数据库

• 数据库（Database）是一种用于存储、管理数据的软件，供用户读写。
  • 使用数据库，通常比使用普通文件存储数据的效率高很多，因为数据库采用了合适的数据结构来存储数据，还提供了便捷的管理方法。
  • 数据结构包括数据的组织方式、数据之间的联系方式。
  • 很多数据库不是简单的一个软件，而是复杂的系统，称为数据库管理系统（Database Management System ，DBMS）。比如部署成 C/S 架构、部署成分布式集群。

分类

关系型数据库

：Relational Database Management System（RDBMS）

• 一般采用 SQL 语言进行操作，因此又称为 SQL 数据库。
• 特点：
  • 在数据表中，以二维表格的形式记录数据，每行记录一条数据。每列记录一个字段，表示数据的一个属性。
  • 可以创建多个数据表，每个数据表定义一组不同的字段，适合保存不同类型的数据。
• 优点：
  • 比网状、层状等数据结构更简单。
  • 可用通用的 SQL 语言进行操作。
• 缺点：
  • 数据表结构是固定的，不方便修改、扩展。
• 关系型数据库举例：
  • SQLite ：很轻量级，不需要安装就可以直接使用。
  • MySQL ：开源，由 Oracle 公司发布。
  • Oracle ：收费，由 Oracle 公司发布。
  • PostgreSQL ：开源。
  • Access ：由微软公司发布。
  • SQL Server ：由微软公司发布。
  • DB2 ：收费，由 IBM 公司发布。
  • Aurora ：AWS 云提供的数据库，优化了分布式架构，兼容 MySQL、PostgreSQL 。
  • PolarDB ：阿里云提供的数据库，借鉴了 Aurora 。

非关系型数据库

：Non-Relational Database

• 又称为 NoSQL 数据库（Not Only SQL），即不仅仅是 SQL 的数据库。
• 特点：
  • 采用与 SQL 数据库不同的数据结构，从而在某些方面比 SQL 数据库的能力更强。
  • 但可能缺乏其它方面的能力，比如不支持事务操作，因此用途比较窄。

主要分类：

• 键值对数据库
  • ：以 key-value 格式存储一条条数据，每条数据之间相互独立，知道了一个 key 就可以读取对应的 value 。
  • 软件举例： Memcached、Redis 。
• 列式数据库
  • ：将数据按字段分成一列列存储，因此按字段读写的速度比行式存储快很多。
  • 软件举例： Cassandra、Hbase 。
• 文档型数据库
  • ：采用结构化的文档格式存储数据，比如 JSON 格式。
  • 软件举例： MongoDB、Elasticsearch 。
• 图结构数据库（Graph DB）
  • ：适合存储相互关系复杂的一些数据，进行关联查询。比如存在朋友关系的一些人名、存在相邻关系的一些地理位置。
  • 软件举例： Neo4J 。
  • SQL 数据库虽然也能进行关联查询，但是性能太差。而图数据库对关联查询，通过索引等方式进行了优化。
• 时序数据库（TSDB） -：每条数据都有一个时间戳 timestamp ，按时间顺序线性排列。
  • 软件举例： Influxdb、OpenTSDB、Graphite、Prometheus 。
• 矢量数据库
  • ：将非结构化数据转换成数学数组，称为特征向量，然后进行存储、搜索。更适合算法领域。
  • 软件举例： Milvus 。

其它分类

• NewSQL
  • ：新一代的关系型数据库。依然支持 SQL 操作，但增加了像 NoSQL 数据库的横向扩展性。
  • 与 RDBMS 相比，更适合处理大量处理。
  • 与 NoSQL 相比，兼容 SQL 操作，容易让传统项目沿用。
• OLTP（Online Transaction Processing ，在线事务处理）
  • ：一种数据库使用场景，侧重于进行事务操作。分布式部署时，还需要保证一致性。
  • 处理大规模数据时，数据库的容量、速度、可靠性等性能通常不能兼得，通常分为 OLTP、OLAP 两种场景。
  • 数据库举例：
    • MySQL 等传统 SQL 数据库
• OLAP（Online Analytical Processing ，在线分析处理）
  • ：一种数据库使用场景，侧重于进行多维的复杂查询。
  • 例如一个商品可能存在类型（服装、食品、家具）、品牌、时间（年、月、日）、地点（国家、省、市）等多种维度的信息。如果使用 SQL 数据库，则需要建立关系复杂的多张数据表，查询效率低。
  • 数据库举例：
    • Druid
    • Kylin
    • Presto
• MPP（Massively Parallel Processing ，大规模并行处理）
  • ：一种软件架构，指将大规模任务分配到多个服务器上并行处理，然后汇总结果。
  • 常用于 OLAP 。
  • 数据库举例：
    • ClickHouse
    • DorisDB
    • GreenPlum
• HTAP（Hybrid Transaction/Analytical Processing ，混合事务/分析处理）
  • ：同时擅长 OLTP 和 OLAP 。
  • 数据库举例：
    • TiDB

DorisDB

：一个 NewSQL 数据库，采用 MPP 架构、列式存储。

• 官方文档 (opens new window)
• 历史：
  • 百度公司开源了 Palo 数据库，2018 年进入 Apache 孵化器，改名为 Doris 。
  • 后来部分开发人员离职创业，创建了鼎石公司，发行闭源的 DorisDB 软件。2021 年改名为 StarRocks 并开源。
• 特点：
  • 支持用 mysql 客户端连接，支持大部分 SQL 语法。
  • 支持创建外部表：反向代理 MySQL、ES 等后端的数据，供用户只读。
  • 支持从 Kafka 等服务器导入数据，每个导入任务是一个事务。
• 组件：
  • fe ：前端，采用 Java 开发，负责反向代理 be 、维护集群状态、接收用户的请求。
  • be ：后端，采用 Golang 开发，负责存储数据、执行 fe 传来的命令。
  • broker ：可选组件，供 be 读写 HDFS、S3 等存储系统，实现数据导出、导入、备份的功能。
• 数据表设计：
  • 每个数据表（Table）在逻辑上划分为 n≥1 个分区（Partition），
  • 每个分区在存储时，根据哈希值划分为 n≥1 个桶（Bucket、Tablet）。
    • 每个 Bucket 独立存储在磁盘，是同步数据、负载均衡的最小单位。
    • 建议每个 Bucket 最多存储 10G 数据。
    • 默认给每个分区保存 3 个副本（replication），且同一 Bucket 的多个副本必须存储到不同 IP 的 be 实例。
    • 已创建的分区，不支持修改 Bucket 数。

TiDB

：一个 NewSQL 数据库，擅长 HTAP 。

• 官方文档 (opens new window)
• 发音为 /taɪdiːbi:/ 。
• 2017 年由中国 PingCAP 公司开源，采用 Golang 开发。
• 支持用 mysql 5.7 客户端连接，支持大部分 SQL 语法。

SQL

：结构化查询语言（Structured Query Language)，是关系型数据库的标准操作语言。

• 属于脚本语言。
• 不同关系型数据库软件支持的 SQL 语法存在少量差异。

语法特点

• 不区分大小写，但一般将关键字大写。
• 用 -- 声明单行注释，用 /* */ 声明多行注释。
• 每条语句必须以分号 ; 结尾。
  • 输入一条语句时，可以多次按回车换行输入，直到输入分号才结束。
• 字符串的定界符可以是以下几种：
  • 不使用定界符，此时字符串不能包含空格。
  • 使用单引号 ' ，此时支持转义字符。
  • MySQL 中，可以使用双引号 " 。
  • MySQL 中，如果字符串与 MySQL 的保留字冲突，则必须使用反引号 ` 作为定界符。

分类

SQL 按用途分为多个子集：

• 数据定义语言（Data Define Language ，DDL）

  • 主要是 CREATE、DROP、ALTER、TRUNCATE、RENAME 命令，用于增删改数据库、数据表、索引、用户、函数等对象。

• 数据操作语言（Data Manipulation Language ，DML）

  • 主要是 INSERT、UPDATE、DELETE 命令，用于增删改数据。

• 数据查询语言（Data Query Language ，DQL）

  • 主要是 SELECT 命令，用于查询数据。

• 数据控制语言（Data Control Language ，DCL）

  • 主要是 GRANT、REVOKE 命令，用于控制权限。

• 事务控制语言（Transaction Control Language ，TCL）

  • 主要是 COMMIT、ROLLBACK 命令，用于控制事务。

存储算法

B+ tree

• ext3、ext4 文件系统基于 H tree 索引文件，与 B tree 类似。
• NTFS 文件系统基于 B+ tree 索引文件。
• MySQL 的 InnoDB 存储引擎基于 B+ tree 存储数据并进行索引。
  • 每行数据以 id:row 键值对形式存储，根据主键 id 即可索引。
  • 内部节点存放在内存中，需要读写叶子节点时才进行磁盘 IO 。

Hash Table

：哈希表。

• 特点：
  • 适合随机读写。对数据寻址的时间复杂度为 O(1) ，比 B Tree 的时间复杂度 O(n) 快很多。
  • 不支持顺序读写，因此磁盘 IO 的效率低。

LSM Tree

：Log Structured Merge Tree 。

• 原理：
  • 新增数据时，先保存在内存的 memtable 中。等 memtable 缓冲了一定数量的数据之后，再 flush 到磁盘。
    • memtable 的结构类似于红黑树，有序地存储数据。
  • flush 时，会在磁盘新建一个 segment 文件，然后以 append 方式顺序写入数据。
    • segment 文件内的数据是有序存储的，因此可以只建立稀疏索引。
    • segment 文件内的数据不支持修改、删除。
      • 删除一条数据时，会给 segment 文件中的数据加上一个墓碑（tombstone）标记，不允许被查询到，但不会释放磁盘空间。
      • 更新一条数据时，会先新增一条数据，再给这条旧数据加上 tombstone 标记。
    • segment 文件会被自动合并：将多个小文件拷贝合并成一个大文件，然后删掉旧文件。从而节省打开大量文件的开销。
      • 合并时，不会拷贝原 segment 中带有 tombstone 标记的数据。
  • 为了避免内存断电而丢失数据，会将内存中新增的数据同时写入预写日志（Write Ahead Log ，WAL）文件，作为备份。
    • WAL 文件也是顺序写入磁盘，且结构简单，因此开销低。
    • 如果程序异常终止，重启时会读取 WAL 文件，恢复数据。
• 特点：
  • 新增数据的方式为批量写入磁盘，比逐行写入的效率更高。
  • 访问磁盘的大部分操作都是顺序读写，比随机读写快了两个数量级。
  • 稍微降低了读取速度。
• 采用 LSM Tree 或类似原理的数据库举例：
  • MySQL 的 redo log
  • MongoDB 的 WiredTiger 存储引擎
  • ClickHouse 的 MergeTree 存储引擎
  • ES
  • Prometheus

性能优化

• 当数据库出现读写速度慢等性能问题时，有几种优化措施：

  • 首先优化客户端程序的业务代码，减少对数据库的读写量、并发量。一般有几十倍的优化空间。

    • 例如查询 MySQL 时尽量使用索引，避免全表扫描。
    • 例如 MySQL 可以查看慢查询日志，排查客户端的低效操作。
    • 可以将单个数据表拆分成多个数据表，供不同的业务程序使用，减少单张表的大小。
    • 可以用 Redis 缓存用户经常查询的数据，既能提高用户的查询速度，又能降低对数据库的查询量。不过这会增加客户端程序的复杂度。
    • 客户端的并发量很大时，可以用 Kafka 等消息队列缓存写入的数据，削弱并发写入的峰值。

  • 分库。

    • 可以将单个数据库拆分部署成多个数据库，供不同的业务程序使用。
      • 比如有的业务程序造成的数据库负载很大，如果与其它业务程序使用同一个数据库，则会挤占资源。
      • 不同业务程序的重要性不同，业务代码的优化程度也不同，应该区分对待。
    • 可以部署不同类型的数据库，适合处理不同类型的数据。比如结构化数据放到 MySQL ，JSON 数据放到 Mongo、ES 。

  • 优化数据库的配置参数，一般有几倍的优化空间。

    • 可以调整超时时间、数据包大小等配置参数，使它更适合客户端的业务场景。这需要理解参数原理，并测试效果。

  • 增加数据库的 CPU、内存、磁盘等资源，一般有几倍的优化空间，但需要加钱。

    • 如果 user + system 模式的 CPU 使用率高，则可能是数据库在执行 CPU 密集型操作，可增加 CPU 核数。也可能是内存不足，引发频繁 GC 。
    • 如果 iowait 模式的 CPU 使用率高，则可能是达到了磁盘、网络的 IO 速度瓶颈，可从 HDD 硬盘换成 SSD 硬盘、增加网络带宽。具体需要监控磁盘、网络的 IO 量。
    • 如果数据库的内存使用率高，则需要分析是哪些因素占用的内存，考虑是否增加内存。

  • 有的数据库在磁盘存储了大量数据，而内存较小。客户端多次查询同一段数据时，这些数据难以缓存在内存中，需要重复从磁盘读取，可能达到磁盘 MBPS 或 IOPS 速度的瓶颈。此时数据库的磁盘吞吐量、内存使用率、CPU iowait 使用率都高，客户端的查询耗时增加。优化措施如下：

    • 优化客户端的查询操作，减少读取磁盘量。比如通过读取索引来避免读取全表，用 Redis 缓存经常查询的数据。
    • 如果索引的体积很大，比如几 GB ，则难以缓存在内存中，也需要重复从磁盘读取。可拆分成多个数据表，减少单个索引的体积。
    • 增加服务器的内存量，或换成 IO 速度更快的 SSD 硬盘。具体看内存与 SSD 硬盘哪个成本更低。

• 可以将数据库部署多个实例，组成几种集群架构：

  • 主从集群
    • ：一个或多个实例是 master 角色，有权修改数据。其它实例是 slave 角色，不能修改数据，只能从 master 同步最新的数据。
    • 可实现数据备份：每个数据库实例都存储了一份完整的数据。
    • 可实现读写分离：客户端可将写请求发送到主实例，将读请求发送到从实例，分散单个实例的负载压力。
      • 不过一般的业务都没有很高的访问量，没必要读写分离。
    • 可提高可用性：当主实例故障时，可快速选出一个从实例，担任新的主实例，称为主从切换。不过主从切换的过程有一定技术难度。
  • 副本集群
    • ：每个实例都有权读写数据。
    • 可提高可用性：当个别实例宕机时，其它实例依然能工作。
    • 难点：需要实现多个实例的读写一致性。
  • 分片集群
    • ：每个实例分别存储了一部分数据，加在一起才组成完整的数据。
    • 通过分片，容易横向扩容集群，增加整体服务器的 CPU、内存、磁盘容量、磁盘吞吐量。
    • 主从、副本集群中，每个实例都存储了一份完整的数据，因此可以容忍个别实例不可用。而分片集群中，数据分散存储在各个实例中，必须全部实例都可用，才能得到完整的数据。
      • 因此每个分片存在单点故障的风险。可以将每个分片部署成一个主从集群或副本集群，提高可用性。

• 关于数据库的可用性：

  • 数据库只部署单实例时，一旦故障，客户端就不能正常工作，存在单点故障的风险。不过在以下情况，单实例的可用性也足够：
    • 一般数据库软件可稳定运行几年，出现故障的常见原因是 CPU、内存等资源不足。因此与其花钱部署多实例来实现高可用，还不如花钱提高单节点的资源配置。
    • 有的客户端不敏感，可以容忍数据库的单点故障几秒、几分钟，在此期间可通过重启等措施恢复数据库。
  • 数据库部署多实例时，当一个实例故障，客户端可使用其它实例，从而提高可用性。
    • 部署多实例有一定技术难度，需要实现分布式一致性。
    • 一般数据库的故障原因是客户端的并发请求量过大，导致 CPU、内存等资源不足。因此一个实例故障之后，其它实例也可能很快故障。因此部署多实例时，依然需要降低每个实例故障的概率，并将客户端的请求分散到各个实例，不过负载均衡有一定技术难度。

相关概念

• CRUD
  • ：指数据库的 Create（增）、Read（查）、Update（改）、Delete（删）四种基本操作。
• ODBC（Open Database Connectivity，开放数据库连接）
  • ：微软公司提出的一种传统的数据库 API 规范，可以兼容不同类型的数据库。
• ORM（Object Relational Mapping ，对象关系映射）
  • ：一种访问数据库的软件框架，将数据库的结构化数据用对象表示，将数据表映射到类。因此可以像操作一个 class 的成员一样，操作数据表中的元素。
  • 优点：避免了手写纯 SQL ，简化了代码，而且可移植性好。
  • 缺点：速度比纯 SQL 慢一些。
• Navicat
  • ：一个数据库客户端，属于 GUI 软件，闭源收费。
  • 支持连接多种数据库，包括 MySQL、Oracle、PostgreSQL、SQLite、SQL Server、MariaDB、MongoDB 等。
• DBeaver
  • ：一个数据库客户端，属于 GUI 软件，开源。
  • 采用 Java 开发，基于 JDBC 连接数据库。因此支持的数据库类型比 Navicat 更多，只需下载对应的 jar 包驱动。