一、数据库选型考量点
数据库选型需要考虑哪些特点 这些特点有哪些数据库可以支持
| 选型维度 | 关键考量点 | 代表数据库产品 | 典型适用场景 |
|---|---|---|---|
| 数据模型 | 关系型、文档型、键值型、图型、时序型 | MySQL/PostgreSQL、MongoDB、Redis、Neo4j、InfluxDB | 结构化业务数据用关系型；半结构化用文档型；缓存用键值型 |
| 事务支持 | ACID 完整性、强一致性 | PostgreSQL 、MySQL/InnoDB、Oracle、TiDB、CockroachDB | 金融、订单等高可靠场景必选ACID支持 |
| 扩展能力 | 垂直扩展 vs 水平分片 | MongoDB 、Cassandra、TiDB、Amazon Aurora | 互联网高并发业务需水平扩展能力 |
| 读写性能 | 读密集型、写密集型 | Redis （高速缓存）、ClickHouse（分析）、Cassandra（高写入） | 实时推荐用Redis；日志分析用ClickHouse |
| 一致性模型 | 强一致性、最终一致性 | MySQL （强一致）、MongoDB（可调）、Cassandra（最终一致） | 核心业务选强一致；社交feed可接受最终一致 |
| 高可用性 | 主从复制、多副本、自动故障转移 | MySQL MGR、PostgreSQL Patroni、MongoDB副本集、CockroachDB | 需要99.99%可用性的在线服务 |
| 生态成熟度 | 工具链、社区支持、文档完善度 | MySQL 、PostgreSQL、MongoDB、Redis | 企业级应用优先选择生态成熟产品 |
| 部署成本 | 开源免费 vs 商业授权 | PostgreSQL （开源）、MySQL（开源）、Oracle（商业）、SQL Server（商业） | 初创公司倾向开源；传统企业可能选商业 |
| 特殊功能 | 全文检索、地理空间、时序分析 | Elasticsearch （搜索）、PostGIS（地理）、InfluxDB（时序） | 地理位置服务用PostGIS；监控用时序库 |
选型决策树建议：
1.核心事务系统 ：优先选择 PostgreSQL 或 MySQL/InnoDB（ACID+生态成熟）
2.高并发缓存 ：Redis 或 Memcached（亚毫秒级响应）
3.海量数据/IoT ：MongoDB 或 Cassandra（灵活模型+水平扩展）
4.实时分析 ：ClickHouse 或 Apache Druid（列存+向量化执行）
5.搜索/日志 ：Elasticsearch（倒排索引+分词）
6.分布式新架构 ：TiDB 或 CockroachDB（兼容MySQL协议+自动分片）
注意：实际选型需结合业务规模、团队技术栈、运维能力综合评估，多数场景下 PostgreSQL + Redis 组合可覆盖80%需求。
二、主流数据库深度对比：特点、局限与应用场景全解析
MySQL
核心特点
- 简单易用：开源关系型数据库，速度快且使用简单，适合Web应用开发
- 存储引擎灵活：支持多种引擎，InnoDB提供ACID事务、行级锁和MVCC
- 主从复制成熟：支持读写分离，构建高可用架构成本低
- 生态完善：社区支持强大，工具链丰富
主要局限
- 复杂查询能力弱：SQL标准支持不完善，复杂查询和窗口函数不如PostgreSQL
- 扩展性瓶颈：原生不支持水平分片，大数据量需依赖中间件
- 功能相对简单：缺乏自定义数据类型、高级索引等
典型应用场景
- 互联网Web应用（电商、CMS、博客等读多写少场景）
- 中小型OLTP业务（千万级以下数据量）
- 作为TiDB等分布式数据库的迁移源
PostgreSQL
核心特点
- 功能强大：支持完整SQL标准、复杂查询、窗口函数、CTE递归
- 高度可扩展：支持自定义数据类型、函数、索引，扩展机制灵活（如PostGIS）
- MVCC机制：读写无阻塞，高并发下死锁概率低
- 在线操作能力：支持在线建索引、加列，维护无需停机
主要局限
- 学习曲线陡峭：功能丰富导致上手难度高
- VACUUM维护开销：需定期回收旧版本数据，可能引发I/O和锁开销
- 资源消耗大：大规模数据或高并发时对内存/CPU要求高
典型应用场景
- 复杂业务系统（金融、电信等需数据完整性场景）
- 数据仓库（OLAP分析、大数据处理）
- 地理空间应用（结合PostGIS实现LBS服务）
- JSON/混合数据模型（原生支持JSONB）
MongoDB
核心特点
- 文档模型灵活：BSON格式，无预定义Schema，支持动态字段和嵌套结构
- 水平扩展能力强：原生分片支持，可扩展至PB级数据
- 高可用架构：副本集提供自动故障转移
- 丰富查询语言：支持CRUD、聚合管道、全文检索、地理空间查询
主要局限
- 事务支持有限：多文档事务性能较弱
- 复杂查询性能差：关联查询（$lookup）效率低
- 数据一致性弱：默认最终一致性，强一致需额外配置
典型应用场景
- 内容管理系统（文章、评论等半结构化数据）
- 用户画像与行为分析（灵活存储标签和事件）
- 物联网数据（高并发写入异构数据）
- 实时数据处理（日志采集、监控数据存储）
Redis
核心特点
- 内存级性能：读写延迟低于1ms，支持数十万QPS
- 数据结构丰富：支持String、Hash、List、Set等
- 持久化机制：RDB快照和AOF日志平衡性能与可靠性
- 发布订阅功能：内置Pub/Sub实现简单消息队列
主要局限
- 内存容量限制：数据量受物理内存约束
- 单线程模型：CPU密集型操作会阻塞请求
- 数据一致性风险：宕机可能导致数据丢失
典型应用场景
- 高速缓存（减轻后端数据库压力）
- 会话存储（Session、Token等快速访问数据）
- 排行榜/计数器（利用Sorted Set实现实时排名）
- 分布式锁（通过SETNX实现跨进程互斥）
ClickHouse
核心特点
- 列式存储：仅读取查询涉及列，压缩比5-10倍
- 向量化执行：SIMD指令批量处理，亚秒级响应
- 实时数据摄入：支持每秒数百万条写入
- SQL兼容：标准语法降低学习成本
主要局限
- 不支持事务：无ACID保证
- 更新/删除受限：仅支持批量异步操作
- 无二级索引：非主键查询需全表扫描
典型应用场景
- 用户行为分析（PV/UV、留存率等多维查询）
- 监控与告警系统（实时计算服务器指标）
- BI报表（即席查询和交互式分析）
- 物联网数据处理（时序数据存储与聚合）
Apache Druid
核心特点
- 实时OLAP：数据摄入后立即可查，毫秒级聚合
- 预聚合设计：按时间粒度预计算，提升查询性能
- 分布式架构：支持PB级数据和千亿级事件
- 高可用自修复：节点故障自动恢复
主要局限
- 不支持流式更新：仅追加写入，更新需批任务
- 查询模式受限：复杂Join性能较差
- 运维复杂度高：多组件调优门槛高
典型应用场景
- 广告平台分析（实时统计曝光、点击）
- 实时监控大盘（展示QPS、延迟等指标）
- 用户行为分析（点击流、页面停留时长）
- 推荐系统（动态计算内容热度）
Elasticsearch
核心特点
- 全文检索：基于倒排索引，支持分词和相关性评分
- 分布式架构：分片和副本实现水平扩展
- 实时搜索：写入后1秒内可搜索
- 丰富生态：ELK Stack（Kibana、Logstash等）
主要局限
- 不支持事务：仅适合分析场景
- 写入性能低：索引构建限制吞吐量
- 资源消耗大：内存和磁盘占用高
典型应用场景
- 搜索引擎（网站、商品、文档检索）
- 日志分析（Nginx、应用日志可视化）
- 监控与APM（调用链和性能指标存储）
- 商业智能（非结构化文本分析）
TiDB
核心特点
- NewSQL架构：融合OLTP与OLAP，支持HTAP
- MySQL兼容：无缝迁移现有应用
- 水平扩展：通过TiKV分布式存储在线扩缩容
- 强一致性事务：分布式ACID事务
主要局限
- 事务延迟较高：跨节点需两阶段提交
- 复杂查询性能：AP查询不如专用OLAP系统
- 资源消耗大：多组件部署硬件成本高
典型应用场景
- 金融核心系统（替代Oracle/MySQL分片）
- 高并发OLTP（如论坛、电商）
- 实时HTAP（TiKV行存+TiFlash列存）
- 数据仓库（轻量级实时分析）
CockroachDB
核心特点
- 云原生设计：基于Raft实现全球分布式部署
- PostgreSQL兼容：支持大部分语法和协议
- 自动分片与均衡：数据自动重平衡
- 高容错性：容忍节点/数据中心级故障
主要局限
- 性能损耗：分布式事务导致单节点性能较低
- 功能缺失：不支持存储过程、外键等
- 隔离级别限制：存在写倾斜问题
典型应用场景
- 全球化SaaS应用（就近存储数据）
- 金融支付系统（强一致性保证）
- 物联网平台（海量设备数据写入）
- 多租户系统（租户数据隔离与清理）
选型建议
| 数据库类型 | 首选场景 | 次选场景 | 避坑场景 |
|---|---|---|---|
| MySQL | Web应用、中小型OLTP | 简单分析、读多写少 | 复杂查询、海量数据 |
| PostgreSQL | 复杂业务、数据仓库 | HTAP（轻量）、金融核心 | 纯KV缓存、极高并发写入 |
| MongoDB | 内容管理、用户画像 | 快速迭代、敏捷开发 | 强事务、复杂关联查询 |
| Redis | 高速缓存、排行榜 | 实时计数、消息队列 | 大数据存储、复杂分析 |
| ClickHouse | 行为分析、监控报表 | BI分析、日志分析 | TP事务、高频更新 |
| Apache Druid | 实时OLAP、广告分析 | 事件驱动分析、推荐系统 | 复杂Join、低延迟更新 |
| Elasticsearch | 全文检索、日志分析 | 搜索引擎、监控告警 | TP事务、复杂计算 |
| TiDB | 金融核心、高并发OLTP | MySQL分片替代、HTAP | 简单查询、小规模数据 |
| CockroachDB | 全球化SaaS、金融支付 | 分布式OLTP、云原生应用 | 复杂分析、存储过程依赖 |
黄金法则：优先选择团队熟悉且生态成熟的数据库，在性能与功能间平衡核心需求，避免过度设计。
三、主流数据库支持数据量级范围对比表
1、关系型数据库（SQL）
| 数据库 | 架构 | 理论最大容量 | 生产推荐容量 | 扩展方式 | 适用场景 |
|---|---|---|---|---|---|
| MySQL | 单机 | 单表 64TB（InnoDB） | 单表 < 5000 万行 | 垂直扩容 | 初创业务、小型应用 |
| MySQL | 分库分表 | 无上限 | 单库 < 500GB 单表 < 2000 万行 | 水平拆分（Sharding） | 中型互联网业务 |
| PostgreSQL | 单机 | 单表 32TB | 单表 < 1 亿行 | 垂直扩容 | GIS、复杂查询 |
| PostgreSQL | Citus 分布式 | PB 级 | 单集群 < 100TB | 分布式扩展 | 大数据分析 |
| TiDB | 原生分布式 | 无理论上限 | PB 级（已验证） | 自动弹性扩缩容 | 大型互联网、金融 |
| OceanBase | 原生分布式 | 无理论上限 | PB 级（支付宝核心） | 水平扩展 | 超大型金融、支付 |
| Oracle | 单机 | 单表 128TB（PDB） | 单表 < 10 亿行 | 垂直扩容 | 传统企业核心 |
| Oracle | RAC 集群 | 100TB+ | 单集群 < 50TB | 共享存储扩展 | 大型央国企 |
| SQL Server | 单机 | 524PB | 单库 < 10TB | 垂直扩容 | Windows 生态 |
| ClickHouse | 分布式 | 无理论上限 | PB 级（字节跳动实践） | 分片扩展 | 实时 OLAP 分析 |
2、NoSQL 数据库
| 数据库 | 数据模型 | 理论最大容量 | 生产推荐容量 | 扩展方式 | 适用场景 |
|---|---|---|---|---|---|
| MongoDB | 文档 | 单文档 16MB 单集合无上限 | 单集群 < 100TB | 分片集群 | 商品详情、内容管理 |
| Redis | KV 内存 | 单 key 512MB 单实例 64GB | 单实例 < 20GB | 集群分片 | 缓存、Session |
| Redis Cluster | KV 内存 | 无理论上限 | TB 级（社区版） | 16384 槽位分片 | 高并发缓存 |
| Elasticsearch | 搜索引擎 | 单索引无上限 | 单分片 < 50GB | 分片 + 副本 | 日志检索、商品搜索 |
| HBase | 列族 | 无理论上限 | PB 级（阿里实践） | Region 分裂扩展 | 海量日志、风控数据 |
| Cassandra | 宽列 | 无理论上限 | PB 级（Netflix） | 一致性哈希 | 时序数据、IoT |
| Neo4j | 图 | 单节点 34TB | 单节点 < 10TB | 垂直扩展 | 社交图谱、知识图谱 |
| InfluxDB | 时序 | 无理论上限 | 单实例 < 1TB | 集群扩展 | 监控指标 |
| TDengine | 时序 | 无理论上限 | 10 亿条/秒写入 | 分布式扩展 | 工业 IoT、车联网 |
3、缓存与 KV 存储
| 数据库 | 存储介质 | 理论最大容量 | 生产推荐容量 | 扩展方式 | 适用场景 |
|---|---|---|---|---|---|
| Redis | 内存 | 单实例 512GB | 单实例 < 20GB | 垂直扩容 | 热点数据 |
| Redis Cluster | 内存 | 无上限 | TB 级 | 水平分片 | 分布式缓存 |
| Memcached | 内存 | 单实例 1GB | 单实例 < 500MB | 客户端分片 | 简单 KV |
| etcd | 磁盘 + 内存 | 单集群 8GB | < 2GB（配置数据） | Raft 共识 | 服务发现、配置中心 |
| RocksDB | 磁盘 LSM | 单实例 TB 级 | 单实例 < 500GB | 垂直扩容 | 嵌入式存储 |
| HBase | HDFS | PB 级 | PB 级 | Region 分裂 | 海量 KV |
4、搜索引擎与分析型数据库
| 数据库 | 架构 | 理论最大容量 | 生产推荐容量 | 扩展方式 | 适用场景 |
|---|---|---|---|---|---|
| Elasticsearch | 分布式 | 单索引 PB 级 | 单分片 < 50GB | 分片自动均衡 | 全文搜索、日志 |
| Solr | 分布式 | 无理论上限 | 单集群 < 100TB | 分片扩展 | 企业搜索 |
| ClickHouse | 列式 | 无理论上限 | PB 级 | 分片 + 副本 | 实时 BI |
| Hive | 批处理 | 无上限 | EB 级（阿里实践） | HDFS 扩展 | 离线数仓 |
| Druid | 实时 OLAP | 无上限 | PB 级 | 分布式扩展 | 实时指标 |
| Presto/Trino | 查询引擎 | 无上限 | 跨 PB 级数据源 | 横向扩展 | 联邦查询 |
5、对象存储与文件系统
| 存储类型 | 服务/系统 | 理论最大容量 | 生产推荐容量 | 扩展方式 | 适用场景 |
|---|---|---|---|---|---|
| 对象存储 | 阿里云 OSS | 无限（按量付费） | EB 级 | 自动扩展 | 图片、视频、备份 |
| 对象存储 | AWS S3 | 无限 | EB 级 | 自动扩展 | 全球分发 |
| 对象存储 | MinIO | 无上限 | PB 级 | 分布式扩展 | 私有云存储 |
| 分布式文件 | HDFS | 无上限 | 100PB+（字节实践） | DataNode 扩展 | 大数据存储 |
| 传统文件 | NFS | 依赖存储阵列 | < 100TB | 垂直扩容 | 共享文件 |
6、消息队列与流处理
| 系统 | 数据持久化 | 理论吞吐量 | 生产推荐 | 扩展方式 | 适用场景 |
|---|---|---|---|---|---|
| Kafka | 磁盘 | 百万 TPS/分区 | 单集群 < PB 级 | 分区扩展 | 日志采集、流计算 |
| RocketMQ | 磁盘 | 10 万 TPS/队列 | 单集群 < 100TB | 队列扩展 | 电商交易 |
| Pulsar | 分层存储 | 无限（卸载到 S3） | 跨集群 | 计算存储分离 | 云原生消息 |
| RabbitMQ | 内存/磁盘 | 万级 TPS | < 1TB | 集群扩展 | 企业 MQ |
关键结论与最佳实践
数据量级划分标准
| 规模 | 数据量 | 推荐方案 |
|---|---|---|
| 微型 | < 10GB | SQLite、MySQL 单机 |
| 小型 | 10GB ~ 100GB | MySQL、Redis |
| 中型 | 100GB ~ 10TB | MySQL 分库分表、MongoDB |
| 大型 | 10TB ~ 1PB | TiDB、Elasticsearch、HBase |
| 超大型 | > 1PB | 混合架构（专有分布式系统） |
选型黄金法则
1.能用单库不用分布式 ：分布式带来 10 倍复杂度
2.缓存优先 ：80% 读场景加 Redis，性能提升 100 倍
3.时序数据必用时序库 ：TDengine 写入性能是 MySQL 的 100 倍
4.搜索场景必用 ES ：全文检索比 MySQL LIKE 快 1000 倍
5.对象存储代替自建：OSS 成本是自建磁盘的 1/3