关系型数据库：主要应用于计算机技术，例如在数据库设计中，指定学生Sstudent，专指本科生。
2、非关系型数据库：Hibari可用于云计算环境中，例如 webmail、SNS 和其他要求T/P级数据存储的环境中。Hibari 支持 Java, C/C++, Python, Ruby, 和 Erlang 语言的客户端。
⑶ 非关系型数据库有哪些优缺点
非关系型数据库严格上不是一种数据库，应该是一种数据结构化存储方法的集合，可以是文档或者键值对等。当初我在黑马程序员培训时候就学过。
优点：
1、格式灵活：存储数据的格式可以是key,value形式、文档形式、图片形式等等，文档形式、图片形式等等，使用灵活，应用场景广泛，而关系型数据库则只支持基础类型。
2、速度快：nosql可以使用硬盘或者随机存储器作为载体，而关系型数据库只能使用硬盘；
3、高扩展性；
4、成本低：nosql数据库部署简单，基本都是开源软件。
缺点：
1、不提供sql支持，学习和使用成本较高；
2、无事务处理；
3、数据结构相对复杂，复杂查询方面稍欠。
非关系型数据库的分类和比较：
1、文档型
2、key-value型
3、列式数据库
4、图形数据库
⑷ 听说非关系型数据库现在很流行说是它能处理超大量数据我不太理解为什么非关系型数据库能处理超大量数
非关系型数据库，结构比较简单，逻辑控制相对较少，同等存量下数据量超过关系型数据库，但是处理能力上还是相对的。由于现在云技术的广泛应用，数据间的联系逐渐大相径庭，所以非关系型的数据库开始流行，但是对于数据间有固定模式紧密联系的还是关系型数据库要好，索引和统计起来都h好些！
⑸ 大数据中的商业智能以及非关系型数据库
就目前而言，大数据涉及到了很多技术，这些技术都是能够帮助大家更好地去理解大数据的相关知识，在这篇文章中我们重点为大家介绍一下商业智能和非关系型数据库，希望通过我们的介绍能够让大家真正了解这些关于大数据的知识。
1.商业智能
商业智能一般被叫做BI，即Business Intelligence的缩写，商业智能是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。。当时将商业智能定义为一类由数据仓库、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。由此可见，有关大数据的词汇之间都是有一定的联系的。
2.如何看待商业智能？
把商业智能看成一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取、转换和装载，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理，最后将知识呈现给管理者，为管理者的决策过程提供数据支持。这也是商业智能为什么火热的原因。
3.非关系型数据库
非关系型数据库，简称NoSQL。我们通过网络上面得知NoSQL最早出现于1998 年，是由Carlo Storzzi最早开发的个轻量、开源、不兼容SQL 功能的关系型数据库，2009 年，在一次分布式开源数据库的讨论会上，再次提出了NOSQL 的概念，此时NOSQL主要是指I非关系型、分布式、不提供ACID (数据库事务处理的四个本要素)的数据库设计模式。很多数据科学家对NOSQL 最普遍的定义是“非关联型的”，强调Key-Value存储和文档数据库的优点，至此，NoSQL 开始正式出现在世人面前。
在这篇文章中我们给大家介绍了关于商业智能以及非关系型数据库的知识，上述提到的内容都是需要我们去学习和熟悉的内容，如果真的打算大数据行业的朋友一定要认真学起来 哟！
⑹ 对比关系型数据库，什么情况下使用非关系型数据库
你期望一个更高的写负载
默认情况下，对比事务安全，MongoDB更关注高的插入速度。如果你需要加载大量低价值的业务数据，那么
MongoDB将很适合你的用例。但是必须避免在要求高事务安全的情景下使用MongoDB，比如一个1000万美元的交易。
不可靠环境保证高可用性
设置副本集（主-从服务器设置）不仅方便而且很快，此外，使用MongoDB还可以快速、安全及自动化的实现节点
（或数据中心）故障转移。
未来会有一个很大的规模
数据库扩展是非常有挑战性的，当单表格大小达到5-10GB时，MySQL表格性能会毫无疑问的降低。如果你需要分
片并且分割你的数据库，MongoDB将很容易实现这一点。
使用基于位置的数据查询
MongoDB支持二维空间索引，因此可以快速及精确的从指定位置获取数据。
非结构化数据的爆发增长
给RDBMS增加列在有些情况下可能锁定整个数据库，或者增加负载从而导致性能下降，这个问题通常发生在表格
大于1GB（更是下文提到BillRun系统中的痛点——单表格动辄几GB）的情况下。鉴于MongoDB的弱数据结构模式，添
加1个新字段不会对旧表格有任何影响，整个过程会非常快速；因此，在应用程序发生改变时，你不需要专门的1个
DBA去修改数据库模式。
缺少专业的数据库管理员
如果你没有专业的DBA，同时你也不需要结构化你的数据及做join查询，MongoDB将会是你的首选。MongoDB非常
适合类的持久化，类可以被序列化成JSON并储存在MongoDB。需要注意的是，如果期望获得一个更大的规模，你必须
要了解一些最佳实践来避免走入误区。
⑺ 如何利用非关系型数据库技术创造价值
现在人们不一定需要将数据结构化，就可以利用NoSQL数据库架构解决他们的新数据需求，也可以将这些新技术与传统关系型数据进行整合，从大数据中挖掘出新价值。 直到现在，数据作为深度业务洞察力来源的潜力仍然受其结构的限制。如果没有新出现的数据库技术，我们只能采用标准的后台设计方法，将数据限定在死板的架构中，而无法体现实际数据结构的多样性。由于内部不够灵活，这些传统架构将妨碍组织开发结构化与非结构化信息的新用例。 非关系型数据库架构的持续流行使数据管理出现了转折点。最新出现的技术是一些新的横向扩展非结构化数据库，它们更适合解决一些问题，同时传统的关系型数据库仍然在其他领域保持原来位置。 技术的发展使各种组织不再受限于数据库架构的选择。随着竞争领跑者发现了满足特殊数据需求的数据库方法，我们在2012年看到了下面三种重大变革：随着数据架构师开始接受架构与设计工具套件的发展——从关系型数据库转变为增加各种成熟的非关系型技术（NoSQL数据库系统），数据库领域重新洗牌。由于革命性技术和方法（如具有超大规模数据高效处理能力的Apache Hadoop）的推动，混合数据生态系统越来越流行。响应速度更快的数据管理生态系统的出现，提供了一种灵活实现规模化低成本的原型化交付（经过行业验证）的新方法。 从现在起，明智的分析主管将致力于将用例具体化到最佳的平台上。他们不会过度关注于新技术的可用性，而是去发现一些整合关系型与非关系型数据库“契合点”，从中挖掘出超越原始用途的信息价值。 通过利用新的数据架构方法，越来越多的组织将能够发现和探索数据商业化的突破点。 正如通信运营商从他们处理在大量客户数据中挖掘出宝贵的B2B收益来源一样，其他商业公司也将通过更好地利用现有数据来发现新的业务增长点。 重新考虑数据的存储、处理和细化方式，意味着需要重新评估传统的数据管理方法。直到现在，数据仍然被视为一种结构化资产和必须维护的成本中心。 新数据库架构的出现，意味着这种看法将彻底改变。服务主导的数据管理将要求IT主管考虑一个问题：业务如何能够最轻松地利用现有数据和之前未能获得的数据？ 敏捷数据服务架构 随着越来越多架构方法的出现，数据生命周期会缩短，并且变得越来越敏捷。数据管理方法将不再致力于“过度控制”数据，而是逐渐减少条条框框。其中一个主要目标是通过鼓励和利用数据共享发掘新的潜能。亚马逊是这个领域的先锋。通过使用敏捷数据架构建立面向服务的平台，这家公司已经能够为客户提供新型云存储和数据管理服务——同时使他们自己能够灵活处理一些未知服务的未来需求。 非关系型数据库的空前流行复兴了常规架构和“传统”数据管理方法的作用。从现在开始，分析主管们需要转而采用混合架构，以最佳方式整合两种技术，去利用现在海量结构化和非结构化信息的全新洞察力。总之，数据管理专业人员的“黄金时代”已经到来。】
⑻ 非关系型数据库主要包括几类各有什么特点
NoSQL描述的是大量结构化数据存储方法的集合，根据结构化方法以及应用场合的不同，主要可以将NoSQL分为以下几类。
(1)Column-Oriented
面向检索的列式存储，其存储结构为列式结构，同于关系型数据库的行式结构，这种结构会让很多统计聚合操作更简单方便，使系统具有较高的可扩展性。这类数据库还可以适应海量数据的增加以及数据结构的变化，这个特点与云计算所需的相关需求是相符合的，比如GoogleAppengine的BigTable以及相同设计理念的Hadoop子系统HaBase就是这类的典型代表。需要特别指出的是，Big Table特别适用于MapRece处理，这对于云计算的发展有很高的适应性。
(2)Key-Value。
面向高性能并发读/写的缓存存储，其结构类似于数据结构中的Hash表，每个Key分别对应一个Value,能够提供非常快的查询速度、大数据存放量和高并发操作，非常适合通过主键对数据进行查询和修改等操作。Key-Value数据库的主要特点是具有极高的并发读/写性能，非常适合作为缓存系统使用。MemcacheDB、BerkeleyDB、Redis、Flare就是Key-Value数据库的代表。
(3)Document-Oriented。
面向海量数据访问的文档存储，这类存储的结构与Key-Value非常相似，也是每个Key分别对应一个Value,但是这个Value主要以JSON(JavaScriptObjectNotations)或者XML等格式的文档来进行存储。这种存储方式可以很方便地被面向对象的语言所使用。这类数据库可在海量的数据中快速查询数据，典型代表为MongoDB、CouchDB等。
NoSQL具有扩展简单、高并发、高稳定性、成本低廉等优势，也存在一些问题。例如，NoSQL暂不提供SQL的支持，会造成开发人员的额外学习成本;NoSQL大多为开源软件其成熟度与商用的关系型数据库系统相比有差距;NoSQL的架构特性决定了其很难保证数据的完整性，适合在一些特殊的应用场景使用。
⑼ 什么是非关系型数据库，如何定义
愤怒