先说一下NoSql的背景把：它解决的是传统的关系型数据库解决不了的问题，比方说数据的总量我们一台机器放不下了，数据的索引也是占内存的，内存满了，访问量太大了，传统的数据库受不了了。
1. 数据库的发展历史以及架构- 第一个阶段就是单机数据库，这就够用了，我们使用数据库关注的是功能的实现，不考虑性能。
- 第二个阶段是随着互联网的发展，场景的需求，用户的增多，单机已经成熟不住压力了。这个阶段压力没有那么大，我们采用的方案是在数据访问层和数据库之间加一个缓存，这在很大程度上缓解了数据库的压力。此外，我们还对数据库进行了垂直拆分。
垂直拆分的概念：比方说一张表有20个字段，我们在优化的时候，将一些固定不变的字段拆分出另一张表，将不同功能的拆分成一张表。 （将多字段变成少字段叫做垂直拆分）
- 第三个阶段是继续的发展，上边的解决方案解决不掉问题了，就出现了主从分离，读写分离。就是写操作都到主库去干，读操作都让从库去干。
- 分库分表+水平拆分+集群
水平拆分的概念：比方说数据库有1000万条数据，现在分成五个库，每个存放200万条数据。这只需要解决一个问题，那就是去哪个库里边查数据。
集群可以在物理上突破极限，从一台机器变多台机器。
- 下一个接阶段就是NoSql （我一开始以为这个是没有sql的意思，其实学过才知道，这是Not only sql 的意思）
not only sql 。不仅仅是sql，更是一种扩充。
说一个场景，在实际应用中，我们肯定会根据业务的不同，使用不同的数据源，不同类型的数据源。
比方说我们将一些用户信息，长用的，放在mysql数据库中，比方说用户名，密码。
对于长的问题信息，我们要存在文档数据库如MongDB。
对于像淘宝的海量的图片，存放在分布式文件系统中，并且淘宝自己出的TFS技术。
商品的关键字，用搜索引擎,如淘宝的Isearch
对于高频的数据我们可以放在内存数据库，比方redis。
3.CAP 
对于大数据是CP（一致性，和容灾性）
对于电商的架构，一定是AP（高可用，容灾性）
4.base理论
