NoSQL数据库技术

大数据时代，传统的关系数据库已经难以满足互联网环境下高扩展、高性能、高灵活等新的数据处理业务需求，人们开始开发新一代数据库技术以存储、处理和分析海量数据。非关系数据库应运而生，它是键值数据库、文档数据库、列族数据库和图数据库等新一代数据库的统称，已经成为大数据技术的重要研究方向，在互联网领域具有广泛的应用，是大数据领域的关键技术之一。
我国许多高校开设了 “NoSQL数据库技术”或“非关系数据库”相关课程，然而已有的教材和书籍大多侧重单一技术的介绍，缺乏对NoSQL数据库技术全面和系统的介绍，缺乏实用性，难以满足课堂教学需求。因此，在近几年讲授NoSQL数据库技术课程的基础上，决定组织编写一本关于NoSQL数据库技术方面的实用教材。
本书全面系统地阐述了NoSQL数据库技术的基本原理、基本方法和基本技术。全书共7章。第1章绪论，详细介绍数据管理的概念和发展历史、传统数据模型、NoSQL数据库产生的原因、分布式数据库基本原理、NoSQL数据库类型和适用领域等内容，引导读者理解数据库技术发展的脉络，掌握基础性理论和方法。第2章键值数据库，详细介绍键值数据模型、键的设计与分区、值的类型与结构化、Redis键值数据库、应用实例等内容。第3章文档数据库，详细介绍文档及其描述方法、集合及其结构、文档关系建模、文档数据分区、MongoDB查询语言等内容。第4章列族数据库，详细介绍列族数据模型、Cassandra集群架构、Cassandra查询语言和应用实例等内容。第5章图数据库，详细介绍图的基本概念、图数据模型、Neo4j特点、Neo4j查询语言和应用实例等内容。第6章图数据科学(GDS)算法库，在介绍GDS基本概念的基础上，详细介绍路径查找、中心度、社区发现、节点相似度、链接预测、节点嵌入等算法的概念、特点和使用方法。第7章NoSQL数据库的安装，详细介绍在Docker容器上安装Redis键值数据库、MongoDB文档数据库、Cassandra列族数据库和Neo4j图数据库的步骤和方法，搭建NoSQL数据库上机实验环境。
本书既可作为普通高校数据科学与大数据技术、软件工程、计算机科学与技术等相关专业的NoSQL数据库技术课程教材，也可作为高职院校相关课程的教材和参考书，还可供大数据技术领域的科技人员参考。本书计划教学48学时(含8次上机学时)，各章内容相对独立，教师根据学时安排有侧重地选择部分课程内容讲授，仍可保证课程体系的完整性。本书配有PPT教学课件，可供教学时参考。
由于作者水平有限，加之NoSQL数据库技术发展迅速，书中可能存在不足和错误，恳请各位读者提出宝贵意见。作者的电子邮箱地址是zym@zjut.edu.cn。感谢为本书各章编程和绘图做出贡献的课题组研究生，感谢为本书出版的编辑人员、审校人员和其他工作人员。

 作者2022年6月

本书全面系统地介绍NoSQL数据库的原理、方法和技术。全书共7章，主要内容包括NoSQL数据库概述、键值数据库与Redis实例、文档数据库与MongoDB实例、列族数据库与Cassandra实例、图数据库与Neo4j实例、图数据科学算法等和NoSQL数据库的安装。 本书既可作为普通高校数据科学与大数据技术、软件工程、计算机科学与技术等相关专业的NoSQL数据库技术课程教材，也可作为高职院校相关课程的教材和参考书，还可供大数据技术领域的科技人员参考。

第1章绪论1
1.1数据管理概念1
1.2数据管理发展历史1
1.2.1人工管理阶段1
1.2.2文件系统管理阶段2
1.2.3数据库管理阶段3
1.2.4大数据管理阶段4
1.3传统数据模型5
1.3.1层次数据模型6
1.3.2网状数据模型6
1.3.3关系数据模型6
1.4NoSQL数据库产生的原因8
1.4.1NoSQL数据库的产生背景8
1.4.2NoSQL数据库的特点9
1.5分布式数据库基本原理10
1.5.1基本概念10
1.5.2CAP定理15
1.5.3ACID特性15
1.5.4BASE原理16
1.6NoSQL数据库类型16
1.6.1键值数据库16
1.6.2文档数据库17
1.6.3列族数据库19
1.6.4图数据库20
1.7NoSQL数据库选取22
1.8本章小结23
1.9习题23第2章键值数据库24
2.1键值数据模型24
2.1.1关联数组24
2.1.2命名空间25
2.2键的设计与分区25
2.2.1键名设计25
2.2.2键的分区26
2.2.3键存活时间28
2.3值的类型与结构化28
2.3.1值的类型28
2.3.2值的结构化29
2.3.3值的查询限制29
2.4键值数据库的特点29
2.5Redis键值数据库30
2.5.1Redis概述30
2.5.2键操作命令31
2.5.3字符串命令33
2.5.4哈希表命令38
2.5.5列表命令42
2.5.6集合命令47
2.5.7有序集合命令50
2.5.8事务定义命令54
2.6应用实例54
2.7本章小结57
2.8习题57第3章文档数据库58
3.1文档及其描述方法58
3.1.1文档概念58
3.1.2文档描述59
3.2集合及其结构60
3.2.1集合概念60
3.2.2集合结构61
3.2.3无模式数据库62
3.3文档关系建模62
3.3.1一对多的文档关系62
3.3.2多对多的文档关系63
3.4文档数据分区64
3.4.1文档垂直分区64
3.4.2文档水平分区 64
3.5MongoDB数据库65
3.5.1概述65
3.5.2数据库管理67
3.5.3集合管理68
3.5.4文档管理69
3.5.5文档查询73
3.5.6文档聚合77
3.5.7文档索引82
3.5.8嵌入高级语言84
3.6应用实例85
3.7本章小结86
3.8习题87第4章列族数据库88
4.1列族数据模型88
4.1.1列88
4.1.2超列88
4.1.3列族与行键88
4.1.4键空间90
4.2Cassandra集群架构90
4.2.1Cassandra特点90
4.2.2集群对等网络91
4.2.3节点通信协议91
4.2.4提交日志机制92
4.2.5数据复制策略92
4.3Cassandra查询语言93
4.3.1键空间定义94
4.3.2列族(表)定义95
4.3.3数据更新99
4.3.4数据查询100
4.3.5集合数据类型100
4.3.6索引定义102
4.3.7数据排序103
4.3.8聚合函数104
4.4应用实例105
4.5本章小结106
4.6习题107第5章图数据库109
5.1图的基本概念109
5.1.1节点109
5.1.2边109
5.1.3路径110
5.1.4遍历111
5.2图数据模型111
5.2.1属性图模型112
5.2.2三元组模型113
5.2.3超图模型113
5.3Neo4j概述114
5.3.1特点114
5.3.2免索引邻接114
5.3.3存储结构115
5.4Neo4j查询语言117
5.4.1写语句118
5.4.2读语句126
5.4.3通用语句129
5.4.4各类函数133
5.4.5创建索引138
5.4.6模式定义139
5.4.7创建约束141
5.5应用实例142
5.6本章小结145
5.7习题145第6章图数据科学算法库146
6.1图数据科学算法库概述146
6.1.1图结构可视化147
6.1.2命名图创建148
6.1.3内存资源估算150
6.1.4算法执行模式151
6.2路径查找算法152
6.2.1Dijkstra SourceTarget算法152
6.2.2Dijkstra SingleSource算法154
6.2.3A算法155
6.2.4Yen's算法158
6.3中心度算法161
6.3.1PageRank算法161
6.3.2Article Rank算法166
6.3.3Betweenness Centrality 算法167
6.4社区发现算法171
6.4.1Louvain算法171
6.4.2Label Propagation算法176
6.4.3Weakly Connected Components算法179
6.5节点相似度算法181
6.5.1Node Similarity算法182
6.5.2KNearest Neighbors算法185
6.6链接预测算法187
6.6.1Adamic Adar算法188
6.6.2Common Neighbors算法189
6.6.3Same Community算法190
6.7节点嵌入算法192
6.7.1FastRP算法192
6.7.2GraphSAGE算法196
6.7.3Node2Vec算法200
6.8本章小结202
6.9习题202第7章NoSQL数据库的安装204
7.1安装Docker容器204
7.1.1Docker容器概念204
7.1.2在Linux上安装Docker205
7.1.3在Windows上安装Docker207
7.2安装Redis键值数据库210
7.3安装MongoDB文档数据库212
7.4安装Cassandra列族数据库215
7.5安装Neo4j图数据库216参考文献219

l 全面阐述NoSQL数据库基本概念和基本原理，读者不但可以掌握相关的理论知识，也可以提高解决实际问题的能力。 
l 全面涵盖Redis、MongoDB、Cassandra和Neo4j四种典型的NoSQL数据库，详细介绍每种数据库的操作语言，使读者提高数据库开发能力。 
l 全面介绍图数据分析算法库，包括路径查找、中心度计算、社区发现、节点相似度、链接预测等分析算法，读者可针对实际问题进行数据分析。 
l 各章知识结构完整，教师可根据课时选取教学内容。适合作为高等院校计算机科学与技术、大数据科学、信息管理等相关专业的教材。 
l 本书提供配套教学课件和案例代码，读者可登录清华大学出版社网站下载使用。