浅谈 如何选择适配数据库

大数据、人工智能、 区块链、 5G 、物联网 ，这些标志着世界进入数字化时代的词已不陌生， 数字经济已经发展成为新的经济形态，并稳定快速的发展，同时不断推动传统企业向数字化转型。

在这种复杂多变、个性化要求极高的业务场景中，数据库则成为了企业转型的核心。

而数据库的选型是否能满足场景的需求？ 是否能支撑业务的稳定发展？甚至能否帮助企业降本增效？这些是笔者在此跟大家分享并希望有机会可一起探讨的。

在如何对数据库进行选型这个问题上，我是非常正经的与公司技术男讨论了一番，得出结论如下：

先打个比方，就像买车，要考虑车是谁开，预算是多少，性能如何，功能咋样，后期维护成本高否等等。 数据库的选取也是类似。

1. 第一个维度，成本，这是大多数企业首考因素， 这里的成本不仅是购买数据库的产品成本，还包括学习成本、运维成本。

1.1 ）产品成本：顾名思义购买数据库产品本身的费用， 同时要考虑对硬件的适配情况。硬件也是构成产品成本要素之一。一般产品适配的是市场上的 X86 服务器。

1.2 ）学习成本：是否能快速上手，降低企业的人员成本及时间成本，解放他们的双手去创造更大价值。

1.3 ）运维成本：数据库的安装部署、日常巡检、性能优化、备份恢复、故障处理等。

2. 以下并列为第二维度： 性能、 功能、安全性、生态圈、

2.1 ）功能：数据存储、运行管理、支持多少 PB 级的数量存储，应对高吞吐读写场景等

2.2) 性能：查询率、延时情况、高可用、对故障的捕捉、能否支持更高级的存储处理等

2.3 ）安全性：首先是保护数据，以防止不合法的使用造成的数据泄露、更改或破坏，因而系统的安全性及措施也是企业选择数据库重要的选项之一。

2.4 ）生态圈： 建立自己的产品生态圈，说明产品已经被认可，成熟度已经很高。兼容性强；

2.5 ）可拓展性：企业选型时要考虑业务的长远发展，因此是否具备纵横延展性及灵活配置 性是很重要的考量。

以上浅析了作为购买者 + 使用者在数据库产品选型时会着重考虑的几个维度，接下来在说说对于不同的场景，该如何选 ？在这里把笔者第一篇数据库分类表放在这里想必是极好的

 关系型数据库

是表格式的存储，通过行和列表现形式表现出来，两者之间很容易关联协调存储，可以进行 join 等复杂查询，最大优点是保持数据一致。 关系型数据库对数据集中控制，统一定义，拥有丰富的完整性，因此减少了数据冗余，降低了维护和管理数据的成本。

目前关系型数据库在市场应用已很广泛，被熟知的有 Oracle 、 DB2 、 MySQL 、 Microsoft SQL Server 、 Microsoft Access 等，但随着互联网技术飞速发展， 各行各业面临着大规模数据量爆发，高吞吐、高并发的业务场景已经是大多企业面临的挑战，因此分布式关系型数据库登上了舞台，所以在选型的时候要考虑数据量到底多大； 当我们面对的是银行类业务，对数据库的安全性、稳定性、可扩展性要求极高的时候， 或者像淘宝双十一这种会有极大的数据存储与访问的问题时候，要考虑分库分表的原理跟实现，以及读写分离的实现。在这样的情况下，若只是一味的增加硬件，结果可能只是成本上去了，单库的的资源仍然会达到瓶颈。当读远远大于写的时候，要考虑所选产品读写分离的性能优势。如 ;Cobar 有分库无分表，可以让传统数据库有很好的延展性； Mycat 支持读写分离，以及分库分表，容灾管理； DRDS 闭源，能够对传入的 SQL 进行解析和处理； TIDB 架构相对复杂，水平伸缩是不会停止服务，较适应新型互联网公司，成熟度低，成本中。 HotDB, 在同行业的分布式事务数据库产品中，性价比较高，支持在线弹性扩展并且产品突破分布式一致性协议限制，能提供更高的计算节点可用性 ， 在金融领域应用较多，已经形成生态圈，成熟度高。 **

‚ 非关系型数据库的选择：

NoSQL 并不是 ”NO SQL” 的意思，是 Not Only SQL 的简在，在实际的应用中，对于对性能有更高要求，数据量更大的场景有绝对的优势，擅长处理非机构化数据。但目前主流的还是关系型数据库， NoSQL, 不够稳定与成熟。

如果是文档型数据库，主要用于事件记录，用来管理用户评论，注册、进行网站浏览量的存储，实时分析等场景， MongoDB 是目前这类数据库中比较热门的，可以存储比较复杂的数据类型，最大特点是查询语言强大，支持高性能服务存储，以及大量 UPDATE 操作，但 M ongoDB 不支持事务操作，不支持 join 操作，所以在遇到这种场景的时候，大家要酌情考虑用 MongoDB. 如果是基于 Lotus Notes 的应用，文档型数据库比建值数据库查询效率更高，推荐 ： CouchDB 、 MongoDB 、 SequoiaDB ， 按照优先级，笔者更推荐 CouchDB ，主要是因为它的 MVCC 机制，但不要尝试在查询频率高、有分析场景下使用 CouchDB, 主要是 Couch 的性能达不到这种高要求。 SequoiaDB ，是以 JSON 格式存储的文档型模型，具有很好的灵活性和高扩展性，能很好满足大数据场景的要求。但如果针对 OLTP 场景，不建议用 SequoiaDB 。

以上是跟大家分享的几个点，对大家选型的时候起到一个参考作用