NoSQL数据库在数据科学中的用途

像MongoDB这样的NoSQL数据库如何用于数据分析？它们有哪些功能可以使数据分析更快，更强大？

坦白地说，大多数NoSQL数据库都不太适合大数据应用程序。对于绝大多数的大数据应用，表现MongoDB的相比，就像一个关系型数据库的MySQL是显著是够可怜的认股权证从类似的MongoDB完全避而远之。

随着中说，有一对夫妇NoSQL数据库的真正有用的特性，在您的青睐肯定的工作，当你的工作与大型数据集，但这些好处outweighing的NoSQL的普遍表现不佳的机会相比，SQL为只读密集型操作（与典型的大数据用例最相似）很低。

• 无模式 -如果要处理大量非结构化数据，可能很难真正决定并严格应用模式。通常，NoSQL数据库对此非常支持，并且允许您即时插入无模式的文档，这当然不是SQL数据库所支持的。
• JSON-如果您碰巧使用的是JSON样式的文档而不是 CSV文件，那么在数据库层使用MongoDB之类的东西会带来很多好处。通常，工作流节省不会超过增加的查询时间。
• 易于使用 -我并不是说SQL数据库总是很难使用，或者说Cassandra是世界上最容易建立的东西，但是总的来说，NoSQL数据库比SQL数据库更容易建立和使用。MongoDB是一个特别有力的例子，它是最容易使用的数据库层之一（在SQLite之外）。SQL还处理大量的规范化工作，并且存在大量的SQL最佳实践，通常会拖延开发过程。

就个人而言，如果您正在为数据科学应用程序挑选一个后端，我建议您也检查一下诸如Neo4j之类的图形数据库，这些数据库对于某些类型的查询显示出非常好的性能。

无模式NoSQL方法的一个好处是您不会过早提交，并且可以使用诸如Apache Drill的适当工具在查询时应用正确的模式。有关详细信息，请参见此演示文稿。在大数据环境中，MySQL并不是我的首选。

考虑，尝试甚至使用多个数据库。在这里，这不仅仅是一个“性能”问题。这真的要取决于您的要求。您正在谈论多少数据？什么样的数据？您需要多快？您是沉重阅读还是沉重写作？

这是您在SQL数据库中无法做的一件事：计算情感。http://www.slideshare.net/shift8/mongodb-machine-learning

当然，在这种情况下，速度可能还不够快，无法满足您的需求，但这是可能的。通过缓存特定的合计值，甚至可以接受。你为什么要这样做？方便。

便利确实是您要说服的。这就是（在我看来）创建NoSQL数据库的原因。当然也有性能，但是我试图打折基准并更多地关注其他问题。

MongoDB（和其他一些NoSQL）数据库具有一些非常强大的功能，例如内置的map / reduce。与使用Hadoop这样的方法相比，这可以节省成本和时间。或者它可以提供原型或MVP来启动更大的业务。

图数据库呢？他们也是“ NoSQL”。查看类似OrientDB的数据库。如果您想争论性能...我认为您不会告诉我那里有更快的SQL数据库=）...并且图数据库根据您的需要有一些非常出色的应用程序。

技术规则（和互联网）对一件事情不太满意。您将受到限制并为失败做好准备。