數據庫系統是否更適合社交網絡？

Question

這個問題是文章「Why are Facebook, Digg, and Twitter so hard to scale?」由highscalability.com

啓發那麼數據庫系統（但是模糊的）都在那裏，就能夠處理這種類型的數據的更好嗎？

Answer 1

擁有一個數據庫系統，其中數據模型是針對您試圖表示的數據結構定製的，通常是有利的。社交網絡非常適合Graph數據庫，如Allegro Graph,Neo4j等。

關於如何在圖數據庫中表示社交網絡，使用Neo4j的示例有good article at the Neo4j blog。

圖形數據庫的好處是存儲數據，因此實體之間的遍歷連接是非常快速的操作，允許您快速遍歷複雜的網絡。在關係數據庫的當前實現中，這些操作通常會（最好）昂貴的連接操作。與關係數據庫一樣，圖數據庫在擴展到多個硬件節點時仍然存在一些小問題。然而，對於圖形數據庫，對於社交網絡類型數據的關係數據庫，多個硬件節點的需求應該少得多，單臺機器上的幾十億個節點是沒有問題的。擴展到多個硬件節點是鍵值存儲發光的地方，因爲鍵值存儲中的實體完全相互隔離。問題在於，沒有任何東西在社交網絡中孤立，這意味着要模擬連接，需要對數據庫進行多重查詢，每個實體都需要一個查詢。這會很慢，特別是對於朋友之友類型的查詢，您只能在每個查詢中發現一個級別的朋友。

聲明：我是Neo4j團隊的成員。

Answer 2

本文在提及memcached時間接告訴你答案。這是一個將所有數據保存在RAM中的鍵值存儲。顯然，你必須有額外的數據存儲來保存硬盤上的數據，但它們也可能是關鍵值存儲。有很多像Hadoop,CouchDB,Tokyo Cabinet和Redis。

您也可以使用列存儲，如MonetDB，您只需檢索您感興趣的字段，而不是整個表格行。

Answer 3

檢查NOSQL debrief，它有幾個分佈式，非關係型數據庫有趣的資源：

演示幻燈片和視頻
介紹會議 - 託德Lipcon，Cloudera的 （幻燈片，視頻1，視頻2）
Voldemort - 周杰倫克雷普斯，LinkedIn（幻燈片PDF PPT， VIDEO1，VIDEO2）
Cassandra - 阿維納什 拉克什曼，臉譜（幻燈片PDF PPT， 視頻）
Dynomite - 赤壁月亮， Powerset的（幻燈片，視頻）
HBase - 瑞安羅森，StumbleUpon公司（幻燈片， 視頻）
Hypertable - 道格·賈德， Zvents （幻燈片PPT PDF，視頻1， 視頻2）
CouchDB - 克里斯·安德森， couch.io（幻燈片，視頻1，視頻2）

VPork - 喬恩·特拉維斯，SpringSource的 （幻燈片，視頻）
MongoDb德懷特 - 梅里曼，10gen公司（幻燈片，視頻）
無限的可擴展性 - 喬納斯小號 卡爾森，谷歌（幻燈片，視頻）

通過Digg的約翰·奎因有些視頻，在 休息由Last.fm的Martin Dittus撰寫。 Last.fm上的Russ Garrett拍攝的照片

有關幻燈片和視頻的鏈接，請檢查原始頁面，其中僅有太多可粘貼。

您也可能想要閱讀NoSQL: If Only It Was That Easy（甚至維基百科上的Nosql條目）。