数据存储架构技术选型如何做起来？

在互联网应用中，数据爆发式的增长，实际上软件架构的本质就是对数据的维护。对数据的操作可以归纳为三类:读、写和检索。

    随着网站的流量越来越大，数据量也爆发式的增长，网站响应越来越慢，服务器经常宕机。传统的关系型数据库已经不能满足流量和数据的爆发式增长。于是根据不同的业务需求，出现了很多不同的数据库。

    根据数据库的类型划分。有关系型数据库:mysql,oracle,sqlserver,postgresql等。nosql数据库:mongodb,hbase,cassandra,redis，CouchDB，Riak，Membase等。

    根据数据库的用途划分。有缓存数据库:redis,memcached,h2db等，日志数据库:kahadb等。k-v型数据库:leveldb,redis等。

    检索型存储中间件有：elasticsearch、solr、Lucene等。

    传统的关系型数据库（RDBMS）是用途最广泛也是用的最多的数据库。关系型数据库是强事物一致性（ACID），使用比较早，技术相对成熟，查询可以根据字段，以及表现各个数据对象之间的关系。在CAP理论中实现的是CA。没有P分区性，单点瓶颈是硬伤。

    当关系型数据库越来越成为瓶颈时，为解决单点瓶颈牺牲CAP属性中的C，出现了nosql数据库。针对某些特殊的使用场景，出现了非关系型数据库。如:nosql，缓存等。以下针对不同的业务场景阐述各个数据库的特性。

    对于数据库的选型，ACID（原子性Atomicity、一致性 Consistency、隔离性 Isolation、持久性Durability）是重要的考虑指标，如果对ACID要求很高，应该选择关系型数据库。其次部分对一致性要求不高的，写并发非常大的可以考虑其他的nosql数据库。但是有的业务并发非常高，对ACID要求也非常高，则对业务数据和数据库进行拆分。

  以下对各种业务场景应该如何优化和存储选型。

一、读多写少

    在互联网应用中，对于一般的量级，免费的关系型数据库mysql、postgresql是首选。支持事物，稳定性和成熟度比较好。

  当访问量越来越大，数据量还不是很大的时候。也就是写不是瓶颈，而读成为主要的瓶颈。一是增加从库分担读的压力，另一个是在数据库和应用系统之间加一层缓存memcache,redis。增加缓存之后，能抗住很多压力，大大降低了数据库的读请求。

二、读多写多

高并发场景中，对数据库的操作往往提现在高并发读和高并发写。当读和写都成为瓶颈时，这时采用的方案有：

1）对数据库进行横向和纵向扩展。按业务划分，把一个数据库实例扩展成多个实例。按数据分片，把单表大数据量，水平分片成多个小表。

2）使用内存表负载压力。常见的内存表有：redis开启aof功能。业务数据要持久化落盘。否则进程一旦重启，内存数据就会丢失。

redis：是有硬盘存储的内存数据库，可以支持Master-Slave复制，其可以提供并发量远高于关系型数据库。支持的数据结构：K-V，K-Sets，K-Queue，K-Hash。可适用于高并发读写业务场景，但局限于其数据结构，不能做复杂查询，只能以Key键值为基础数据结构操作。

memcachedb：是基于memcache添加了BerkeleyDB存储机制和主辅复制而来。支持的数据结构只要K-V结构。可适用于高并发读写业务场景，同样只局限于其数据结构，不能做复杂查询，只能以Key键值为基础数据结构操作。

MongoDB：支持Master-Salve复制，无schema，json结构。字段可以任意扩展，可以建立字段索引和全字段索引。可以对任意字段建立索引查询。数据量越来越大时，是吃内存的大户，数据一致性问题会越来越严重。如果对数据一致性要求不高的读多写多业务，可以考虑使用此数据库存储。

三、读少写多

    海量数据的写入。如货车app中的gps路线轨迹数据，每天的写入库的数据量上亿条。如此巨大的写入量用关系型数据库显然是不合适的。关系型数据库虽然可以采用批量导入的方式增强写入能力，但其强制落盘，对磁盘IO是影响主要因素。cassandra和habase其先写内存，异步落盘机制对磁盘IO消耗更低。

Cassandra：java开发，结构简单。其数据采用分片机制，副本备份与容错复制。面向列式存储。内存写入与异步刷盘的机制，使其在写操作远高于读操作场景中，也能轻松应对。

HBASE：支持数十亿行，数百万列。对于海量数据的宽表，面向列式存储，无schema，可任意扩展列。

四、读少写少

    在小系统，业务量低、数据量少的系统，对读写操作都比较少，当然是怎么快就怎么来。选用mysql免费数据库是最合适的选择。

五、复杂条件检索

    关系型数据库通常使用b+tree索引，非关系型数据库如cassandra使用LSM结构索引。所有的索引多列复杂条件查询的检索效率远远低于索引引擎。

    常用开源的搜索引擎有luence,solr,elasticsearch，sphinx等。

solr：查询快，但是更新索引速度偏慢。主要应用于那种对数据的实时性要求不高的业务。

elasticserach：更新速度比solr快，但是查询速度相对solr较慢。主要应用于实时索引查询的业务。

总结：

1）对ACID有强要求业务一般使用的数据存储采用关系型数据库，如mysql，postgresql、oracle、sql server等。

2）读多写少的场景，使用非关系型数据库Cassandra、hbase、MongoDB等。

3）缓解高并发读对数据库造成的读瓶颈，使用缓存：memcached、redis等。

4）复杂的数据检索，使用外置索引：elasticsearch、solr等。