总是聊并发的话题，聊到大家都免疫了，所以这次串讲下个话题——数据库（欢迎纠正补充）
看完问自己一个问题来自我检测：NoSQL我到底该怎么选？
1.1.分类主要有这么三大类：[再老的数据库就不说了]
1.传统数据库(SQL)：关系数据库：SQLite、MySQL、SQLServer...
2.高并发产物(NoSQL)：键值数据库：Redis、MemCached...
文档数据库：MongoDB、CouchBase、CouchDB、RavenDB...
列式数据库：Cassandra、HBase、BigTable...
图形数据库：Neo4J、Infinite Graph、InfoGrid...
3.新时代产物(TSDB)：时序数据库：InfluxDB、LogDevice...
来看个权威的图：(红色的是推荐NoSQL，灰色是传统SQL)
先说下NoSQL不是不要使用传统SQL了，而是不仅仅是传统的SQL（not only sql）
1.关系型数据库优劣先看看传统数据库的好处：
通过事务保持数据一致
可以Join等复杂查询
社区完善（遇到问题简单搜下就ok了）
当然了也有不足的地方：
数据量大了的时候修改表结构。eg：加个字段，如果再把这个字段设置成索引那是卡到爆，完全不敢在工作时间搞啊
列不固定就更蛋疼了，一般设计数据库不可能那么完善，都是后期越来越完善，就算自己预留了保留字段也不人性化啊
大数据写入处理比较麻烦，eg：
数据量不大还好，批量写入即可。
可是本身数据量就挺大的，进行了主从复制，读数据在Salver进行到没啥事，但是大量写数据库怼到Master上去就吃不消了，必须得加主数据库了。
加完又出问题了：虽然把主数据库一分为二，但是容易发生数据不一致（同样数据在两个主数据库更新成不一样的值），这时候得结合分库分表，把表分散在不同的主数据库中。
完了吗？NoNoNo，想一想表之间的Join咋办？岂不是要跨数据库和跨服务器join了？简直就是拆东墙补西墙的节奏啊，所以各种中间件就孕育而生了【SQLServer这方面扩展的挺不错的，列存储也自带，也跨平台了（建议在Docker中运行）（点我查看几年前写的一篇文章）】
欢迎补充~（说句良心话，中小型公司SQLServer绝对是最佳选择，能省去很多时间）
2.NoSQL现在说说NoSQL了：（其实你可以理解为:NoSQL就是对原来SQL的扩展补充）
分表分库的时候一般把关联的表放在同一台服务器上，这样便于join操作。而NoSQL不支持join，反而不用这么局限了，数据更容易分散存储
大量数据处理这块，读方面传统SQL并没有太多劣势，NoSQL主要是进行缓存处理，批量写数据方面测试往往远高于传统SQL，而且NoSQL在扩展方面方便太多了
多场景类型的NoSQL（键值，文档、列、图形）
如果还是不清楚到底怎么选择NoSQL，那就再详细说说每个类型的特点：
键值数据库：这个大家很熟悉，主要就是键值存储，代表=>Redis（支持持久化和数据恢复，后面我们会详谈）
文档数据库：代表=>MongoDB（优酷的在线评论就是用基于MongoDB的）
一般都不具备事务（MongoDB 4.0开始支持ACID事务了）
不支持Join（Value是一个可变的类JSON格式，表结构修改比较方便）
列式数据库：代表：Cassandra、HBase
对大量行少量列进行修改更新（新增一字段，批量做个啥操作的不要太方便啊~针对列为单位读写）
扩展性高，数据增加也不会降低对应的处理速度（尤其是写）
图形数据库：代表：Neo4J（数据模型是图结构的，主要用于 关系比较复杂 的设计，比如绘制一个QQ群关系的可视化图、或者绘制一个微博粉丝关系图等）
回头还是要把并发剩余几个专题深入的，认真看的同志会发现不管什么语言底层实现都是差不多的。
比如说进程，其底层就是用到了我们第一讲说的OS.fork。再说进(线)程通信，讲的PIPE、FIFO、Lock、Semaphore等很少用吧？但是Queue底层就是这些实现的，不清楚的话怎么读源码？
还记得当时引入Queue篇提到Java里的CountDownLatch吗？要是不了解Condition怎么自己快速模拟一个Python里面没有的功能呢？
知其然不知其所以然是万万不可取的。等后面讲MQ的时候又得用到Queue的知识了，可谓一环套一环~
既然不是公司的萌妹子，所以呢~技术的提升还是得靠自己了^_^，先到这吧，最后贴个常用解决方案：
Python、NetCore常用解决方案（持续更新）
https://github.com/LessChina
上篇提到了ACID这次准备说说，然后再说说CAP和数据一致性
2.1.ACID事务以小明和小张转账的例子继续说说：
A：原子性（Atomic）