大家好，我是豆小匠。
关于数据库，大学的时候只知道MySQL，学习深入点也就是用到了Redis、MongoDB等非关系型数据库。
然而，工作中用到的数据库实在太多，每种数据库都有自身的优势和局限性。所以在这里梳理下日常常用数据库和适用场景，走起！
1. 常用数据库
1.1. 关系型数据库
关系型数据库通常是业务型项目的主力数据库，原因以下：
- 方便业务建模，表的关系和业务之间的关联是类似的。
- 数据一致性，关系型数据库一般支持ACID特性，可用于核心业务场景的数据持久化。
关系型数据库的基本单位是表 ，表与表之间通过键关联，比如学生表和班级表，可以通过班级ID，把学生和班级关联起来。
关系型数据库的经典代表：MySQL、Orcle、PostgreSQL、SQLite等。
1.2. 非关系型数据库
非关系型数据库其实只是一个比较笼统的叫法，实际分类下有非常多，这里只介绍键值对 、文档 、列式存储 、图形结构等几种。
1.2.1. KV数据库
KV数据库以键值对的形式存储数据，常见底层数据结构实现是哈希表，读数据复杂度是O(1)。
| key | value |
|---|---|
| bean | good |
| milk | bad |
key-value存储的数据通常单个key-value就是一个条独立的数据，很方便水平扩展，可以根据key散列到不同的分片，且读的性能极好，因此常用于做缓存。
经典的代表有Redis、Memcached和LevelDB等。
1.2.2. 文档型数据库
文档型数据库的数据以文档的形式存储数据，每个文档类似一个JSON对象。
相比于KV存储，文档型数据库同样对水平扩展友好，且具有更好的查询性能，支持复杂查询，而KV存储几乎只通过key来读取数据。
经典的文档型数据库有MongoDB，CouchDB和Elasticsearch等。
1.2.3. 列式存储数据库
经典的列式存储数据库有HBase、Druid、ClickHouse等，不同列式数据库的底层实现差别挺大的，它们的共同点是按列存储。
比如说MySQL存一个学生信息，有学号和姓名等，这两个字段在同一行，存放也是在一起的；但是列式数据库会按列划分存储，把学号和姓名分开存储，相同的数据类型有利于进行数据压缩、聚合操作等。
下面是HBase的一条数据组成解析，一个Row Key（行键）下有多个Column Family（列族），列族下面有Column Qualifier（列限定符），最后会根据设置保存若干个版本，形成Timestamp/version: Cell Value的键值对。这里我们只需要知道不同的列族是分开存储的就行了。
1.2.4. 图数据库
图数据库的基本单元是点 和边，经典的图数据库包括Neo4j、OrientDB、TigerGraph等。
简单来说点表示实体，而边则表示实体间的关系，组成一个整体后，可以形成知识图谱、社交网络、金融风控网络等。
比如存储了上图关系，可以直接查询关注了豆小匠Coding的用户：
Cypher
MATCH (user:User {name: '豆小匠Coding'})<-[:FOLLOWS]-(follower:User)
RETURN follower.name上述查询使用了 Neo4j 的图查询语言 Cypher。它首先通过 MATCH 子句找到名为豆小匠的用户节点 user，然后通过 -[:FOLLOWS]-> 关系查找所有关注了该用户的节点 follower。最后，通过 RETURN 子句返回关注者的姓名。
2. 场景下的数据库
2.1. Demo项目
SQLite，一个轻量级的数据库，不需要独立服务器或者系统级别的配置，只需要一个文件，就可以存储数据库所有数据，适用于小型设备或者嵌入式系统等。
如果你只是做一个demo级别的项目，也可以使用SQLite，然后使用ORM框架来操作数据，后面切换MySQL也只需要修改数据库连接逻辑。
2.2. MySQL遇到瓶颈
如果是单机MySQL遭遇性能瓶颈，可以通过主从架构读写分离，堆机器的方式解决，另一个方向是增加缓存，如Redis等，减少打到物理存储的请求量。
如果是数据量太大，单表查询性能下降，可以考虑分库分表，但是分库分表在开发时需要考虑更多分布式事务、水平扩展等因素，对研发效率有影响。因此，这个时候可以考虑使用分布式数据库，如TiDB等。
2.3. 场景专用数据库
随着业务的复杂，我们会发现不同场景下对数据库的要求差异会很大：
- 一致性优先，选用关系型数据库。
- 高性能全文搜索，使用Elasticsearch。
- 非关键数据，读多写少，量大，选用列式存储。
- 离线数据分析，Hive。
这期就喵到这！能读到这里的朋友，点个赞呗！