孔 超， 钱卫宁， 周傲英

（华东师范大学 数据科学与工程研究院，上海 200062）

0 引 言

传统的关系型数据管理系统已经不能满足高并发的读写、高可用性和高可扩展性的新兴互联网应用的需求.NoSQL系统在这种背景下应运而生.NoSQL常被认为不同于传统关系型数据管理系统，是具有非关系型、分布式、开源、横向扩展等特性的新型数据管理系统［1］.这些系统牺牲了一些已在传统关系型数据库中成为标准的功能，如数据一致性、标准查询语言以及参照完整性等，以换取高可扩展性、高可用性和高可靠性.

随着互联网技术的快速发展，海量数据的存储、管理和处理已经成为全球各大互联网公司不可回避的严峻问题.以业务范围跨越C2C（个人对个人）和B2C（商家对个人）的淘宝网为例：截至2013年，淘宝网拥有近5亿的注册用户数，每天有超过6 000万的固定访客，每天的在线商品数已经超过了8亿件，平均每分钟售出4.8万件商品［2，3］；2013年11月11日零时，开场仅1分钟成交的订单数量达到33.9万笔，总成交金额达到1.17亿元，第二分钟，成交数字突破3.7亿元，到了零时6分7秒，成交额直接冲上10亿元，截至11日24时，“双11”天猫及淘宝的总成交额破300亿元，达350.19亿元［4］，这些海量交易信息的存储、分析和处理对淘宝网提出了巨大的挑战，类似的问题也出现在Google、Facebook、Yahoo等互联网应用上.例如，2012年Facebook在总部的一次会议中披露了一组Facebook每天要处理的数据：25亿条分享的内容条数，27亿个“赞”的数量，3亿张上传的照片数，超过500 TB新产生的数据，每半小时通过Hive扫描105 TB的数据，单个HDFS集群中的磁盘容量超过100 PB［5］.