我仍然不太清楚基于列的关系数据库与基于列的 NoSQL 数据库之间的区别。
Google BigQuery 支持类似 SQL 的查询，那它怎么可能是 NoSQL？
我知道的基于列的关系数据库有 InfoBright、Vertica 和 Sybase IQ。
我知道的基于列的 NoSQL 数据库是 Cassandra 和 HBase。
以下有关 Redshift 的文章以“NoSQL”开头，但以使用 PostgreSQL（它是关系型）结尾： http://nosqlguide.com/column-store/intro-to-amazon-redshift-a-columnar-nosql-database/
【问题讨论】：
标签： google-bigquery relational-database amazon-redshift nosql
这里需要澄清几件事，主要是关于 Google BigQuery。
BigQuery 是一个混合系统，允许您将数据存储在列中，但它通过附加功能（例如 record 类型）进入了 NoSQL 世界，并且nested 功能。您还可以有一个 2Mbyte STRING 列，您可以在其中存储原始文档，例如JSON 文档。请参阅其他适用的data formats and limits。您也可以用 Javascript 编写用户定义函数，例如：您可以粘贴到执行 NLP javascript 库的库中。
现在您拥有存储数据的所有这些功能，您可以使用 JSON Functions 例如查询存储在其中一列中的文档，因此这可以用作无模式存储，因为您没有定义 JSON该列的文档结构，您只需将其存储为 JSON。明白了吗？
从元列查询的基本示例，这是一个 JSON 文档，原因键，并执行包含语言构造以找出有多少用户在该键中具有“未订阅”字词：
SELECT
SUM(IF(JSON_EXTRACT_SCALAR(meta,'$.reason') contains 'unsubscribed',1,0))
FROM ...
另一方面，您有 table-wildcard querying。如果您的行跨多个表，则需要这样做。表通配符函数是一种从一组特定表中查询数据的经济高效的方法。当您使用表通配符函数时，BigQuery 只会访问与通配符匹配的表并向您收费。因此，这意味着建议将数据存储在类似的表中，只是在设定的时间范围内将数据存储在不同的表中，例如：每日表、每月表。
我们不应忘记，BigQuery 只是在设计上附加，因此您无法更新旧记录，没有 UPDATE 语言结构（更新：现在有DML language construct 来做一些更新/删除操作）。相反，您需要追加一条新记录，并且您的查询必须以始终使用最新版本数据的方式编写。如果您的系统是事件驱动的，那么这非常简单，因为每个事件都将附加在 BQ 中。但是如果用户更新了它的配置文件，你需要再次存储配置文件，你不能更新旧行。您需要有一个列版本/日期来告诉您哪个是最新版本，并且您的查询将首先编写以获取您的行的最新版本，然后处理逻辑。
您可以通过该字段使用诸如 over/partition 之类的内容，并使用最新值 seqnum=1。
这从profile 返回，每个user_id 的最后一个email 由timestamp 列的最新条目定义。
SELECT email
FROM
(SELECT email
row_number() over (partition BY user_id
ORDER BY TIMESTAMP DESC) seqnum
FROM [profile]
)
WHERE seqnum=1
【讨论】：
首先，请记住，NOSQL 通常被认为是“Not Only SQL”的缩写，因此系统同时具有 SQL 接口和一些 NOSQL 特性并不矛盾。 话虽如此，Redshift 和 BigQuery 都以基于列的数据库为基础。 Redshift 基于 Paraccel，Paraccel 是针对数据仓库的经典列式 RDBMS，而 BigQuery 则基于 Google 内部称为“dremel”的基于列的数据处理技术。
【讨论】：