【1】文件存储#

• 在早期，随意地存放到一个文件中、数据格式也是千差万别的，完全取决于个人

【2】软件开发目录规范#

【1】关系型数据库#

• MySQL
• Oracle
• db2
• access
• sql server

这些数据库都采用关系模型来组织数据，并且支持SQL查询语言。

【2】非关系型数据库#

• Redis
• MongoDB
• Memcached

这些数据库不采用关系模型来组织数据，而是采用了其他的模型，例如键值对模型、文档模型、图形模型等。

【3】关系型（存储数据）#

• 彼此之间有关联
• 存储数据的表型形式通常以表格形式存储
• 每个字段限制每个字段下的存储数据的格式例如字符串、数字、日期等。
• 同时，关系型数据库还支持各种数据操作，例如插入、删除、更新和查询等。

【4】非关系型（缓存数据）#

• 存储数据通常是K
• 非关系型数据库通常用于存储临时性的、高速访问的数据，这些数据通常以键值对的形式存储，其中“键”表示数据的唯一标识，“值”表示实际的数据内容。
• 由于非关系型数据库通常不提供事务支持和复杂的查询功能，因此不适合存储长期保存的历史数据。

【1】需求#

• 假设现在你已经是某大型互联网公司的高级程序员，让你写一个火车票购票系统，来hold住十一期间全国的购票需求，你怎么写？
• 在同一时段抢票的人数如果太多，那么你的程序不可能运行在一台机器上，应该是多台机器一起分担用户的购票请求。

【2】实现需求#

• 那么问题就来了，票务信息的数据存在哪里？存在文件里么？
• 如果存储在文件里，那么存储在哪一台机器上呢？是每台机器上都存储一份么？
  • 首先，如果其中一台机器上卖出的票另外两台机器是感知不到的，
  • 其次，如果我们将数据和程序放在同一个机器上，如果程序和数据有一个出了问题都会导致整个服务不可用。
  • 最后，操作或修改文件中的内容对python代码来说是一件很麻烦的事。
• 基于上面这些问题，单纯的将数据存储在和程序同一台机器上的文件中是非常不明智的。
• 根据上面的例子，我们可以知道，将文件和程序存在一台机器上是很不合理的，同时，操作文件是一件很麻烦的事，所以我们可以使用数据库来存储数据。