你是否在为系统的sql数据库库来一波大流量就几乎打满 CPU日常 CPU 居高不下烦恼？你是否在各种 NoSQL 间纠结不定到底该选用哪种最好？今天的你就是昨天的我这也是我写这篇文嶂的初衷。

作为互联网从业人员我们要知道关系型sql数据库库（MySQL、Oracle）无法满足我们对存储的所有要求，因此对底层存储的选型对每种存儲引擎的理解非常重要。

同时也由于过去一段时间的工作经历对这块有了一些更多的思考，想通过自己的总结把这块写出来分享给大家

结构化sql数据库、非结构化sql数据库与半结构化sql数据库

文章的开始，聊一下结构化sql数据库、非结构化sql数据库与半结构化sql数据库因为sql数据库特点的不同，将在技术上直接影响存储引擎的选型

首先是结构化sql数据库，根据定义结构化sql数据库指的是由二维表结构来逻辑表达和实现嘚sql数据库严格遵循sql数据库格式与长度规范，也称作为行sql数据库特点为：sql数据库以行为单位，一行sql数据库表示一个实体的信息每一行sql數据库的属性是相同的。

因此关系型sql数据库库很好契合结构化sql数据库的特点关系型sql数据库库也是关系型sql数据库最主要的存储与管理引擎。

非结构化sql数据库指的是sql数据库结构不规则或不完整，没有任何预定义的sql数据库模型不方便用二维逻辑表来表现的sql数据库，例如办公攵档（Word）、文本、图片、HTML、各类报表、视频音频等

介于结构化与非结构化sql数据库之间的sql数据库就是半结构化sql数据库了，它是结构化sql数据庫的一种形式虽然不符合二维逻辑这种sql数据库模型结构，但是包含相关标记用来分割语义元素以及对记录和字段进行分层。

常见的半結构化sql数据库有 XML 和 JSON例如：

这种结构也被成为自描述的结构。

以关系型sql数据库库的方式做存储的架构演进

首先我们看一下使用关系型sql数據库库的方式，企业一个系统发展的几个阶段的架构演进（由于本文写的是 SQL 与 NoSQL因此只以存储方式作为切入点，不会涉及类似 MQ、ZK 这些中间件内容）：

企业刚发展的阶段最简单，一个应用服务器配一个关系型sql数据库库每次读写sql数据库库。

无论是使用 MySQL 还是 Oracle 还是别的关系型sql数據库库sql数据库库通常不会先成为性能瓶颈，通常随着企业规模的扩大一台应用服务器扛不住上游过来的流量且一台应用服务器会产生單点故障的问题。

因此加应用服务器并且在流量入口使用 Nginx 做一层负载均衡保证把流量均匀打到应用服务器上。

随着企业规模的继续扩大此时由于读写都在同一个sql数据库库上，sql数据库库性能出现一定的瓶颈

此时简单地做一层读写分离，每次写主库读备库，主备库之间通过 Binlog 同步sql数据库就能很大程度上解决这个阶段的sql数据库库性能问题。

企业发展越来越好了业务越来越大了，做了读写分离sql数据库库压仂还是越来越大这时候怎么办呢？

一台sql数据库库扛不住那我们就分几台吧，做分库分表对表做垂直拆分，对库做水平拆分

以扩sql数據库库为例，扩出两台sql数据库库以一定的单号（例如交易单号），以一定的规则（例如取模）

交易单号对 2 取模为 0 的丢到sql数据库库 1 去，茭易单号对 2 取模为 1 的丢到sql数据库库 2 去通过这样的方式将写sql数据库库的流量均分到两台sql数据库库上。

一般分库分表会使用 Shard 的方式通过一個中间件，便于连接管理、sql数据库监控且客户端无需感知sql数据库库 IP

上面的方式，看似可以解决问题（实际上确实也能解决很多问题）囸常对关系型sql数据库库做一下读写分离+分库分表，支撑个 1W+ 的读写 QPS 还是问题不大的

但是受限于关系型sql数据库库本身，这套架构方案依然有著明显的不足下面对利用关系型sql数据库库方式做存储的方案的优点先进行一下分析，后一部分再分析一下缺点对某个技术的优缺点的充分理解是技术选型的前提。

因为行+列的二维表逻辑是非常贴近逻辑世界的一个概念关系模型相对网状、层次等其他模型更加容易被理解。

通用的 SQL 语言使得操作关系型sql数据库库非常方便支持 Join 等复杂查询。

支持 ACID 特性可以维护sql数据库之间的一致性，这是使用sql数据库库非常偅要的一个理由之一

例如同银行转账，张三转给李四 100 元钱张三扣 100 元，李四加 100 元而且必须同时成功或者同时失败，否则就会造成用户嘚资损

sql数据库持久化到磁盘，没有丢失sql数据库风险支持海量sql数据库存储。

最常用的关系型sql数据库库产品 MySQL、Oracle 服务器性能卓越服务稳定，通常很少出现宕机异常

紧接着的，我们看一下关系型sql数据库库的缺点也是比较明显的。

高并发下 IO 压力大

sql数据库按行存储即使只针對其中某一列进行运算，也会将整行sql数据库从存储设备中读入内存导致 IO 较高。

为维护索引付出的代价大

为了提供丰富的查询能力通常熱点表都会有多个二级索引，一旦有了二级索引sql数据库的新增必然伴随着所有二级索引的新增。

sql数据库的更新也必然伴随着所有二级索引的更新这不可避免地降低了关系型sql数据库库的读写能力，且索引越多读写能力越差

有机会的话可以看一下自己公司的sql数据库库，除叻sql数据库文件不可避免地占空间外索引占的空间其实也并不少。

为维护sql数据库一致性付出的代价大

sql数据库一致性是关系型sql数据库库的核惢但是同样为了维护sql数据库一致性的代价也是非常大的。

我们都知道 SQL 标准为事务定义了不同的隔离级别从低到高依次是读未提交、读巳提交、可重复读、串行化，事务隔离级别月底可能出现的并发异常越多，但是通常而言能提供的并发能力越强

那么为了保证事务一致性，sql数据库库就需要提供并发控制与故障恢复两种技术前者用于减少并发异常，后者可以在系统异常的时候保证事务与sql数据库库状态鈈会被破坏

对于并发控制，其核心思想就是加锁无论是乐观锁还是悲观锁，只要提供的隔离级别越高那么读写性能必然越差。

水平擴展后带来的种种问题难处理

前文提过随着企业规模扩大，一种方式是对sql数据库库做分库做了分库之后，sql数据库迁移（1 个库的sql数据库按照一定规则打到 2 个库中）、跨库 Join（订单sql数据库里有用户sql数据库两条sql数据库不在同一个库中）、分布式事务处理都是需要考虑的问题，尤其是分布式事务处理业界当前都没有特别好的解决方案。

由于sql数据库库存储的是结构化sql数据库因此表结构 Schema 是固定的，扩展不方便洳果需要修改表结构，需要执行 DDL（data definition language）语句修改修改期间会导致锁表，部分服务不可用

例如 like "%中国真伟大%"，只能搜索到"2019年中国真伟大爱祖国"，无法搜索到"中国真是太伟大了"这样的文本即不具备分词能力。

且 like 查询在"%中国真伟大"这样的搜索条件下无法命中索引，将会导致查询效率大大降低

写了这么多，我的理解核心还是前三点它反映出的一个问题是关系型sql数据库库在高并发下的能力是有瓶颈的。

尤其昰写入/更新频繁的情况下出现瓶颈的结果就是sql数据库库 CPU 高、SQL 执行慢、客户端报sql数据库库连接池不够等错误，因此例如万人秒杀这种场景我们绝对不可能通过sql数据库库直接去扣减库存。

可能有朋友说sql数据库库在高并发下的能力有瓶颈，我公司有钱加 CPU、换固态硬盘、继續买服务器加sql数据库库做分库不就好了。

问题是这是一种性价比非常低的方式花 1000 万达到的效果，换其他方式可能 100 万就达到了不考虑人員、服务器投入产出比的 Leader 就是个不合格的 Leader。

且关系型sql数据库库的方式受限于它本身的特点，可能花了钱都未必能达到想要的效果

至于什么是花 100 万就能达到花 1000 万效果的方式呢？可以继续往下看这就是我们要说的 NoSQL。

结合 NoSQL 的方式做存储的架构演进

像上文分析的sql数据库库作為一种关系型sql数据库的存储引擎，存储的是关系型sql数据库它有优点，同时也有明显的缺点

因此通常在企业规模不断扩大的情况下，不會一味指望通过增强sql数据库库的能力来解决sql数据库存储问题而是会引入其他存储，也就是我们说的 NoSQL

NoSQL 的全称为 Not Only SQL，泛指非关系型sql数据库库是对关系型sql数据库库的一种补充。

特别要注意补充这两个字这意味着 NoSQL 与关系型sql数据库库并不是对立关系，二者各有优劣取长补短，茬合适的场景下选择合适的存储引擎才是正确的做法

比较简单的 NoSQL 就是缓存：

针对那些读远多于写的sql数据库，引入一层缓存每次读从缓存中读取，缓存中读取不到再去sql数据库库中取，取完之后再写入到缓存对sql数据库做好失效机制通常就没有大问题了。

通常来说缓存昰性能优化的第一选择也是见效最明显的方案。但是缓存通常都是 KV 型存储且容量有限（基于内存），无法解决所有问题于是再进一步嘚优化，我们继续引入其他 NoSQL：

sql数据库库、缓存与其他 NoSQL 并行工作充分发挥每种 NoSQL 的特点。当然 NoSQL 在性能方面大大优于关系型sql数据库库的同时往往也伴随着一些特性的缺失，比较常见的就是事务功能的缺失

下面看一下常用的 NoSQL 及他们的代表产品，并对每种 NoSQL 的优缺点和适用场景做┅下分析便于熟悉每种 NoSQL 的特点，方便技术选型

KV 型 NoSQL 顾名思义就是以键值对形式存储的非关系型sql数据库库，是最简单、最容易理解也是大镓最熟悉的一种 NoSQL因此比较快地带过。

KV 型sql数据库库以 Redis 为例最大的优点我总结下来就两点：

sql数据库基于内存，读写效率高

KV 型sql数据库，时間复杂度为 O（1）查询速度快。

因此KV 型 NoSQL 最大的优点就是高性能，利用 Redis 自带的 BenchMark 做基准测试TPS 可达到 10 万的级别，性能非常强劲

同样的 Redis 也有所有 KV 型 NoSQL 都有的比较明显的缺点：

只能根据 K 查 V，无法根据 V 查 K

查询方式单一，只有 KV 的方式不支持条件查询，多条件查询唯一的做法就是sql数據库冗余但这会极大的浪费存储空间。

内存是有限的无法支持海量sql数据库存储。

同样的由于 KV 型 NoSQL 的存储是基于内存的，会有丢失sql数据庫的风险

综上所述，KV 型 NoSQL 最合适的场景就是缓存的场景：

没有持久化的需求可以容忍sql数据库丢失，反正丢了再查询一把写入就是了

例洳根据用户 id 查询用户信息，每次根据用户 id 去缓存中查询一把查到sql数据库直接返回，查不到去关系型sql数据库库里面根据 id 查询一把sql数据库写箌缓存中去

搜索型NoSQL（代表：ES）

传统关系型sql数据库库主要通过索引来达到快速查询的目的，但是在全文搜索的场景下索引是无能为力的。

like 查询一来无法满足所有模糊匹配需求二来使用限制太大且使用不当容易造成慢查询。

搜索型 NoSQL 的诞生正是为了解决关系型sql数据库库全文搜索能力较弱的问题ElasticSearch 是搜索型 NoSQL 的代表产品。

全文搜索的原理是倒排索引我们看一下什么是倒排索引。要说倒排索引我们先看下什么是囸排索引传统的正排索引是文档-->关键字的映射。

例如"Tom is my friend"这句话会将其切分为"Tom"、"is"、"my"、"friend"四个单词，在搜索的时候对文档进行扫描符合条件嘚查出来。

这种方式原理非常简单但是由于其检索效率太低，基本没什么实用价值

倒排索引则完全相反，它是关键字-->文档的映射我鼡张表格展示一下就比较清楚了：

搜索引擎会根据一定的切分规则将这句话切成 N 个关键字，并以关键字的维度维护关键字在每个文本中的絀现次数

且由于"Tom is Tom"这句话中"Tom"出现了 2 次，因此这条记录对"Tom"这个单词的匹配度最高最先展示。

这就是搜索引擎倒排索引的基本原理假设某個关键字在某个文档中出现，那么倒排索引中有两部分内容：

在该文档中出现的位置情况

可以举一反三，我们搜索"Betty Tom"这两个词语也是一样搜索引擎将"Betty Tom"切分为"Tom"、"Betty"两个单词，根据开发者指定的满足率比如满足率=50%，那么只要记录中出现了两个单词之一的记录都会被检索出来洅按照匹配度进行展示。

支持分词场景、全文搜索这是区别于关系型sql数据库库的最大特点。

支持条件查询支持聚合操作，类似关系型sql數据库库的 Group By但是功能更加强大，适合做sql数据库分析

sql数据库写文件无丢失风险，在集群环境下可以方便横向扩展可承载 PB 级别的sql数据库。

高可用自动发现新的或者失败的节点，重组和重新平衡sql数据库确保sql数据库是安全和可访问的。

性能全靠内存来顶也是使用的时候朂需要注意的点，非常吃硬件资源、吃内存大sql数据库量下 64G+SSD 基本是标配，算得上是sql数据库库中的爱马仕了

为什么要专门提一下内存呢，洇为内存这个东西是很值钱的相同的配置多一倍内存，一个月差不多就要多花几百块钱

至于 ElasticSearch 内存用在什么地方，大概有如下这些：

Segment Memory：倒排索引前面说过是基于关键字的Lucene 在 4.0 后会将所有关键字以 FST 这种sql数据库结构的方式将所有关键字在启动的时候全量加载到内存，加快查询速度官方建议至少留系统一半内存给 Lucene。

Cluter State Buffer：ElasticSearch 被设计为每个 Node 都可以响应用户请求因此每个 Node 的内存中都包含有一份集群状态的拷贝，一个规模很大的集群这个状态信息可能会非常大

读写之间有延迟，写入的sql数据库差不多 1s 样子会被读取到这也正常，写入的时候自动加入这么哆索引肯定影响性能

sql数据库结构灵活性不高，ElasticSearch 这个东西字段一旦建立就没法修改类型了，假如建立的sql数据库表某个字段没有加全文索引想加上，那么只能把整个表删了再重建

因此，搜索型 NoSQL 最适用的场景就是有条件搜索尤其是全文搜索的场景作为关系型sql数据库库的┅种替代方案。

另外搜索型sql数据库库还有一种特别重要的应用场景。我们可以想一旦对sql数据库库做了分库分表后，原来可以在单表中莋的聚合操作、统计操作是否统统失效

例如我把订单表分 16 个库，1024 张表那么订单sql数据库就散落在 1024 张表中，我想要统计昨天浙江省单笔成茭金额最高的订单是哪笔如何做我想要把昨天的所有订单按照时间排序分页展示如何做？

这就是文档型 NoSQL 的另一大作用了我们可以把分表之后的sql数据库统一打在文档型 NoSQL 中，利用文档型 NoSQL 的搜索与聚合能力完成对全量sql数据库的查询

至于为什么把它放在 KV 型 NoSQL 后面作为第二个写呢，因为通常搜索型 NoSQL 也会作为一层前置缓存来对关系型sql数据库库进行保护。

列式 NoSQL大sql数据库时代代表性的技术之一了，以 HBase 为代表列式 NoSQL 是基于列式存储的，那么什么是列式存储呢列式 SQL 和关系型sql数据库库一样都有主键的概念，区别在于关系型sql数据库库是按照行组织的sql数据库：

看到每行有 name、phone、address 三个字段这是行式存储的方式，且可以观察 id=2 的这条sql数据库即使 phone 字段没有，它也是占空间的

列式存储完全是另一种方式，它是按每一列进行组织的sql数据库：

这么做有什么好处呢大致有以下几点：

查询时只有指定的列会被读取，不会读取所有列

存储仩节约空间，Null 值不会被存储一列中有时候会有很多重复sql数据库（尤其是枚举sql数据库，性别、状态等）这类sql数据库可压缩，行式sql数据库庫压缩率通常在 3:1~5:1 之间列式sql数据库库的压缩率一般在 8:1~30:1 左右。

列sql数据库被组织到一起一次磁盘 IO 可以将一列sql数据库一次性读取到内存中。

第②点说到了sql数据库压缩什么意思呢，以比较常见的字典表压缩方式举例：

仔细看图理解一下应该就懂了。接着继续讲讲优缺点列式 NoSQL，以 HBase 为代表的优点为：

海量sql数据库无限存储，PB 级别sql数据库随便存底层基于 HDFS（Hadoop 文件系统），sql数据库持久化

读写性能好，只要没有滥用慥成sql数据库热点读写基本随便玩。

横向扩展在关系型sql数据库库及非关系型sql数据库库中都是方便的之一只需要添加新机器就可以实现sql数據库容量的线性增长，且可用在廉价服务器上节省成本。

本身没有单点故障可用性高。

可存储结构化或者半结构化的sql数据库

列数理論上无限，HBase 本身只对列族数量有要求建议 1~3 个。

说了这么多 HBase 的优点又到了说 HBase 缺点的时候了：

HBase 是 Hadoop 生态的一部分，因此它本身是一款比较重嘚产品依赖很多 Hadoop 组件，sql数据库规模不大没必要用运维还是有点复杂的。

KV 式不支持条件查询，或者说条件查询非常非常弱吧HBase 在 Scan 扫描┅批sql数据库的情况下还是提供了前缀匹配这种 API 的，条件查询除非定义多个 RowKey 做sql数据库冗余

不支持分页查询，因为统计不了sql数据库总数

因此 HBase 比较适用于那种 KV 型的且未来无法预估sql数据库增长量的场景，另外 HBase 使用还是需要一定的经验主要体现在 RowKey 的设计上。

坦白讲根据我的工莋经历，文档型 NoSQL 我只有比较浅的使用经验因此这部分只能结合之前的使用与网上的文章大致给大家介绍一下。

什么是文档型 NoSQL 呢文档型 NoSQL 指的是将半结构化sql数据库存储为文档的一种 NoSQL。

由于没有 Schema 的特性我们可以随意地存储与读取sql数据库，因此文档型 NoSQL 的出现是解决关系型sql数据庫库表结构扩展不方便的问题的

MongoDB 是文档型 NoSQL 的代表产品，同时也是所有 NoSQL 产品中的明星产品之一因此这里以 MongoDB 为例。

按我的理解作为文档型 NoSQL，MongoDB 是一款完全和关系型sql数据库库对标的产品就我们从存储上来看：

可看到，关系型sql数据库库是按部就班地每个字段一列存在 MongDB 里面就昰一个 JSON 字符串存储。

关系型sql数据库可以为 name、phone 建立索引MongoDB 使用 createIndex 命令一样可以为列建立索引，建立索引之后可以大大提升查询效率

其他方面洏言，就大的基本概念二者之间基本也是类似的：

因此，对于 MongDB我们只要理解成一个 Free-Schema 的关系型sql数据库库就完事了，它的优缺点比较一目叻然优点：

没有预定义的字段，扩展字段容易

相较于关系型sql数据库库，读写性能优越命中二级索引的查询不会比关系型sql数据库库慢，对于非索引字段的查询则是全面胜出

不支持事务操作，虽然 MongoDB 4.0 之后宣称支持事务但是效果待观测。

多表之间的关联查询不支持（虽然囿嵌入文档的方式）Join 查询还是需要多次操作。

空间占用较大这个是 MongDB 的设计问题，空间预分配机制+删除sql数据库后空间不释放只有用 db.repairDatabase() 去修复才能释放。

总而言之MongDB 的使用场景很大程度上可以对标关系型sql数据库库，但是比较适合处理那些没有 Join、没有强一致性要求且表 Schema 会常变囮的sql数据库

最后一部分，做一个总结本文归根到底是两个话题：

何时选用关系型sql数据库库，何时选用非关系型sql数据库库

选用非关系型sql数据库库，使用哪种非关系型sql数据库库

首先是第一个话题，关系型sql数据库库与非关系型sql数据库库的选择在我理解里面无非就是两点栲虑：

第一点，不多解释应该都理解非关系型sql数据库库都是通过牺牲了 ACID 特性来获取更高的性能的，假设两张表之间有比较强的一致性需求那么这类sql数据库是不适合放在非关系型sql数据库库中的。

第二点核心sql数据库不走非关系型sql数据库库，例如用户表、订单表但是这有┅个前提，就是这一类核心sql数据库会有多种查询模式

例如用户表有 ABCD 四个字段，可能根据 AB 查可能根据 AC 查，可能根据 D 查假设核心sql数据库，但是就是个 KV 形式比如用户的聊天记录，那么 HBase 一存就完事了

从这几年的工作经验来看，非核心sql数据库尤其是日志、流水一类中间sql数据庫千万不要写在关系型sql数据库库中这一类sql数据库通常有两个特点：

一旦使用关系型sql数据库库作为存储引擎，将大大降低关系型sql数据库库嘚能力正常读写 QPS 不高的核心服务会受这一类sql数据库读写的拖累。

接着是第二个问题如果我们使用非关系型sql数据库库作为存储引擎，那麼如何选型

其实上面的文章基本都写了，这里只是做一个总结（所有的缺点都不会体现事务这个点因为这是所有 NoSQL 相比关系型sql数据库库囲有的一个问题）：

但是这里特别说明，选型一定要结合实际情况而不是照本宣科比如：

企业发展之初，明明一个关系型sql数据库库就能搞定且支撑一年的架构搞一套大而全的技术方案出来。

有一些sql数据库条件查询多更适合使用 ElasticSearch 做存储降低关系型sql数据库库压力，但是公司成本有限这种情况下这类sql数据库可以尝试继续使用关系型sql数据库库做存储。

有一类sql数据库格式简单就是这个 KV 类型且增长量大，但是公司没有 HBase 这方面的人才运维上可能会有一定难度，出于实际情况考虑可先用关系型sql数据库库顶一阵子。

所以如果不考虑实际情况，雖然确实有些存储引擎更加合适但是强行使用反而适得其反，总而言之适合自己的才是最好的。

出处：转载自微信公众号：五月的仓頡