数据库的选择

数据库的选择是系统设计的关键决策，直接影响性能、扩展性和开发效率。以下是主流数据库类型的详细解析：

---

关系型数据库（如 MySQL、PostgreSQL）

一、是什么？
基于关系模型，以二维表格（行+列）存储数据，支持 SQL 语言操作，通过外键建立表间关联。

二、解决什么问题

1. 保证数据的强一致性（ACID 事务）
2. 处理复杂的关联查询（如 JOIN 操作）
3. 适用于需要严格数据完整性的场景

三、应用场景

• 金融系统（银行交易）
• ERP/CRM 系统（客户关系管理）
• 需要复杂查询的业务（如电商订单管理）

四、Java 示例（Spring Data JPA）

@Entity
public class User {
    @Id
    @GeneratedValue(strategy = GenerationType.IDENTITY)
    private Long id;
    private String name;
    // Getters & Setters
}

public interface UserRepository extends JpaRepository<User, Long> {
    @Query("SELECT u FROM User u WHERE u.name = :name")
    List<User> findByName(@Param("name") String name);
}

五、注意事项

• 水平扩展困难（分库分表复杂）
• 固定表结构，修改成本高
• 高并发写入可能成为瓶颈

---

文档数据库（如 MongoDB）

一、是什么？
以 JSON/BSON 格式存储文档（Document），每个文档可独立存储不同结构的数据。

二、解决什么问题

1. 处理半结构化/无模式数据
2. 实现水平扩展（天然分布式设计）
3. 快速迭代开发（无需预定义 schema）

三、应用场景

• 内容管理系统（CMS）
• 实时分析（如用户行为日志）
• IoT 设备数据存储

四、Java 示例（Spring Data MongoDB）

@Document
public class Product {
    @Id
    private String id;
    private String name;
    private Map<String, Object> attributes; // 动态字段
}

public interface ProductRepository extends MongoRepository<Product, String> {
    List<Product> findByName(String name);
}

五、注意事项

• 不支持跨文档事务（4.0+ 支持有限事务）
• 关联查询能力较弱
• 内存消耗较大

---

键值数据库（如 Redis）

一、是什么？
通过 Key-Value 对存储数据，Value 支持多种数据结构（字符串/哈希/列表等）。

二、解决什么问题

1. 实现超高读写性能（内存存储）
2. 解决瞬时高并发访问问题
3. 分布式锁等中间件需求

三、应用场景

• 缓存层（减轻数据库压力）
• 会话存储（Session）
• 实时排行榜（SortedSet）

四、Java 示例（Lettuce 客户端）

RedisClient client = RedisClient.create("redis://localhost");
StatefulRedisConnection<String, String> connection = client.connect();
RedisCommands<String, String> commands = connection.sync();

// 存储用户会话
commands.set("session:user123", "{'name':'John', 'role':'admin'}");

// 使用Java8 Duration设置过期时间
commands.expire("session:user123", Duration.ofMinutes(30));

五、注意事项

• 数据量受内存限制
• 持久化可能丢数据（取决于配置）
• 不适合复杂查询

---

列式数据库（如 Cassandra）

一、是什么？
按列族（Column Family）存储数据，擅长分布式处理和超大规模数据。

二、解决什么问题

1. 海量数据水平扩展
2. 高写入吞吐量（日志型数据）
3. 多数据中心部署

三、应用场景

• 物联网传感器数据
• 时序数据（如监控指标）
• 消息日志存储

四、Java 示例

Cluster cluster = Cluster.builder().addContactPoint("127.0.0.1").build();
Session session = cluster.connect("my_keyspace");

// 使用PreparedStatement（避免SQL注入）
PreparedStatement ps = session.prepare(
    "INSERT INTO sensor_data (sensor_id, timestamp, value) VALUES (?, ?, ?)");

BoundStatement bs = ps.bind("sensor-001", Instant.now(), 23.5);
session.execute(bs);

五、注意事项

• 查询模式需预先设计
• 最终一致性模型
• 不支持复杂事务

---

核心区别对比

特性	关系型	文档型	键值对	列式存储
数据模型	表格+关联	JSON文档	Key-Value	列族
扩展方式	垂直/分库	水平	水平	水平
事务支持	ACID	有限	无	无
读写性能	中等	读优	极高	写优
典型场景	金融交易	内容管理	缓存	物联网数据

---

选择策略总结

1. 强事务需求 → 关系型数据库
2. 灵活数据结构 → 文档数据库
3. 超高并发读取 → Redis + 关系型组合
4. 海量数据写入 → 列式数据库
5. 复杂关联分析 → 关系型 + 数仓（如ClickHouse）

JDK8+ 提示：

• 使用 java.time.Instant 处理时间（兼容数据库时间戳）
• 通过 CompletableFuture 实现异步数据库操作
• 结合 Stream API 处理查询结果集：

List<String> names = userRepository.findAll()
    .stream()
    .filter(u -> u.getAge() > 18)
    .map(User::getName)
    .collect(Collectors.toList());

最终建议：

• 初创项目首选 PostgreSQL（平衡关系型与JSON支持）
• 高并发场景用 MySQL + Redis 组合
• 超大数据量考虑 Cassandra 或 ScyllaDB
• 优先托管服务（如 AWS RDS/Aurora）降低运维成本