数据库到底解决什么问题
数据库的核心价值不是”存数据”,而是在并发、故障和增长面前,让数据保持一致、可查、可控。文件系统也能存数据,但一旦多个人同时改、机器突然断电、数据量涨到千万级,就需要数据库来兜底:事务保证要么全成功要么全失败,索引让查询不必全表扫描,权限与备份机制让数据可管理。
关系型数据库仍是默认答案
MySQL、PostgreSQL 这类关系型数据库,用表结构约束数据、用 SQL 描述查询、用事务保证一致性。它的优势在于数据模型清晰、生态成熟、工具链完善。绝大多数业务系统——订单、账务、用户管理——都适合关系型数据库,因为这类场景对一致性要求高,表之间的关系明确。
选型时值得关注几个点:
索引不是越多越好
索引能加速读,但会拖慢写入并占用存储。给高频查询条件建索引,给区分度低的字段(如性别)建索引意义不大。联合索引要遵循最左前缀原则,否则形同虚设。
事务隔离级别要理解代价
读未提交、读已提交、可重复读、串行化,隔离越强并发越低。多数数据库默认读已提交或可重复读,业务上不要盲目追求最高隔离级别,而要结合实际读写比例权衡。
NoSQL 不是替代,而是补位
Redis 做缓存与高速读写,MongoDB 适合结构灵活的文档数据,Elasticsearch 擅长全文检索与聚合分析。它们各自解决特定问题,但通常不承担核心交易数据的唯一存储。常见做法是关系型数据库做”事实来源”,NoSQL 做加速层或分析层,通过同步机制保持一致。
什么时候该考虑 NoSQL
- 读写量极大且对一致性要求可放宽
- 数据结构频繁变化、难以预先定义表结构
- 需要全文搜索、地理查询等特殊能力
分布式数据库的边界
当单机容量和写入成为瓶颈,分库分表或原生分布式数据库开始登场。它通过多节点扩展吞吐,但带来跨节点事务、网络分区、运维复杂度等新问题。分布式不是免费的午餐:能靠优化 SQL、加索引、读写分离解决的,优先不上分布式。
选型的三个判断维度
- 一致性要求:钱和订单不能错,优先关系型。
- 数据形态:结构化表格还是文档、键值、图。
- 规模与增长:当前量级、未来一到两年的写入峰值。
先想清楚这三点,再谈具体产品,比跟风选型可靠得多。