Couchbase 是一款功能强大的分布式 NoSQL 数据库，具备多种特性，适合广泛的使用场景。
Couchbase 支持的数据格式
Couchbase 是一种文档型分布式数据库，主要支持以下数据格式：
JSON 文档：
Couchbase 的核心数据存储格式是 JSON，它支持丰富的数据结构（键值对、数组、嵌套对象等）。
提供强大的查询功能（N1QL，类似 SQL 语言）和索引支持。
二进制数据：
Couchbase 允许直接存储二进制数据，例如图片、音频文件等。
字符串和简单数据类型：
除 JSON 外，也支持存储简单的键值对，如纯文本字符串或数字。
Couchbase 与数据湖的关系和区别
关系：
数据湖和数据库的互补：
Couchbase 是一个实时数据库，适合处理高性能的在线事务。
数据湖（例如 Amazon S3、Azure Data Lake）主要用于存储海量的结构化和非结构化数据，适合离线分析和大规模数据存储。
Couchbase 中的数据可以通过 ETL 工具或实时数据管道（如 Kafka、Spark Streaming）同步到数据湖，供后续分析使用。
数据湖支持的格式：
数据湖通常存储的格式包括 Parquet、ORC、Avro、JSON、CSV 等。
JSON 是二者的交集，因此 Couchbase 的数据可以比较方便地导入到数据湖中进行处理。
混合架构场景：
可以用 Couchbase 提供实时数据读写能力，数据湖负责长期存储和大数据分析。
数据湖中的聚合结果可以同步到 Couchbase，提供快速的在线查询。
区别：
特性
Couchbase
数据湖
核心用途
实时、高性能事务处理和缓存
长期存储、批量处理、分析大规模数据
数据格式支持
JSON、二进制、字符串等
JSON、Parquet、ORC、Avro、CSV 等
访问方式
N1QL（类 SQL）、Key-Value API
SQL（通过 Presto、Athena 等）或大数据框架
延迟
毫秒级延迟，支持在线应用
秒级到分钟级延迟，适合离线分析
存储规模
优化为较小数据规模的高效存储
支持大规模数据存储，通常 PB 级别
高可用性
分布式存储，自动数据复制和容灾
依赖对象存储（如 S3），支持高可用和冗余存储
处理能力
实时处理为主
批量和流式处理大规模数据
总结来说，Couchbase 和数据湖通常结合使用，一个提供快速事务处理，另一个提供离线存储和分析能力，满足企业对实时性和大规模数据处理的综合需求。
Couchbase 核心特性
- 分布式架构
高可用性：自动数据分片和副本机制，保障高可用性。
线性扩展：通过增加节点实现性能和存储容量的线性扩展。
跨数据中心复制（XDCR）：
支持跨区域、多数据中心的异步复制，提供容灾能力。
适合全球化分布式部署。
- 数据模型
灵活的 JSON 文档存储：
支持复杂的数据结构，包括嵌套对象、数组等。
动态模式（Schema-less），允许不同文档拥有不同的结构。
键值存储：
高性能的键值对存储，用于快速读取和写入。
- 高性能
内存优先架构：
数据存储在内存中以实现低延迟访问。
自动将冷数据移至磁盘，兼顾性能和存储成本。
内置缓存：
内置缓存层，减少对外部缓存工具（如 Redis）的依赖。
高并发支持：
针对读写操作优化，支持每秒数百万级的事务。
- 查询能力
N1QL（SQL for JSON）：
类 SQL 查询语言，用于查询和操作 JSON 数据。
支持 JOIN、子查询和聚合等高级操作。
全文搜索（Full-Text Search, FTS）：
内置全文搜索功能，支持分词、模糊查询、排名等。
分析查询：
内置分析服务，基于 MPP（大规模并行处理）架构，实现复杂数据分析。
Eventing（事件驱动处理）：
支持对数据更改触发业务逻辑，例如数据校验、实时通知等。
- 开发者友好
丰富的 SDK 支持：
提供多种语言的 SDK，如 Java、Python、Node.js、Go、.NET 等，方便开发者集成。
全文索引和二级索引：
支持创建 GSI（全局二级索引），优化查询性能。
事务支持：
提供分布式 ACID 事务，确保数据一致性。
可编程扩展：
支持用户定义函数（UDF）和存储过程，通过 Eventing 实现自定义业务逻辑。
- 安全性
角色基于访问控制（RBAC）：
基于用户角色的权限管理，细粒度控制数据库访问。
加密支持：
数据传输和存储支持加密（TLS/SSL）。
支持字段级加密，增强敏感数据的保护。
审计日志：
支持审计日志记录用户活动，满足合规性需求。
- 管理和运维
可视化管理界面：
提供 Couchbase Web 控制台，方便管理集群、监控性能。
自动化运维：
内置集群监控和负载均衡，简化运维。
动态配置和升级：
支持在线扩容、配置更新和版本升级，无需停机。
备份和恢复：
提供官方工具进行数据备份和快速恢复。
- 集成与生态系统
与大数据平台集成：
支持与 Apache Kafka、Apache Spark、Hadoop 等工具集成，构建大数据处理管道。
与搜索引擎集成：
提供 Couchbase Elasticsearch Connector，用于将数据同步到 Elasticsearch。
多云和混合云支持：
可部署于本地数据中心、云平台（AWS、Azure、GCP）以及 Kubernetes。
- 多服务架构
Couchbase 将功能分解为多个独立服务，每个服务可独立扩展：
数据服务：存储和操作键值或 JSON 数据。
索引服务：创建和维护二级索引，提高查询性能。
查询服务：处理 N1QL 查询。
搜索服务：提供全文搜索能力。
分析服务：执行复杂的批量分析任务。
事件服务：触发和执行事件驱动逻辑。
- 部署灵活性
多种部署方式：
本地部署、云部署（单云或多云）、Kubernetes 容器化部署。
混合部署支持：
支持混合部署，结合本地和云资源。
总结
Couchbase 的特性使其特别适合高性能和高扩展性的场景，能够满足实时事务处理、数据缓存、全文搜索、大数据分析、分布式架构等多种需求，是现代应用中不可或缺的分布式数据库解决方案。
Couchbase 的存储引擎
Couchbase 的核心引擎是基于 内存优先架构 和 多服务架构 的分布式数据库引擎。以下是其关键特性和架构组成：
内存优先存储引擎：
数据首先存储在内存中，提供高速访问。
定期将数据持久化到磁盘，以保障数据安全。
使用异步机制将内存中的更改刷写到磁盘，优化性能。
基于 KV 和 JSON 的文档存储：
核心存储引擎支持键值（Key-Value）和 JSON 文档两种存储模式。
提供事务级别的 ACID 特性（从 Couchbase 6.5 开始支持分布式事务）。
多服务架构：
数据服务（Data Service）：负责存储和读取 JSON 文档或 Key-Value 数据。
查询服务（Query Service）：基于 N1QL 的查询处理。
索引服务（Index Service）：支持二级索引（GSI）以加速查询。
分析服务（Analytics Service）：专用于复杂的批量数据处理。
搜索服务（Search Service）：全文搜索引擎。
事件服务（Eventing Service）：处理事件驱动逻辑。
Couchstore 存储格式：
Couchbase 使用 Couchstore 作为默认存储格式。
Couchstore 是一种基于 B+ 树的数据存储格式，优化了读写性能，尤其是在磁盘上的随机访问场景。
PERSISTENCE（持久性）引擎：
磁盘上的数据使用 append-only（仅追加）文件格式，减少写放大和数据碎片。
支持通过 Compaction（压缩）优化存储空间。
Couchbase 是否是存算分离架构？
Couchbase 并非传统意义上的完全存算分离架构，但其 多服务架构 提供了一定程度的计算和存储分离特性。
部分存算分离的特性
服务独立部署与扩展：
Couchbase 将功能分为多个服务（数据、查询、索引、分析等），可以为每个服务独立分配节点资源。
例如：
数据服务节点负责存储数据和处理 Key-Value 请求。
查询服务节点专注于处理 N1QL 查询。
分析服务节点处理大规模数据分析任务。
每个服务可以根据需求独立扩展，减少计算和存储资源的相互依赖。
数据存储与计算的分离扩展：
数据存储通过分片机制在节点间分布。
查询和分析服务可以利用独立的计算节点，不直接承担数据存储任务。
这种架构在一定程度上实现了存算分离，但仍需考虑数据传输的开销。
与完全存算分离架构的对比
完全存算分离（如某些云原生数据库）：
计算节点和存储节点完全独立，计算节点从共享存储系统中按需读取数据。
存储采用共享对象存储（如 Amazon S3），实现弹性扩展和资源隔离。
Couchbase 的模式：
数据仍然与数据服务节点绑定，存储节点与计算节点共享同一个集群。
虽然支持服务独立部署，但数据的存储和访问仍需靠集群节点的磁盘和内存。
不支持纯对象存储（如 S3）直接作为数据存储。
总结
Couchbase 的引擎基于内存优先架构，使用 Couchstore 存储格式，并通过多服务架构提供扩展灵活性。
Couchbase 具备部分存算分离的能力，可独立扩展查询、索引和分析等服务，但在存储与计算的完全解耦上，仍依赖于分布式节点集群，而非采用共享存储的完全存算分离架构。