16 架构设计 - 高性能 NoSQL
- 关系型数据库缺点
- 1. 关系数据库存储的是行记录，无法存储数据结构
- 如：'我关注的人' 是一个用户 ID 列表，关系型只能讲列表拆成多行，再查出来组装，无法直接存储一个列表
- 2. 关系数据库的 schema 扩展很不方便
- 表结构的 schema 是强约束，操作不存在的列会报错
- 3. 关系数据库在大数据场景下 I/O 较高
- 对大量数据的表进行统计之类计算时，即使只针对其中某一列进行运算
- 关系数据库也会将 整行数据 从 存储设备 读入 内存
- 4. 关系数据库的全文搜索功能比较弱
- 全文搜索只能使用 like 进行整表扫描匹配，性能非常低
- NoSQL 解决方案
- Not Only SQL
- 带来的优势，本质上是牺牲 ACID 中的某个或某几个特性
- NoSQL 四类方案
- 1. K-V 存储：解决关系数据库 无法 存储数据结构的问题，以 Redis 为代表
- 2. 文档数据库：解决关系数据库 强 Schema 约束问题，列可变，以 MongoDB 为代表
- 3. 列式数据库：解决关系数据库 大数据场景下 I/O 问题，只读取某列数据时，不需将所有行数据都读出来，以 HBase 为代表
- 4. 全文搜索引擎：解决关系数据库全文搜索性能问题，以 Elasticsearch 为代表
- 数据库选型
- 1. 管理型系统，如运营类系统，关系型
- 2. 大流量系统，如电商单品页的某个服务，后台选关系型，前台选内存型
- 3. 日志型系统，原始数据选列式，日志搜索选倒排索引
- 4. 搜索型系统，指站内搜索，非通用搜索，如商品搜索，后台选关系型，前台选倒排索引
- 5. 事务型系统，如库存、交易、记账，选关系型+缓存+一致性协议，或新型关系数据库
- 6. 离线计算，如大量数据分析，列式，关系型也可以
- 7. 实时计算，如实时监控，可以选时序数据库，或列式数据库
相关文章