数据变大，数据不够结构化，数据间有千丝万缕的连接，如何建立数据模型？
它们是怎么玩的：
- Facebook Graph
- LinkedIn Graph
- Linked Data
- Blogs/Tagging
NOSQL 数据库
| 类型 | 举例 |
|---|---|
| Key-Value 存储 | redis、riak、Voldemort. Dynamo |
| 宽列存储 | HBase、Cassandra |
| 文件存储 | mongdb、CouchDB |
| 图存储 | Neo4j、titan、OrientDB |
Key-Value 存储
数据模型
- 全局 K-V 映射
- 大伸缩 HashMap
- 高容错 Highly fault tolerant
优缺点
- 简单的数据模型
- 可伸缩
- 但需要创建自己的“外键”
- 处理复杂数据乏力
列存储家族
基于 BigTable（Google 的对结构化数据分布式存储模型）的存储模型。
数据模型
- 大表,列族
- 用 Map Reduce 来检索和处理
优缺点
- 支持半结构化数据
- 天生索引能力（对列）
- 可伸缩
- 但对內连数据乏力（Interconnected data）
文档数据集
数据模型
- 文档集合
- 文档是 K-V 集合
- 使用 map-reduce 集中索引
优缺点
- 简单强大的数据模型
- 可伸缩
- 但对內连数据乏力
- 检索模型受限于 key 和 index
- 大数据量查询能力弱（Map reduce for larger queries）
图数据集
数据模型
节点和关系
优缺点
- 强大的数据模型，和 RDBMS 一样
- 关联数据本地索引
- 查询简单
- 但碎片化存储
- 需要不同的数据模型
什么是图
图就是一群连接在一起的对象集合的抽象表现
对象 Object（Vertrx, Node）
连接 Link(Edge, Arc, Relationship)
什么是图数据库
使用图结构做为数据模型的数据库，每个节点通过边可看到它的相邻节点，当节点增加，本地查询的复杂度不变。
Apache Tinkerpop
处理如此复杂的数据里需要数据库提供方提供完备的 API 接口，但若是使用某一个数据库提供方提供的接口，当迁移至其他数据库时就麻烦的很，为解决这个问题，Tinkerpop 应运而生。
Tinkerpop 是图数据库的一般性API，它整合了 Titan DB, Neo4j, Orient DB 等等数据库
- 图处理系统
- 有 tinkerpop 3 结构化 API
- Graph, Element, Property
- 有 tinkerpop 3 处理 API
- TraversalSource, GraphComputer
- Gremlin 查询语言
- REST API
Titan 数据库
使用 Apache Tinkerpop API 优化了分布式存储和检索包含上亿个顶点和边的可伸缩的图数据库，它支持 Apache Spark 和 Hadoop（默认）的 map-reduce 操作。
并集成了 ElasticSearch，Solr 和 Lucene，并使用如下后端存储：
- Apache Cassandra
- Apache HBase
- Oracle BerkeleyDB
