数据库原理与选型 / 技术文章
数据库选型:主流数据库对比
本文帮助后端开发者、架构师和技术负责人在新项目或系统改造中选择数据库。你将从数据模型、事务、一致性、查询方式、扩展与运维成本出发,得到主数据库与辅助组件的组合结论。

先从业务约束出发
数据库选型不是比较谁的功能最多,而是确认哪一种数据模型和运行方式最贴近核心业务。先写清楚系统必须保证什么,再讨论产品名称;否则容易被单项性能、流行度或团队偏好带偏。
优先确认五类约束:数据之间是否存在强关系,是否要求多行或多表事务,主要查询是主键访问、复杂关联、全文检索还是聚合分析,峰值读写量与可接受延迟是多少,以及团队能否承担备份、扩容、故障转移和版本升级。
对于支付、订单、库存、账户等系统,正确性通常高于局部吞吐量,关系型数据库应优先进入候选。对于缓存、搜索、日志分析和海量指标,专用数据库往往更合适,但它们通常不应替代核心事实库。
主流数据库的定位对比
| 类型 | 代表产品 | 更适合的场景 | 主要边界 |
|---|---|---|---|
| 通用关系型 | MySQL、PostgreSQL | 交易系统、管理后台、业务主数据 | 水平拆分与跨库事务需要额外设计 |
| 企业关系型 | Oracle、SQL Server | 大型组织、成熟商业生态、强治理环境 | 授权、硬件与专业运维成本较高 |
| 文档数据库 | MongoDB | 字段变化频繁、以聚合文档为读写单元 | 跨文档关系和复杂一致性设计成本更高 |
| 键值数据库 | Redis | 缓存、会话、计数器、排行榜、短期状态 | 不宜默认作为唯一的关键持久化数据源 |
| 搜索数据库 | Elasticsearch、OpenSearch | 全文检索、多条件搜索、日志检索 | 写入可见性、更新模型与事务能力不同于关系库 |
| 分析型数据库 | ClickHouse | 明细分析、报表、日志与行为聚合 | 不适合高频单行事务更新 |
| 嵌入式数据库 | SQLite | 移动端、桌面工具、单机应用、测试 | 多节点高并发服务端场景能力有限 |
MySQL 通常适合路径清晰、生态成熟的通用业务系统;PostgreSQL 更强调标准 SQL、复杂查询和丰富数据类型。两者都能承担多数 OLTP 主库,最终差异常来自团队经验、现有平台和具体查询,而不是一句“谁更快”。
用决策路径缩小候选范围

先判断数据是否属于不可丢失、不可重复、需要严格校验的核心事实。若答案为“是”,优先选择关系型数据库,再根据 SQL 能力、生态、成本和团队经验在候选中取舍。
若答案为“否”,继续看主要访问模式。毫秒级键值访问选 Redis,全文与多字段相关性检索选 Elasticsearch 或 OpenSearch,大规模追加写与聚合分析选 ClickHouse,字段结构频繁变化且以完整文档读取为主时再评估 MongoDB。
实际系统通常是组合方案,但组合不等于一开始就引入全部组件。合理顺序是先确定唯一事实源,再为已经出现的缓存、搜索或分析瓶颈增加专用存储,并通过消息、变更数据捕获或异步任务同步派生数据。
典型业务的落位方式
订单、支付、库存和会员资产应以 MySQL、PostgreSQL 或企业关系库作为主库。Redis 只保存可重建的缓存、幂等短期状态或限流计数;搜索库保存面向检索的副本;分析库承接报表和历史明细,避免重查询持续压迫交易库。
商品目录和内容系统不能仅凭“字段多变”就选择 MongoDB。若业务同时存在分类、权限、审核、版本、关联关系和统计查询,关系模型可能更容易治理;只有当文档边界稳定、关联较少且整文档读写占主导时,文档数据库的收益才更明显。
日志平台通常采用搜索库或分析库,但原始日志仍应按保留策略归档。物联网指标可使用时序数据库或 ClickHouse 承载高密度时间序列,设备、租户和权限等元数据仍可放在关系型数据库中。
用最小验证代替参数争论
候选缩小到两三个后,应使用真实表结构、典型 SQL、并发量和数据规模做小型验证。不要只跑单表插入压测,还要验证事务回滚、热点更新、索引体积、备份恢复、只读副本延迟和故障切换。
下面的 PostgreSQL 示例用一个事务完成库存扣减和订单创建。它展示了关系型数据库适合核心交易的关键原因:多个写操作可以在同一一致性边界内提交。
DROP TABLE IF EXISTS orders;
DROP TABLE IF EXISTS inventory;
CREATE TABLE inventory (
sku VARCHAR(32) PRIMARY KEY,
stock INTEGER NOT NULL CHECK (stock >= 0)
);
CREATE TABLE orders (
order_id BIGINT PRIMARY KEY,
sku VARCHAR(32) NOT NULL REFERENCES inventory(sku),
quantity INTEGER NOT NULL CHECK (quantity > 0),
status VARCHAR(16) NOT NULL
);
INSERT INTO inventory (sku, stock) VALUES ('BOOK-001', 10);
BEGIN;
WITH deducted AS (
UPDATE inventory
SET stock = stock - 2
WHERE sku = 'BOOK-001' AND stock >= 2
RETURNING sku
)
INSERT INTO orders (order_id, sku, quantity, status)
SELECT 1001, sku, 2, 'CREATED'
FROM deducted;
COMMIT;
SELECT sku, stock FROM inventory;
SELECT order_id, sku, quantity, status FROM orders;预期结果如下;若库存不足,deducted 不返回记录,订单也不会插入。
sku | stock
------------+-------
BOOK-001 | 8
order_id | sku | quantity | status
----------+------------+----------+---------
1001 | BOOK-001 | 2 | CREATED验证结果还应记录部署复杂度、监控覆盖、恢复时间和团队排障效率。性能相近时,选择团队能稳定运营、能快速恢复且已有成熟工具链的方案,通常比选择理论上限更高的产品更可靠。
形成可执行的选型结论
最终文档至少要写明主数据存放位置、一致性要求、读写规模、关键查询、备份恢复目标、扩展方式、成本边界和退出方案。每个辅助数据库还要注明数据来源、同步方式、允许延迟以及能否从事实源重建。
一个稳妥的默认起点是:用 MySQL 或 PostgreSQL 承载核心业务,以 Redis 解决明确的热点访问,以 Elasticsearch 或 OpenSearch 解决真实搜索需求,以 ClickHouse 承载已确认的分析负载。只有当业务模型与文档、时序或图结构高度一致时,再引入对应专用数据库。
选型的目标不是一次押中未来十年的技术,而是在当前约束下获得正确、可维护、可扩展的基础,并让后续迁移和拆分保留清晰边界。