开发者Hasen谈为什么选择CouchDB

原文链接：http://www.infoq.com/cn/news/2012/09/why-hasen-chose-couchDB

Hasen是一名熟知分布式技术、Go语言的开发者，他最近在自己的博客上发布了一篇文章，谈到为什么要选择CouchDB作为自己的数据库。

我一直痛恨SQL，所以我总是对NoSQL运动充满兴趣。

我知道2个基于JSON的NoSQL数据库：MongoDB和CouchDB。

我曾试着学习MongoDB，当时我也在学习NodeJS——巨大的错误，浪费我很多时间。不管怎么说，MongoDB的API不错，但是我不喜欢它的查询语言， 跟SQL差不多，拖沓、冗长、僵化难懂。最后我实在没法用MongoDB做出什么像样的东西，因为我试着用它跟Node一起，可我在NodeJS上门的体验实在不怎么样。究其原因，是因为NodeJS的设计，因此我没用起来MongoDB不是MongoDB的问题，而是NodeJS的问题。

学习CouchDB，也是因为Hasen的一个舍友跟他提起的，他从看CouchDB的官方手册开始：http://guide.couchdb.org/。

打动Hasen的，是CouchDB的如下特性：

首先，它是纯JSON文档存储。也就是说所有的文档都是JSON，而且可以有任意数量的字段，你也可以随意向现有文档中加入新字段。没有schema，因此不需要管理迁移问题。

其次，它的“视图”系统。CouchDB中的视图可以创建第二索引，而且是执行查询的惟一方式（不是通过文档的 _id来加载它）。视图基本上是map函数的缓存结果。

举个例子，比如你在一个所有者和一堆物品之间有多对一的关系，每件物品都会在一个字段中保存所有者id。该如何按照所有者查询物品列表？你可以创建一个视图，匹配owner_id和item_id，使用owner_id查询该试图。这也就是说，对于任何查询，都要先创建一个视图。不能像SQL数据库或是MongoDB那样随意查询。这可能有好有坏，要看你的心情。我个人认为挺好的，因为这让索引变得简单。

我在传统SQL数据库中见到不少如下问题：有时候，一个极其庞杂的查询成为瓶颈，对性能产生极坏影响。有时候你需要抽丝剥茧，看看问题到底在哪里；有时候，你会发现是查询写得太烂了；有时候，你只要往某个表中加个索引即可。

这种悲剧我可不想碰见。

因此，视图系统的好处在于：强迫你把查询变简单，而且易于分析。

第三，CouchDB的架构在某种意义上是“分布式”的，与git的分布方式很类似。当然，总要从一个数据库示例开始，但是如果要加入其他数据库节点，CouchDB的设计让自己很容易做到分布式。

像Git，是因为所有节点都是“master”节点，没有“slave”节点；跟Git一样，没有哪个repo比其他ripo更重要。

同步是由一个节点向其他节点推送变化完成的，这很类似于Git的repo推送、拉取变更的过程。在CouchDB中，这种推送叫“复制（replication）”。它会把所有的“新”文档和现有文档的“新版本”推送出去。CouchDB中有修订版本概念。改变一个文档，CouchDB会在内部增加一个新的修订版本保存起来，不删除或覆盖已有修订版本。不过，CouchDB不保证任何旧文档会一直保存，它们被看成“垃圾”并会在以后回收。

不过，这种分布式特性有其代价：数据在不同节点间不一定总是一致的，可能有些节点数据过期，但如果经常复制，可以确保数据节点的最终一致性。

从整体上看，我不认为这是个大问题，而是一个特性，任何基于web服务的底层架构设计都应该以其为基础。

Hasen指出：web服务和应用都面临扩展性方面的问题，而且即使是一些简单的交互多媒体页面，也会让服务器承受很大压力。他接下来对比了单机视频游戏和Web服务在这方面的不同：

首先，web开发人员多使用动态解释语言，比如Python和Ruby，这些语言的设计目的不是为了运行高性能服务。

其次，视频游戏一次只需要处理一个大型复杂任务。而在web服务中，需要把一个相对简单的任务同时做几十万遍，而且是在一个机器上。当然，这么做很愚蠢，要加入更多机器节点，把负载分到这些节点上，各个节点之间不需要通信，每个节点可以处理分配给自己的任务。做不到这几点，就不是分布系统了。

不过，目前的数据库都不是我们应该需要的数据库：只有一个master，这就是瓶颈。即使只需要向一个master数据库写入，可以从其他节点读，仍然有瓶颈。

Hasen认为这不是正确的分布式做法，要想解决每秒处理几十万个简单的页面请求，架构上必须做到水平扩展：应该可以加入更多节点，而且每个节点都可以自行决策。

如果你只有一个master节点，你的分布式就做得有问题。

即使你必须保证user-id的全局唯一性，也可以以分布式方式实现。

Hasen对Riak也很欣赏，认为Riak的分布式实现很简单，也容易掌握。不过他还是选择了CouchDB：

对我来说，Riak的问题是它没有CouchDB那样的“视图”。Riak中可以做map-reduce类似操作，但是太影响性能了，在CouchDB中，视图是预先计算好的map-reduce查询，而且效率很高。

Riak超出CouchDB的，是Riak内置集群支持。在CouchDB中，没有。……虽然这可能是Riak相对CouchDB的短处，但是我还是认为视图的好处超过这一点。

而且，还有BigCouch项目，它的分布式实现非常出色。

因此，如果要扩展到几十万用户，我可以选用BigCouch。也许将来BigCouch会合并到CouchDB中。我也可以自己实现集群和分布式。

Hasen的文章最初发表后，有人留言指出MongoDB也支持水平扩展，是以自动分片（automatic sharding）方式。

对此，Hasen的回复是：

使用CouchDB，你也可以分片或是分区。实际上，使用CouchDB更简单，因为用了一致性哈希。在Couch中做分区的问题是：如果查询一个视图，必须查询所有的分区。考虑到我上面说的“每个节点必须在本地自己完成计算”，这听起来不怎么样。

不过，要记住复制功能。你可以在北美有一个分布集群，在欧洲、亚洲各有一个分区集群。这些集群可以在任何时候保证互相复制。因此，视图查询在每个集群内部的本地化的，这正是分布式精神之所在。

在我目前看来，MongoDB还做不到这一点。