如何選擇合適的數(shù)據(jù)庫（對象存儲、SQL、NoSQL等）？

數(shù)據(jù)庫本身功能非常單一，僅可作為數(shù)據(jù)的存儲介質(zhì)，但錯誤的數(shù)據(jù)庫選型帶來的代價可能就是項目性能的大幅下降，對于很多企業(yè)應(yīng)用來說這也是致命的傷害，另外，選擇不同數(shù)據(jù)庫類型同樣會決定系統(tǒng)中其他模塊的設(shè)計，因此，數(shù)據(jù)庫選型對于整個項目非常重要，我們通常也稱這種需求為非功能性需求（NFRs，non-functional requirements），對于數(shù)據(jù)庫，主要需要考慮如下三點(diǎn)因素：

• 數(shù)據(jù)結(jié)構(gòu)
• 查詢模式
• 數(shù)據(jù)規(guī)模

目前，市面上已經(jīng)有各類存儲解決方案了，本文我們就來討論一下如何在這些方案中選擇最適合自己的方案。

緩存

如果項目需要頻繁調(diào)用數(shù)據(jù)庫 API 或者一些高延遲的遠(yuǎn)程服務(wù)，那么可能需要最先考慮在客戶端和數(shù)據(jù)庫之間使用緩存來降低延遲。目前，常用的緩存方案有 Memcached，Hazelcast，Redis，這些方案大同小異，但 Redis 使用最廣泛且穩(wěn)定，是目前國內(nèi)最常用的數(shù)據(jù)庫緩存解決方案。

文件存儲

如果需要開發(fā)一款抖音、B 站之類的產(chǎn)品，就需要存儲大量圖像、視頻等數(shù)據(jù)，僅僅一個數(shù)據(jù)庫可能并不能滿足我們的需求，因為這時需要存儲的是文件而非一般的數(shù)據(jù)信息，數(shù)據(jù)庫本質(zhì)依然只能用來查詢信息數(shù)據(jù)而已，而文件本身也并不用“查詢”，只需要按需拿到這整個文件即可，這種情況下，符合項目要求的解決方案就是對象（Blob）存儲方案，如 Amazon S3，通常，Blob 存儲方案還可以與 CDN 結(jié)合使用來減少延遲，這樣就可以實現(xiàn)無地理位置差異提供內(nèi)容服務(wù)。

提供文本搜索功能

淘寶、京東這些大型應(yīng)用都會提供內(nèi)容的搜索功能，這樣就可以方便用戶按照商品類型、品牌對數(shù)據(jù)進(jìn)行分類搜索，這種功能通常會使用 Solr 或 Elasticsearch 之類的搜索引擎服務(wù)，這類搜索服務(wù)通常也會支持模糊搜索，例如會考慮到用戶拼寫錯誤的情況，這會很大程度上提升用戶體驗。

但是，搜索引擎不是是數(shù)據(jù)庫，并不能保證我們的數(shù)據(jù)不會丟失，因此我們不能使用 Elasticsearch 這類搜索引擎作為數(shù)據(jù)源，這里就需要我們配合兩者使用，將數(shù)據(jù)庫中的內(nèi)容加載到 Elasticsearch 中來降低搜索延遲，然后在以此為基礎(chǔ)提供搜索功能。

時序數(shù)據(jù)庫（TSDB，Time series database）

時序數(shù)據(jù)庫全稱為時間序列數(shù)據(jù)庫（Time series database），是關(guān)系型數(shù)據(jù)庫的一種，主要用于處理帶時間標(biāo)簽（按照時間的順序變化，即時間序列化）的數(shù)據(jù)，帶時間標(biāo)簽的數(shù)據(jù)也稱為時間序列數(shù)據(jù)。

如果我們要開發(fā)的系統(tǒng)對時間特別敏感，如股票交易、財務(wù)分析系統(tǒng)，此時就需要經(jīng)常對一定時間的內(nèi)數(shù)據(jù)分析，如過去 1周，10天，1個月，1 年等等，TSDB 會以毫秒級的速度給出這些我們需要的數(shù)據(jù)，傳統(tǒng)數(shù)據(jù)庫很難做到這一點(diǎn)。

目前，市面上常用的時序數(shù)據(jù)庫有 OpenTSDB、InfluxDB 等。

數(shù)據(jù)倉庫

很多項目也會需要一類能夠存儲巨量數(shù)據(jù)的數(shù)據(jù)庫，如滴滴需要存儲所有訂單信息來分析哪個城市、那個時間段為使用率最高，這些系統(tǒng)通常和常規(guī)用戶可感知的交易不同，可以使用脫機(jī)類型的數(shù)據(jù)倉庫。Hadoop 是目前主流的數(shù)據(jù)倉庫解決方案。

SQL OR NoSQL

如文章開頭所述，數(shù)據(jù)結(jié)構(gòu)是我們用來做數(shù)據(jù)庫選型時的重要因素之一，如果我們要存儲結(jié)構(gòu)化或者可以表格形式表示的數(shù)據(jù)，則可以使用關(guān)系型數(shù)據(jù)庫。

同時，我們還將考慮數(shù)據(jù)庫是否需要擁有 ACID 性質(zhì)，即原子性（Atomicity），一致性（Consistency），隔離型（Isolation），持久性（Durability）四大性質(zhì)。

• 原子性，保證所有操作要么全有要么全無。

• 一致性，保證操作前后數(shù)據(jù)庫狀態(tài)一致。

• 隔離性，意味著多個事務(wù)單獨(dú)進(jìn)行，一個事務(wù)將不受另一正在進(jìn)行的并行事務(wù)的影響。這能保證數(shù)據(jù)庫應(yīng)該能夠處理并發(fā)事務(wù)而不會導(dǎo)致數(shù)據(jù)不一致的情況。

• 持久性，保證一旦事務(wù)完成，更改將被永久寫入磁盤，并且不會因系統(tǒng)故障而丟失。

如果我們的項目需要 ACID，則需要使用關(guān)系數(shù)據(jù)庫（RDBMS），如 MySQL，Oracle，Postgres 等，但是，如果不需要 ACID，那么也可以非關(guān)系性數(shù)據(jù)庫。

例如，項目中需要為商品建立目錄索引，每個商品通常會有不同的屬性和信息，如藥品有保質(zhì)期，冰箱有節(jié)能等級等等，再例如我們的用戶表單中每位用戶也可能會有不同的屬性值，在這種情況下我們的數(shù)據(jù)就不能夠以表格形式表示，可以選擇使用 NoSQL 數(shù)據(jù)庫。

另外，除了儲存，我們通常還需要查詢這些類型的得到數(shù)據(jù)，這就需要考慮查詢模式這個要素，我們會根據(jù)存儲的數(shù)據(jù)類型和查詢類型來決定最終使用哪種數(shù)據(jù)庫。如果項目中會含有大量數(shù)據(jù)，包括各種各樣的屬性和各種各種的查詢請求，就需要使用文檔型數(shù)據(jù)庫（Document DB），如 Couchbase、MongoDB。

Elasticsearch 和 Solr 也是特殊文檔型數(shù)據(jù)庫。

如果我們的數(shù)據(jù)并沒有各種各樣的屬性，查詢類型也很有限，簡單增刪改查足以，但是數(shù)據(jù)庫的存儲量很大，如滴滴司機(jī)的位置，這類數(shù)據(jù)每時每刻都會增加，這種情況下，我們通常會使用柱狀存儲模型的數(shù)據(jù)庫，也稱列型（Columnar DBs）數(shù)據(jù)庫，如 Cassandra、HBase。這類數(shù)據(jù)庫每個列都有一個 column key 標(biāo)識，每個 column key下對應(yīng)若干 value，可以很輕松的獲得包含某個列的數(shù)據(jù)。

在個人的小型項目我們通常會選擇 Cassandra，因為非常輕量而且部署起來非常方便，性能也完全不亞于 HBase，而 HBase 基于 Hadoop 顯得過于臃腫。因此，我們可以說在數(shù)據(jù)查詢時可以直接通過 where 語句指定 key 查詢時，可以選擇 Cassandra。

如果我們將滴滴中與打車相關(guān)的訂單數(shù)據(jù)存儲在 Cassandra 后，司機(jī)的 id 可以作為每個列分區(qū)的 column key，當(dāng)我們想要查詢特定時間段內(nèi)該司機(jī)的路程，Cassandra 就可以立即幫我們在對應(yīng)列中查詢到這些數(shù)據(jù)，但這時，當(dāng)我們想要查詢某個日期內(nèi)乘客的乘車記錄，由于客戶 ID 并不是分區(qū) column key，因此 Cassandra 就需要查詢整個分區(qū)，這時 Cassandra 性能就會大打折扣！

這種情況下，我們可以使用不同的分區(qū) key 將相同的數(shù)據(jù)復(fù)制到另一個表或列中，這時，當(dāng)我們收到有關(guān)客戶 ID 和日期的查詢時，我們可以將其直接定向到分區(qū) kay 為客戶 ID 的表中，這就是查詢的種類少但數(shù)據(jù)量大的意思，只要查詢的類型相似，Cassandra（和 HBase）就可以無限擴(kuò)展，但如果查詢的種類非常多的話，我們就必須為每個分區(qū) key 一次又一次地復(fù)制，直到達(dá)到一定的限制。

如果我們不能控制查詢的類型，還是選擇采用 MongoDB 之類的方案，但是，如果我們只需要針對少數(shù)幾種查詢的大規(guī)模擴(kuò)展，那么 Cassandra 就是完美的解決方案。

現(xiàn)在，我們大概知道了基本的方向了，如果存儲結(jié)構(gòu)化數(shù)據(jù)并且需要 ACID 性質(zhì)，則使用關(guān)系數(shù)據(jù)庫（如 MySQL），如果存儲具有許多屬性的海量數(shù)據(jù)，則可以使用文檔數(shù)據(jù)庫（如 Mongo DB），如果數(shù)據(jù)非常簡單，查詢種類較少，則使用列式數(shù)據(jù)庫（如 Cassandra），但是實際項目中，還并不這么簡單。

混合使用

我們再以淘寶為例，對于一個商品來說，庫存中只有一件，但是很多用戶想要買，那么最終應(yīng)該只能賣給一個用戶，這就需要我們的數(shù)據(jù)庫擁有 ACID 性質(zhì)，因此，需要 MySql 這類關(guān)系型數(shù)據(jù)庫，但是淘寶中的商品數(shù)據(jù)也在不斷增加，屬性也多種多樣，我們也需要使用 Cassandra 這種列存儲模型的 NoSQL 數(shù)據(jù)庫。我們應(yīng)該選擇哪一種？在實際項目中，我們通常會混合使用這兩種數(shù)據(jù)庫，例如，將尚未交付的訂單數(shù)據(jù)存儲在 MySQL 數(shù)據(jù)庫中，一旦訂單完成，我們就可以將其移至 Cassandra 進(jìn)行永久存儲。

我們的需求還會變得更復(fù)雜，假如我們需要為購買商品的客戶構(gòu)建一個報告系統(tǒng)，淘寶上的商品通常會由不同品牌、不同版本向不同的客戶出售，因此，報告也不能針對單個產(chǎn)品，而應(yīng)針對產(chǎn)品的子集，這類需求可以使用 Cassandra 或 MySQL 實現(xiàn)，但是更好的方案是使用 Mongo DB 這類文檔型數(shù)據(jù)庫，我們可以將訂單數(shù)據(jù)的子集保存在 MongoDB 中，這些數(shù)據(jù)可以告訴我們哪些用戶在什么時候，什么日期購買了某種商品的數(shù)量。

因此，如果我們要查詢有多少人在上個月購買了 MacBook，我們可以從 MongoDB 中獲得訂單 ID，并使用此訂單 ID 來從 Cassandra 或 MySQL 中查詢其他的數(shù)據(jù)。