架構(gòu)師之路，從「存儲(chǔ)選型」起步
經(jīng)常有人問，架構(gòu)師的學(xué)習(xí)路線是什么？
我一般推薦架構(gòu)師的基本功，是從「存儲(chǔ)選型」開始的。
本文整理了存儲(chǔ)選型的思路和整體框架，主要包括幾個(gè)部分內(nèi)容：
了解目前的存儲(chǔ)技術(shù)趨勢(shì)，以及對(duì)開發(fā)人員新的要求
存儲(chǔ)選型的原則，避免日常的經(jīng)典誤區(qū)
結(jié)合典型數(shù)據(jù)庫(kù)特點(diǎn)，說明如何進(jìn)行存儲(chǔ)選型，提高業(yè)務(wù)開發(fā)效率
常見的場(chǎng)景和解決方案
1、存儲(chǔ)技術(shù)發(fā)展看存儲(chǔ)選型
1.1 存儲(chǔ)類型多元化
DB-Engines數(shù)據(jù)庫(kù)排名并不代表數(shù)據(jù)庫(kù)的安裝數(shù)量，或者使用量。但某數(shù)據(jù)庫(kù)越來越受歡迎則代表在一定時(shí)間范圍內(nèi)更加廣泛的使用。
這里貼了一張2022年5月份的排行榜（https://db-engines.com/en/ranking）。
我們對(duì)于排名前10的數(shù)據(jù)庫(kù)中，比較熟悉的應(yīng)該是MySQL、Redis和ES，這三個(gè)數(shù)據(jù)庫(kù)在我們?nèi)粘ｉ_發(fā)中占據(jù)絕大多數(shù)的比例。
但是，這三個(gè)數(shù)據(jù)庫(kù)只代表了一小部分的數(shù)據(jù)庫(kù)類型，我們是不是可以把視野打開更多一些，看看沒有更多的數(shù)據(jù)庫(kù)類型，可以適合我們不同的業(yè)務(wù)，包括
Relational、Document、Key-value、Search engine、Wide column、Time Series、Graph等等不同數(shù)據(jù)庫(kù)類型。
1.2 云原生存儲(chǔ)多元化
除去上面的傳統(tǒng)數(shù)據(jù)庫(kù)之外，云時(shí)代存儲(chǔ)技術(shù)又有了更多的變化。
除了簡(jiǎn)單的把上面的數(shù)據(jù)庫(kù)托管到云上之外，還多了許多充分利用云的基礎(chǔ)設(shè)施產(chǎn)生的云原生數(shù)據(jù)庫(kù)，比如aws的Amazon Aurora、阿里云的PolarDB、騰訊云的TDSQL等。
另外，云時(shí)代還產(chǎn)生了更多類型的數(shù)據(jù)庫(kù)，比如阿里云的多模數(shù)據(jù)庫(kù)Lindorm、Pingcap的HTAP數(shù)據(jù)庫(kù)TiDb等。
多類型數(shù)據(jù)庫(kù)是各個(gè)云廠商發(fā)展的趨勢(shì)，他們?yōu)槭裁磿?huì)支持越來越多用途的數(shù)據(jù)庫(kù)呢？
供給側(cè)的改變一定是來源于需求側(cè)，因?yàn)殡S著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等場(chǎng)景發(fā)展，有很多業(yè)務(wù)需求不是任何單一的數(shù)據(jù)庫(kù)能解決的了。
1.3 告訴我們什么？
「數(shù)據(jù)庫(kù)類型多元化」 & 「云原生數(shù)據(jù)庫(kù)類型多元化」 是一個(gè)必然的發(fā)展趨勢(shì)。
我們要解決的場(chǎng)景會(huì)越來越多，我們需要掌握的數(shù)據(jù)庫(kù)領(lǐng)域也越來越廣，只有這樣，我們才能面對(duì)在線事務(wù)、離線分析、海量存儲(chǔ)、成本與效率等因素，真正做好存儲(chǔ)選型。
2、存儲(chǔ)選型原則：不要耍流氓
2.1 不講場(chǎng)景的選型都是耍流氓
大家可能都知道，數(shù)據(jù)庫(kù)的選型一定是基于實(shí)際的業(yè)務(wù)場(chǎng)景的。但是，可能也遇到過類似的對(duì)話：
上面的對(duì)話可能有些夸張，但是實(shí)際生產(chǎn)中，可能是對(duì)場(chǎng)景的理解有誤，也可能是為了快速完成任務(wù)開發(fā)，結(jié)果是在「特定場(chǎng)景」選擇了錯(cuò)誤的數(shù)據(jù)庫(kù)的情況時(shí)有發(fā)生。
常見的特定場(chǎng)景包括：
離線業(yè)務(wù)：日志、搜索、統(tǒng)計(jì)等。
事務(wù)需求：強(qiáng)事務(wù)型、分析型。
數(shù)據(jù)熱度：全熱數(shù)據(jù)、冷熱明顯等。
數(shù)據(jù)讀寫偏好：多讀、多寫。
數(shù)據(jù)增長(zhǎng)方式：按日期、按用戶、按位置類型等。
對(duì)于存儲(chǔ)選型來說，一定需要識(shí)別特定場(chǎng)景的特點(diǎn)，是在線業(yè)務(wù)還是離線業(yè)務(wù)？數(shù)據(jù)冷熱是否明顯？數(shù)據(jù)訪問方式特點(diǎn)？數(shù)據(jù)增長(zhǎng)方式等等。
如果沒有根據(jù)場(chǎng)景特點(diǎn)來做存儲(chǔ)選型，可能會(huì)帶來不良后果，包括無法滿足業(yè)務(wù)需求、存儲(chǔ)成本暴漲等，然后就需要花大代價(jià)做不停機(jī)數(shù)據(jù)遷移和代碼重構(gòu)。
因此，針對(duì)特定業(yè)務(wù)場(chǎng)景的存儲(chǔ)選型一定要仔細(xì)、慎重，并在一開始就設(shè)計(jì)好。
2.2 不講數(shù)據(jù)規(guī)模的選型都是耍流氓
除了特定場(chǎng)景外，「數(shù)據(jù)規(guī)?！故谴鎯?chǔ)選型的另一個(gè)核心要素。
這樣的對(duì)話非常常見。
雖然在一些新業(yè)務(wù)場(chǎng)景下，確實(shí)很難準(zhǔn)確評(píng)估業(yè)務(wù)的數(shù)據(jù)規(guī)模，但是無法評(píng)估的數(shù)據(jù)規(guī)模，往往意味著無法做好正確的存儲(chǔ)選型。
因此，如果有一定的先驗(yàn)知識(shí)，我們需要盡量做好數(shù)據(jù)規(guī)模的評(píng)估。比如，之前有沒有類似的業(yè)務(wù)、其他組有沒有類似的需求或功能，它們目前的數(shù)據(jù)規(guī)模大致如何，然后進(jìn)行評(píng)估。
常見的數(shù)據(jù)規(guī)模指標(biāo)有三個(gè)：
數(shù)據(jù)總量
QPS
rt
不同的數(shù)據(jù)規(guī)模指標(biāo)，往往意味著不同的存儲(chǔ)選型。
2.3 不講掌控度的選型都是耍流氓
對(duì)于存儲(chǔ)選型，「掌控度」是非常重要的選型原則。
這里其實(shí)包括了兩個(gè)維度，開發(fā)同學(xué)對(duì)存儲(chǔ)的掌控度 & DBA對(duì)存儲(chǔ)的掌控度。
1）開發(fā)同學(xué)的掌控度
對(duì)開發(fā)同學(xué)來說，選擇一個(gè)存儲(chǔ)，一定是基于對(duì)該存儲(chǔ)的基本認(rèn)知&最佳實(shí)踐的了解。
一定不是其他人也這么用所以我這么用。
如果盲目使用一個(gè)自己不了解的存儲(chǔ)，很容易帶來不良后果，輕則造成資源浪費(fèi)，重則引起線上故障（比如Mysql的慢sql、HBase的熱點(diǎn)訪問等）。
2）DBA對(duì)存儲(chǔ)的掌控度
對(duì)DBA來說，對(duì)一個(gè)存儲(chǔ)的基本認(rèn)知&最佳實(shí)踐是基礎(chǔ)要求了。在此之上，還有其他更多的要求。
一個(gè)是社區(qū)活躍度。社區(qū)活躍度決定著你獲取信息的難易程度，也決定到出現(xiàn)了故障后的定位速度甚至是能不能定位出來，如果社區(qū)很活躍，自然就能得到更多的幫助。
第二個(gè)是有沒有案例背書。最好是一些中廠、大廠最新的案例實(shí)踐（千萬不要被大廠多年前的案例迷惑，技術(shù)發(fā)展往往意味著更新更合適的解決方案）。如果案例與存儲(chǔ)不匹配，或者沒有什么案例來支持你的存儲(chǔ)選型，那么這個(gè)選型可能就是不合適的。
第三個(gè)是存儲(chǔ)組件的上手成本。團(tuán)隊(duì)具備了什么樣的技術(shù)儲(chǔ)備？選擇的是自研還是云產(chǎn)品？云產(chǎn)品是全托管的還是半托管的？畢竟每一種數(shù)據(jù)庫(kù)都不是這么簡(jiǎn)單，如果人力有限而上手難度又很大，那么這個(gè)存儲(chǔ)組件目前可能不是一個(gè)好的選擇。
3、選型路線圖
結(jié)合上面的原則，我們來做一個(gè)存儲(chǔ)選型路線圖供大家參考。
進(jìn)一步，針對(duì)各個(gè)類型數(shù)據(jù)庫(kù)，我們都需要了解它們的優(yōu)點(diǎn)、缺點(diǎn)、最佳實(shí)踐等，來結(jié)合業(yè)務(wù)場(chǎng)景因地制宜。
3.1 Relational
以MySQL為代表的關(guān)系型數(shù)據(jù)庫(kù)。常用于在線業(yè)務(wù)（OLTP)場(chǎng)景，對(duì)于強(qiáng)事務(wù)有較好支持。
優(yōu)點(diǎn)：
容易理解，大家基本上都用得比較熟
事務(wù)特性
配套成熟（備份恢復(fù)、數(shù)據(jù)訂閱、數(shù)據(jù)同步等）
服務(wù)極度穩(wěn)定
缺點(diǎn)：
不易水平擴(kuò)展
大表表結(jié)構(gòu)變更復(fù)雜
全文檢索能力弱
復(fù)雜分析、統(tǒng)計(jì)能力弱
最佳實(shí)踐：
索引設(shè)計(jì)
避免n+1輪訓(xùn)
避免深分頁(yè)
單表千萬考慮分庫(kù)分表，或者使用云數(shù)據(jù)庫(kù)（polarDB或者TDSQL)
冷熱數(shù)據(jù)注意歸檔
不直接處理統(tǒng)計(jì)、分析型操作
3.2 Key-value
KV型NoSql顧名思義就是以鍵值對(duì)形式存儲(chǔ)的非關(guān)系型數(shù)據(jù)庫(kù)，是最簡(jiǎn)單、最容易理解也是大家最熟悉的一種 NoSql。
Redis是其中的代表，典型用于緩存場(chǎng)景。
優(yōu)點(diǎn)：
數(shù)據(jù)基于內(nèi)存，讀寫效率高
KV型數(shù)據(jù)，時(shí)間復(fù)雜度為O(1)，查詢速度快
缺點(diǎn)：
查詢方式單一
內(nèi)存有限，且非常昂貴
由于存儲(chǔ)是基于內(nèi)存的，會(huì)有丟失數(shù)據(jù)的風(fēng)險(xiǎn)（有持久化存儲(chǔ)方案）
最佳實(shí)踐：
合理控制kv大小，避免大key
避免熱點(diǎn)key
設(shè)置合理的TTL
注意緩存雪崩、穿透、擊穿、兼容問題
不要用于消息隊(duì)列，異常情況無法堆積消息
不要將redis作為數(shù)據(jù)庫(kù)使用，可能會(huì)丟數(shù)據(jù)
3.3 Search engine
搜索型NoSql顧名思義主要是用在搜索場(chǎng)景下的。
盡管MySQL可以通過索引來加速查詢，但是對(duì)于全文搜索、模糊搜索等場(chǎng)景就比較無力，搜索型NoSql正是為了補(bǔ)足這個(gè)場(chǎng)景誕生的。
ElasticSearch是其中的代表產(chǎn)品。
優(yōu)點(diǎn)：
支持分詞場(chǎng)景、全文搜索，這是區(qū)別于關(guān)系型數(shù)據(jù)庫(kù)最大特點(diǎn)
支持條件查詢，支持聚合操作，適合數(shù)據(jù)分析
在集群環(huán)境下可以方便橫向擴(kuò)展，可承載PB級(jí)別的數(shù)據(jù)
缺點(diǎn)：
讀寫之間有延遲，寫入的數(shù)據(jù)不一定能馬上讀到
硬件性能要求高
最佳實(shí)踐：
核心在線應(yīng)用強(qiáng)依賴ES需要考慮可行的降級(jí)方案
禁止使用單索引多type
ES成本較高，因此建議僅數(shù)據(jù)庫(kù)加速、全文檢索情況下使用es
ES中僅存儲(chǔ)索引字段，通過id回查數(shù)據(jù)庫(kù)，不要全量數(shù)據(jù)存儲(chǔ)ES
根據(jù)節(jié)點(diǎn)數(shù)量設(shè)置合理的分片數(shù)量、分片大小
3.4 Document
文檔型 NoSql 指的是將半結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)為文檔的一種 NoSql，通常以 JSON 或者 XML 格式存儲(chǔ)數(shù)據(jù)。
Mongo是其中的代表產(chǎn)品。
優(yōu)點(diǎn)：
沒有預(yù)定義的字段，擴(kuò)展字段容易
相較于關(guān)系型數(shù)據(jù)庫(kù)，讀寫性能優(yōu)越
分片集群易水平擴(kuò)展
缺點(diǎn)：
文檔結(jié)構(gòu)過于靈活，可能導(dǎo)致不易維護(hù)
客戶端控制力強(qiáng)，對(duì)開發(fā)、優(yōu)化上有一定要求
最佳實(shí)踐：
選擇合理的片鍵
建立合適的索引
正確使用寫關(guān)注設(shè)置（Write Concern）
正確使用讀選項(xiàng)設(shè)置（Read Preference）
正確使用更新語句（局部更新、防止大量更新集中在一條數(shù)據(jù)內(nèi)）
3.5 Wide column
一般用于可靠性要求不高的海量存儲(chǔ)場(chǎng)景。
HBase是代表產(chǎn)品（國(guó)外cassandra用得多，國(guó)內(nèi)HBase用得多）。
優(yōu)點(diǎn)：
動(dòng)態(tài)列調(diào)整，不受表結(jié)構(gòu)困擾
海量數(shù)據(jù)存儲(chǔ)，PB 級(jí)別數(shù)據(jù)
橫向擴(kuò)展方便，且支持廉價(jià)存儲(chǔ)擴(kuò)展，成本低，適用于無法預(yù)估存儲(chǔ)量的海量數(shù)據(jù)
缺點(diǎn)：
Hadoop生態(tài)產(chǎn)品，組件依賴多，沒有云托管產(chǎn)品，運(yùn)維能力要求比較高
Rowkey設(shè)計(jì)需要一定經(jīng)驗(yàn)，避免熱點(diǎn)
單集群SLA一般3個(gè)9，如果用于在線核心業(yè)務(wù)，一定需要考慮降級(jí)和容災(zāi)
只支持行級(jí)事務(wù)
最佳實(shí)踐：
適用于行數(shù)多，但單個(gè)kv數(shù)據(jù)量?。?M以下）
特別注意Rowkey設(shè)計(jì)，避免熱點(diǎn)
大value（10M以上)禁止存入HBase，考慮對(duì)象存儲(chǔ)
表創(chuàng)建時(shí)必須預(yù)分區(qū)
表的列族數(shù)量不得超過 2 個(gè)
HBase是CP型系統(tǒng)，SLA一般是3個(gè)9，一般建議離線業(yè)務(wù)使用。如果核心在線業(yè)務(wù)使用，必須做好降級(jí)、容災(zāi)
4、常見場(chǎng)景和選型方案
上文提出了 三條選型原則 和 常見數(shù)據(jù)庫(kù)的選型依據(jù)，下面結(jié)合不同場(chǎng)景做一下常規(guī)選型方案參考。
4.1 主要場(chǎng)景和方案
毋庸置疑，互聯(lián)網(wǎng)業(yè)務(wù)的主要場(chǎng)景，是采用mysql進(jìn)行數(shù)據(jù)存儲(chǔ)。正如MySQL的自己所說 —— most popular open source database。
當(dāng)然，為了扛住高并發(fā)場(chǎng)景，緩存也不可缺失。
因此，最主要的方案就是 MySQL + Redis。
適用于日常主要場(chǎng)景：
MySQL滿足事務(wù)性要求
Redis抗熱點(diǎn)
4.2 模糊搜索 or 全文檢索
MySQL數(shù)據(jù)庫(kù)擅長(zhǎng)在線業(yè)務(wù)（OLTP）讀寫，不擅長(zhǎng)做統(tǒng)計(jì)、分析型業(yè)務(wù)（OLAP)。因此，一般會(huì)通過MySQL做持久化存儲(chǔ)，ES構(gòu)建索引進(jìn)行查詢、分析。
適用于搜索場(chǎng)景：
復(fù)雜查詢
模糊搜索
全文搜索
統(tǒng)計(jì)分析
4.3 大量數(shù)據(jù)場(chǎng)景
數(shù)據(jù)規(guī)模：100TB以內(nèi)的數(shù)據(jù)量。
1）MySQL分庫(kù)分表 + es
傳統(tǒng)MySQL橫向擴(kuò)展方案，利用分庫(kù)分表中間件進(jìn)行存儲(chǔ)擴(kuò)展，利用ES進(jìn)行非分表鍵查詢和復(fù)雜查詢。
適用場(chǎng)景：
數(shù)據(jù)量較大
有中間件使用能力
已有MySQL橫向擴(kuò)展
2）云原生數(shù)據(jù)庫(kù)（以polarDB為例）
云時(shí)代的新方案。
PolarDB是阿里巴巴自研的新一代云原生關(guān)系型數(shù)據(jù)庫(kù)，在存儲(chǔ)計(jì)算分離架構(gòu)下，利用了軟硬件結(jié)合的優(yōu)勢(shì)，為用戶提供具備極致彈性、高性能、海量存儲(chǔ)、安全可靠的數(shù)據(jù)庫(kù)服務(wù),100%兼容MySQL 5.6/5.7/8.0。
最高100 TB，不再需要因?yàn)閱螜C(jī)容量的天花板而去購(gòu)買多個(gè)實(shí)例做分片，由此簡(jiǎn)化應(yīng)用開發(fā)，降低運(yùn)維負(fù)擔(dān)。
適用場(chǎng)景：
數(shù)據(jù)量較大
有公有云使用基礎(chǔ)設(shè)施
3）mongo分片集群
適用場(chǎng)景：
數(shù)據(jù)量較大的NoSQL場(chǎng)景
表結(jié)構(gòu)變更頻繁場(chǎng)景，free-schema
對(duì)mongo使用有一定理解
4.4 海量數(shù)據(jù)場(chǎng)景
數(shù)據(jù)規(guī)模：100TB以上的數(shù)據(jù)量。
1）高可用數(shù)據(jù)庫(kù) + HBase
由于數(shù)據(jù)量非常大，需要考慮存儲(chǔ)成本。因此一般會(huì)考慮冷熱數(shù)據(jù)分離。
熱數(shù)據(jù)在高可用數(shù)據(jù)庫(kù)進(jìn)行讀寫，可以選擇MySQL、Mongo等。冷數(shù)據(jù)存入成本較低的HBase或者對(duì)象存儲(chǔ)等組件。
適用場(chǎng)景：
海量數(shù)據(jù)
可靠性要求高
2）直接使用HBase
如果是非核心在線業(yè)務(wù)，或者離線業(yè)務(wù)，可以考慮直接使用HBase。
適用場(chǎng)景：
海量數(shù)據(jù)
低成本
可靠性要求不高
5、總結(jié)
在業(yè)務(wù)開發(fā)過程中，除了常用的MySQL，一定要多關(guān)注市面上更合適的存儲(chǔ)方案，這是架構(gòu)師的基本功。
通過了解更多存儲(chǔ)組件的基本特性和使用場(chǎng)景，因地制宜選擇合適存儲(chǔ)，提高業(yè)務(wù)開發(fā)效率，降低使用成本。
希望本文能夠拋磚引玉，提供一些啟發(fā)和思考。
往期熱門筆記合集推薦：
原創(chuàng)：阿丸筆記（微信公眾號(hào)：aone_note），歡迎 分享，轉(zhuǎn)載請(qǐng)保留出處。
沒有留言功能的悲傷，掃描下方二維碼「加我」聊些有的沒的吧～