做一个新业务，我该选择 SQL 还是 NoSQL?

很多时候我们都会有这样的疑问。

如果这时候直接去看 MySQL、Mongo、HBase、Redis 等数据库的用法、特点、区别，其实有点太着急了。

这时候，最好从「数据模型」开始讨论。

1、SQL vs NoSQL

现在最著名的数据模型应该是 SQL，它基于 Edgar Codd 在 1970 年提出的关系模型：数据被组织成关系（relations），在 SQL 中称为表（table），其中每个关系都是元组（tuples)的无序集合（在 SQL 中称为行）。

那什么是 NoSQL？现在很多非关系型数据库会被称为 NoSQL，其含义往往被解释 “Not only SQL”。

采用 NoSQL 的驱动因素在于：

• 数据量。 比 SQL 更好的扩展性需求，包括支持超大数据集或超高写入吞吐量

• 查询方式。 关系模型不能很好支持的一些特定查询操作

• 动态扩展。 对关系模式的一些限制表示沮丧，需要更加具有动态和表达力的数据模型

2、数据模型的差异

SQL 和 NoSQL 数据库的差异有很多，包括容错性和并发处理，我们这里暂时只讨论数据模型的差异。

关系型模型的主要优势在于：

• 联结操作

• 多对一和多对多关系更简洁的表达

注意，简单的多对多适合关系型模型，复杂的多对多更适合图模型

我们以文档型 NoSQL 为例，它和 SQL 对比的核心优势在于：

• 模式灵活性

• 局部性带来的性能优势

2.1 模式灵活性

「模式灵活性」的特点，往往被称为「schema-fress 模式」，但是我们并不能将它直接理解为“无模式”。

因为我们在读取数据时，往往存在某种数据结构的隐式转换，所以我们称之为「读时模式」更准确（数据结构是隐式的，只有读取时才解释）。

而传统关系型数据库，对应可以称之为「写时模式」（模式是显示的，并且在写入数据库时被约束必须遵守）。

这两者差异跟编程语言中的动态检查（运行时）和静态检查（编译时）比较类似。

「模式灵活性」的优点在于：

• 避免了大表变更时的停机或者耗时

• 支持包含多种类似数据结构

• 可以随时改变数据结构

「模式灵活性」带来的损害则是需要应用层做好结构约束，并且保证对历史数据的兼容性。一般典型关系型场景，「模式灵活性」反而会导致难以维护。

2.2 局部性的性能优势

注意注意，局部性优势仅适用于需要同时访问文档中大部分数据的场景。

如果我们的查询需要访问整个文档，那么存储局部性具备显著的性能优势。

此时，如果数据被划分到了多个表中，则需要访问多个表来检索数据，会浪费更多的磁盘 IO 并花费更多的时间。

如果我们的访问只需要文档中的一小部分数据，那么对于大型文档来说就是一种浪费。

3、数据模型分析原则

对于一份数据存储，「数据模型」的建立， 就是考虑应该通过 SQL 还是 NoSQL 进行 数据组织 。

那么，结合前面对 SQL 和 NoSQL 的介绍与对比，我们总结了以下几个维度，来具体考虑如何建立「数据模型」。

3.1 数据对象关系

多对一或者多对多，一般考虑 SQL。

一对多的关系，可以考虑 SQL 或者 NoSQL。

3.2 查询性能

如果我们的查询通常需要访问整个文档，那么存储局部性具备显著的性能优势，关系型的 join 性能较差，因此可以考虑 NoSQL。

（业务上，一般会通过整体结果缓存，对关系型 join 查询加速）

如果通常是局部数据对象、独立实体查询，考虑 SQL。

3.3 写入吞吐量

如果需要超高的写入吞吐量，考虑 NoSQL。

3.4 扩展性

• 属性扩展：如果对象属性不确定，且经常变动，NoSQL 更灵活。

• 超大数据集扩展：NoSQL 通常更好。

• 单 value 大小：单 value 如果过大，可能导致数据库写入失败。考虑拆分对象，或者分级存储到对象存储。一般单 value 不要超过 100KB（压缩后）。

3.5 延迟选择数据库类型

数据模型分析主要是根据业务场景区分 关系型 还是 非关系型。

延迟考虑具体数据库选型，用 RDS 还是 Mongo 还是其他数据库，它们之间的功能性差异在逐渐变少。

具体选择可以结合 研发人员熟悉程度、数据规模、其他非功能性需求 来判断。

一些例子：

• Mongo 4.x 支持事务

• MySQL 8.0 支持 JSON 格式

• DB-engine 上，mysql 和 mongo 都从本身定位逐步扩展为 multi-model

参考：《数据密集型应用系统设计》