NoSQL数据库

1.1 各种NoSQL数据库的优势

需求特征	推荐 NoSQL 类型
极高速度、简单读写	键值存储 (Redis)
快速迭代、数据结构多变	文档数据库 (MongoDB)
海量数据写入、高可用	列族数据库 (Cassandra/HBase)
深度关联关系、路径追踪	图数据库 (Neo4j)
复杂关键词检索、统计分析	搜索引擎 (Elasticsearch)

1.2 成熟系统中（如典型的电商或社交平台）各个数据库搭配使用情况

1. 核心存储层：关系型数据库 (MySQL / PostgreSQL)

这是系统的“真理来源”（Source of Truth）。

• 存储内容： 用户账号、订单记录、财务支付、权限配置等。
• 为什么用： * ACID 事务： 保证钱和订单不能出错。
  • 复杂查询： 支持多表 Join 和严谨的逻辑关系。
• 搭配策略： 读写分离。主库负责写，多个从库（Read Replicas）负责读，分担压力。

2. 高速缓存层：键值存储 (Redis)

位于应用层和数据库之间，是系统的“加速器”。

• 存储内容： 热点商品信息、用户 Session、验证码、全局配置、排行榜。
• 为什么用： 内存操作，读写延迟在微秒级。
• 搭配策略： Cache-Aside 模式。
  1. 程序先查 Redis。
  2. Redis 没有，再查 MySQL。
  3. 查完回写 Redis，并设置过期时间（TTL）。

3. 搜索与分析层：搜索引擎 (Elasticsearch)

当 MySQL 的 LIKE %keyword% 慢到无法接受时，它就上场了。

• 存储内容： 商品全文索引、日志数据（ELK 栈）、复杂的组合筛选条件。
• 为什么用： 倒排索引技术，支持毫秒级的关键词模糊匹配和多维度聚合。
• 搭配策略： 数据同步。通过 Canal 监听 MySQL 的 Binlog 或在 Service 层异步写入，将需要搜索的数据同步到 ES。

4. 扩展存储层：文档数据库 (MongoDB)

处理“不规则”或“频繁变动”的数据。

• 存储内容： 商品详情描述（参数多变）、用户动态/朋友圈、站内信、评论。
• 为什么用： 无需预定义表结构（Schema-free），开发效率极高，扩容方便。
• 搭配策略： 作为 MySQL 的补充，存储那些不需要强关联、但结构复杂的数据。

5. 大数据/指标层：列族存储 (HBase / Cassandra) 或 时序数据库 (InfluxDB)

处理“海量写入”和“时间线”数据。

• 存储内容： 用户行为埋点、传感器数据、快递物流轨迹。
• 为什么用： 针对写操作极大优化，能承受每秒万级甚至十万级的写入。

---

一个完整的请求链路示例

想象你在某 App 搜索并购买一件衣服：

1. 搜索： 请求进入系统，首先由 Elasticsearch 提供模糊匹配，给出商品列表。
2. 详情： 你点击进入详情页，系统从 Redis 获取缓存好的商品详情；如果没缓存，去 MongoDB 读取非结构化的规格参数。
3. 下单： 你点击购买，系统在 MySQL 中开启事务：扣减库存、生成订单、扣除余额（此时必须保证强一致性）。
4. 足迹： 你的浏览行为被异步写入 HBase 或 ClickHouse，用于后续的大数据推荐分析。

​