以下哪个选项属于文档型nosql

nosql四大分类：1、KV键值对。

创新互联公司成立与2013年，先为碧江等服务建站，碧江等地企业，进行企业商务咨询服务。为碧江企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。

2、文档型数据库。

3、列存储数据库。

4、图关系数据库。nosql是非关系型数据库，NoSQL（NotOnlySQL），意思是"不仅仅是SQL"，指的是非关系型数据库，是对不同于传统的关系型数据库的数据库管理系统的统称。

软考高级职称考试各部分复习经验分享

【导读】综合知识、案例分析、论文写作都是软考高级职称考试的部分，但是不同部分考试复习的技巧是不同的，想要软考高级职称考试顺利通过，必要的复习技巧一定要掌握起来，今天就给大家分享一下软考高级职称考试各部分复习经验，希望对大家能有所帮助。

1、综合知识

把握好重点:设计模式，架构风格，质量属性。

通过每日一练题量大概在500-800足以应对考试。

通过错题本把握住自己薄弱的知识点，考前可以再回顾一下。

考前可以集中突击一下英语题，历年考试出现重复的英语题的概率挺大的。

选做综合模拟题，通过每日一练积累的题量已经可以应对考试。

考前做一套近年的真题，熟悉考试的难度。

2、案例分析

提前准备，分章节进行练习。

考前案例模拟题做完，同时完成2-3套案例真题

注意审题，选择型式的题目要注意题目要求是一空一项还是一空多项。

分析题目的分值，比如9分只填3个选项就不太合适，要分析解释一下为什么选这几个选项。

考试时一定会出现不熟悉的题目，稳住心态，一方面看看是否可以跳过这个题目，另一方面如果无法跳过的话要发挥想象，把自己能联想到的相关知识点的内容往题目上靠。

3、论文写作

参与论文写作的直播课，熟悉论文写作的套路。

按照老师要求写出4-5篇合格论文。

背诵项目背景部分，其余部分按照论点记忆，考试时按照需要灵活组合。(ps:项目管理师论文考试出现了双主题组合的场景)

论点写作的时候可以按照”为什么要使用某技术”，“如何使用的某技术”，“使用过程中碰到的问题”，“如何解决该问题的”来进行论述。

考试时没有碰到准备过的题目也不要慌，想一下写过的论点是否能往题目上靠，如果可以的话只要说清楚论点和题目的联系，稍微偏题也可以通过考试。

比如第一次参加架构师考试时，没有碰到熟悉的论文题目，选择了nosql主题，使用的论点是web优化主题的两个论点：关系型数据库优化和redis的使用，然后加上临时写的mongodb的应用。考试时说明了不是所有业务场景都适合nosql数据库的，展开到异构数据库的主题，然后接到所选的3个论点，最后拿到了49的分数。

以上就是软考高级职称考试各部分复习经验分享，不知道大家学会了没有?是不是适合大家呢?更多2020年软考高级论文写作注意要点、备考技巧等等，欢迎大家及时前来交流学习!

简述什么是nosql数据库，并列举两种常见的nosql数据库名称及其特点

NoSQL太火，冒出太多产品了，保守估计也成百上千了。

互联网公司常用的基本集中在以下几种，每种只举一个比较常见或者应用比较成功的例子吧。

1. In-Memory KV Store : Redis

in memory key-value store，同时提供了更加丰富的数据结构和运算的能力，成功用法是替代memcached，通过checkpoint和commit log提供了快速的宕机恢复，同时支持replication提供读可扩展和高可用。

2. Disk-Based KV Store: Leveldb

真正基于磁盘的key-value storage, 模型单一简单，数据量不受限于内存大小，数据落盘高可靠，Google的几位大神出品的精品，LSM模型天然写优化，顺序写盘的方式对于新硬件ssd再适合不过了，不足是仅提供了一个库，需要自己封装server端。

3. Document Store: Mongodb

分布式nosql，具备了区别mysql的最大亮点：可扩展性。mongodb 最新引人的莫过于提供了sql接口，是目前nosql里最像mysql的，只是没有ACID的特性，发展很快，支持了索引等特性，上手容易，对于数据量远超内存限制的场景来说，还需要慎重。

4. Column Table Store: HBase

这个富二代似乎不用赘述了，最大的优势是开源，对于普通的scan和基于行的get等基本查询，性能完全不是问题，只是只提供裸的api,易用性上是短板，可扩展性方面是最强的，其次坐上了Hadoop的快车，社区发展很快，各种基于其上的开源产品不少，来解决诸如join、聚集运算等复杂查询。

新闻标题：nosql考试题库,nosql数据库入门与实践章节题答案
文章源于：http://myzitong.com/article/dsdgggd.html