合理规划：如何为APP选择正确的数据库？
本文转载自公众号“读芯术”(ID：AI_Discovery)
从事新项目总是令人极度兴奋——可以自由地以自己喜欢的方式设计和构建项目。但如果规划得不合理，就会给未来带来麻烦。需要作出的最关键的决定之一就是选择APP数据库，而此文的目的就是介绍数据库的选择方案——并列举其优势和弊端以帮你明智地选择数据库。
键值
数据库的结构像JSON对象，每个键都是唯一的，每个键都指向某个值。
它把数据保存在内存中，运行速度快，但有容量限制，所以难以存储大量数据。由于没用到硬盘，因而运行非常的快。因为不涉及查询或连接，因此不需要担心数据建模。由于没有模式，开发人员总是可以灵活地根据自己的喜好更改数据。
使用条件：
- 这种技术主要用作缓存机制，频繁获取和观察数据的某些部分时使用。
- 因此，键值技术作为缓存机制，普遍与其他数据库结合使用。
宽立柱
宽立柱像注射了类固醇的键值。值被修改为存储一组列，而不仅仅是普通数据。
引入一组列之后，现在可以给相关数据分组，但仍没有标准的模式。因此，每个键可以指向不同分组的数据。
由于没有模式，它可以处理非结构化数据，并附带一种名为CQL的查询语言，类似于SQL，但功能要弱得多。数据以连续的流形式出现，比如来自物联网设备、股票市场、金融交易或Netflix观看历史。
使用条件：
- 写频
- 不经常更新或读取
它仍然不是通用的。因此，它可以用于存储来自所有不同应用程序的历史数据。
文档型数据库
它是我们使用的最流行的数据库技术之一。很明显，它包括文档，每个文档是一组键值对。它们是非结构化的、不需要模式。
文档被分组到集合中，这些集合可以被构造成逻辑层次结构。逻辑数据集合以更有逻辑性的方式分组相关数据，它似乎与关系数据库相似。
数据库不能运行join查询，怎么立刻获得所有相关的数据呢?把它们全部储存。鼓励非规范化数据库，已经做好会出现数据复制/不一致的准备。
读取数据非常快，但编写和更新数据的同时要保证一致性却是一项挑战。文档数据库非常适合通用应用程序，也可能非常适合大多数应用程序、游戏和物联网。
若对数据库模式不甚了解，则记录数据库是最佳启动方式。
流行文档型数据库
数据量很多，而且数据之间有着直接或间接的关系时，文档型数据库无法容纳。在这种情况下，必须运行多个复杂的查询，然后在前端应用程序中合并所有接收到的数据，或者可以使用关系数据库，其中这些复杂的查询由数据库管理。
关系数据库
这类数据库中，著名的一些包括MySQL, Postgres, and SQL Server。他们出现很长时间了，对于很对应用程序来说都是不错的选择。
想象一个汽车工厂，它有不同的轮毂来生产汽车部件。假设门是在一个地方制造的，而轮子、车身和内部零件都是在各自不同的地方制造的。
假设的车厂蓝图
每个制造的部件都有一个唯一的ID。所以一旦汽车组装完毕，就可以从不同的地方取来所有的零件，然后组装汽车。
建造这样一个工厂需要制定蓝图，以确保整个生产过程非常高效和优化。这个蓝图在使用在数据库中时称为模式。因此，需要为数据库规划模式，以确保数据库也有效性高，能满足应用程序的数据需求。
缺点：
- 久而久之，改变车厂的布局就像改变要求一样，会浪费汽车公司的时间和金钱。大型应用程序也面临相似的情况。确保在要求清晰的情况下使用关系数据库。
- 而且，一旦建立一个每月能制造30辆车的工厂，那么就很难把产量提升到90。同理，关系数据库很难扩大规模，但也有例外，如Cockroach DB 和 PostgreSQL，在设计时添加了扩大规模的功能。
优点：
- SQL数据库符合ACID标准，这意味着即使读写操作之间可能会失败，数据有效性和完整性也不会受到损害-这使其非常适合与银行/金融相关的数据。
- 一旦有了合适的模式，就可以确保存储的数据将始终存储在一组验证之后的固定结构中，这些验证先模式中得以定义。
哪个最适合你?
- 若要求清晰，不需要大幅改变要求，选择这个。
- 若对需求不是很确定，并且处于某种试验阶段，那么最好使用NoSQL数据库。
要是不需要建立模式，直接把关系存成数据，该用哪个呢?
图表数据库
数据存储在节点中，关系被定义为边。一起来看看怎么做。
要想在SQL数据库里查找所有学习计算机科学的学生，则需要一个查找/中间人表，该表单独存储所有学习计算机科学的学生的记录。
图表更加简单明了，因为不必分别存储数据中的关系部分，而自动带有新式数据。
关系更易于记录和保持在图表里
有了这个直接显示两个节点间的关系的新方式，复杂的联接查询变得更简单，与SQL相比，极大地提高了数据的性能。因此，因依赖大量联接操作而降低数据的性能时，可以使用这种数据库。
可搜索数据库
如果你正在构建一个像谷歌这样的应用程序，在小字符串查询搜索中，你必须快速返回所有匹配的记录，那么这就是一个全文搜索引擎。这些数据库基于始于1999年的Apache Lucene项目。
Algolia和MeiliSearch是全文搜索引擎。它们看起来类似于文档类型的数据库。有一个索引，并向它添加数据对象。搜索数据库引擎将分析文档中的所有文本，并创建称为倒排索引的东西。
当你查询某项内容时，数据库只会检查反向索引，这使得整个过程看起来异常迅速，即使对于大型数据库也是如此。
多模式数据库
可供选择的数据库有很多，但最流行的似乎是Fauna。作为应用开发者，我们通常只关心JSON，我们可以在应用前端使用它。有了Fauna，不必担心数据建模、模式、缩放、复制或规范化过程，只需获取JSON数据即可。使用GraphQL定义访问数据的方式。
以一个类似instagram的应用程序的场景为例。将使用JSON为用户、发布和查询定义规则。
我们刚刚上传了GraphQL模式，它会自动创建一个集合来存储数据和查询数据的索引。在幕后，它将考虑如何利用基于您提供的GraphQL模式的不同范例，如关系、图表和文档。只是简单地以与在文档数据库中相同的方式添加数据，而且不会受到数据建模的限制。
优点：
- 它符合ACID标准、运行速度极快。
- 不必担心基础设施。只需定义对数据的需求，云端会解决其余的问题。
缺点：
- 价格明显是个缺点。好的东西不是免费的，但是对于想要学习的开发人员以及小型创业公司，它们确实提供了慷慨的计划/开源选项。
以下是Fauna列出的值得注意的重要特点：
这些并不是全部!要学习的不同的数据库还有很多，但我希望本文的介绍能帮你在设计应用程序时思路清晰有方向。
