学习NoSQL数据库知识：
=====================================================================================================
数据量一大，必须切分，分布式存储，所以现在的Nosql数据库都是基于这些思想
=====================================================================================================
1.数据量大，单一文件系统存储不下，所以多个节点存储—-导致分布式(数据切分存储其实就是为了在多个存储上同时读取，这样速度就快了，当然了多个节点存储容量大)
2.对于用户来说基本没什么影响，对于开发人员来说也没什么，他们就认为是一单一存储—-导致需要一个中间层
3.多节点的存储文件如何通信，交互，与开发人员，客户如何通信。————–特殊的文件系统
4.为了安全，最好备份恢复，这样就有存储冗余，这样如何实现。—————–大的数据怎么切分，切分以后如何存储，如何获取查询
5.如何查询，（数据分布到多个节点，如何组织起来）
6.需要集群，怎么实现
=====================================================================================================
常见的：Mongodb，Redis等。
场景：
之前项目中有一些文档资源，比如在医院的系统中，一些病程记录文件（比如术前讨论，主任查房记录，首次病程记录，日常病程记录），这些文件一般没有存储在数据库里面，一班存储在FTP服务器里面，数据库里面存储FTP文件路径，就是索引数据库。
但是如果文件有许多，数据非常大，这时候文件服务器中检索文件不是很容易，这时候我们就要使用分布式的文件系统进行文件存储，这可以备份，容灾，高可用，对于这种场景，我们可以采取Nosql数据对这些文件进行存储。
这样我们就可以把我们的文件（图片资源，视频资源，文档资源）存储到数据库，使用时我们可以采用SQL进行查询，相比文件需要，他查询，安全性好，具有事物能力，快照机制
（本质就是读取日志文件构造数据）。
背景知识：
文件系统：通过文件系统，我们可以对磁盘进行操作，但是目前的文件系统比较多，每个文件系统的实现机制都是不一样，都有不同的使用场景。个人觉得可以这么理解，文件系统就是硬盘的软件模拟，解决文件如何存储，如何检索（重点），常见的有NFS，FAT32,NTFS，HDFS,GridFS文件系统。
=====================================================================================================
1.去年听见一个人说，对于文件存储采取的是MongDB
2.来到北京，再次听说，对于数据量很的的分析，他们采取的也是Mongdb
所以，下来又想学习一下这个Nosql数据库。
=====================================================================================================
文件系统：
在以前仅仅在操作系统里面接触到文件系统，了解文件系统是对存储器进行管理的软件，比如存取，文件的索引（文件如何快速的查找），文件的删除以及文件的修改操作，文件数据到磁盘上的物理存储快如何关联起来这些东西，最近学习数据库以及一些NoSQL数据库，发现他们都是特制的文件系统。
文件系统=就是软件和存储之间的纽带，所以单一存储的文件系统可能和多存储的文件系统不一致，所以需要定制这样的文件系统，这样文件的访问，存储才可以对于我们开发人员来说可以。
=====================================================================================================
感悟:
数据量一大的话，单一的存储可能速度慢，同时也没有足够大的空间，即使有足够的空间，多个并发操作对单一存储效率也不高，所以就应该做存储的集群,这样数据被分割存储在不同的未知，同时数据有备份，多个线程并发效率也高，但是这样读取可能麻烦一样，因此需要特殊的文件系统。所以出现了DFS,GridFS,NFS等文件系统。所以为了提高并发与分布式场景的业务，多数系统采用自己的文件系统(一种更高级别的文件封装)进行处理，支持rollback操作，事物机制，感觉更像数据库，更加安全，对于事务，恢复有更高的要求。
=====================================================================================================
