彭于晏们 , 我来套一个数据库的选型方案

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 1206 天前的主题，其中的信息可能已经有所发展或是发生改变。

我想把现有 ERP 系统的查询功能进行优化

目前的情况是有 4 张主表, 每张表大概有 1500w 条数据 ,每天大概增加 3w 条数据, 每张表都有 100 多个字段,其中不乏有 varchar(200)这种字符串.

查询时 4 张表还会进行 join,算上其他表总的关联表大概有 10 张左右.并且查询条件也比较多变,聚合索引难以覆盖所有场景,但一般会基于一个时间段再搭配其他三四个灵活的字段进行查询.

目前的想法是把这几张表的数据进行聚合,筛选出比较重要的字段(大概有 70 个)单独存放到一个数据库中 , 以下是我的一些需求

首要的是查询效率高,能满足多变的组合查询条件
不是冷数据,有低频更新的需求每秒三十次左右
格式较为固定 , 很少添加或者修改字段
由于已经是聚合后的数据所以不需要 join 操作
无事务要求
基本上只做即时查询 ,没有对数据进行二次挖掘和处理

目前是把数据放到了 MongoDB ,加上索引后大概占了 20GB 左右,查询效率一般, 所以想知道对于我这种场景有没有比 MongoDB 更合适的数据库, PostgreSQL ClickHouse Cassandra ?

第 1 条附言 · 2021-08-14 13:53:06 +08:00

首先感谢各位彭于晏 , 前几天加班较多没有太多精力思考大家的解决思路.另外其实我也在想,怎么从产品层面怎样优化.

对于技术选型我还有一点疑惑 , 我看到好多人都提到了 ES ,但是我只知道 ES 是个搜索引擎,那么 ES 适合我这种查询条件多变并且不需要分词查询的场景吗?

其次也有不少人投票了 ClickHouse ,其实我自己也有些心动 ,但是想了想目前对这个的了解也比较少,大部分文档也来自于各种贩卖焦虑的微信公众号 , 所以也只能暂时搁置了,不过我还是很想知道大家使用 ClickHouse 的真实效果

目前首选应该是以日期月份做水平分表 , 但是有个问题 ,如果在月初的时候我想差最近七天的数据 ,这个就涉及到了跨物理表 ,这种场景下查询效率会不会降低很多?

再次感谢各位的回复.

查询

字段

MongoDB

聚合

35 条回复 • 2021-08-18 13:58:10 +08:00

jmone

2021-08-12 02:37:27 +08:00

以前我们使用 mongo，2000 万左右的数据，索引后，数据查询时平均 500ms 的响应时间，然后就放弃使用 mongo 了

pengtdyd

2021-08-12 06:22:28 +08:00

这么多表 join 应该考虑重构

lixm

2021-08-12 08:45:19 +08:00

ES 啊

changdy

2021-08-12 08:51:56 +08:00

@pengtdyd 已经再重构查询逻辑了 ,帖子中已经描述了,但问题在于重构后数据应该放到那种数据库中.

changdy

2021-08-12 08:53:09 +08:00

@jmone 我在网上也看到了 .这种 schema free 的数据库查询效率都不高....

encro

2021-08-12 08:57:53 +08:00

没有必要 mongodb 吧，mongodb 只是一个文档型数据库，并不会帮你提高性能。

看你对实时性要求和查询范围，
pg 有物理视图和聚合，是否能满足要求？

我们有一个项目也是几千万数据。
我是限制了默认查询时间，在时间上加了索引，比如只查询最近一天或者一周的。这样数据也就几万几十万，还是很快的，一般 50MS 能出来。
对于复杂的，要查询 2 个月以上的，都走统计表，统计表为增量，每 5-15 分钟执行一次，所以不是实时的。如果你团队人力比较充沛，可以用自动聚合，做成实时的。

JKeita

2021-08-12 09:17:49 +08:00

一张表 100 多个字段，这个设计真是鬼才。。。

JKeita

2021-08-12 09:30:43 +08:00

感觉 ES 就够了吧

wangyzj

2021-08-12 10:08:16 +08:00

数据库不要变
ERP 这种强关系型还得用关系型数据库
可以做一个同步到 es 的作业
只做查询
mongo 不合适

speedofstephen

2021-08-12 10:12:52 +08:00

时间段是多长呢，如果一天就 3 万，只某一天或者更小的区间搜索。直接用时间段过滤然后用 java 的 stream 做筛选。应该不会超过 100ms 把。

Pursue9

2021-08-12 10:18:43 +08:00

可以把包含 json 的字段丢到另一张表中去，然后主键还用原来表的主键
例如 user (主键是 useruid) 表拆分成 user 和 user_detail 两个表，主键都是 useruid，什么时候用到 user_detail 的数据时候，再去查 user_detail 的数据

vone

2021-08-12 10:28:35 +08:00

早呀，彦祖。

42is42is42

2021-08-12 10:54:29 +08:00

Get More Row

victorywangzhcn

2021-08-12 11:34:46 +08:00

如果没有大量模糊查询的需要，无脑选 ClickHouse，可以测一测。个人感觉 ES 比 ClickHouse 更难运维，而且如果你有 Aggregate 相关操作，ES 非常硬盘 IO emmmm

Mithril

2021-08-12 11:46:37 +08:00

既然一般会基于时间查询，说明你这数据本身就是时序数据，可以考虑时序数据库。
如果要用 ES 的话需要考虑两点，一是你的字符串内容要做分词检索吗？二是你要做聚合统计吗？
如果都不要，只是把 ES 当成速度快一点的数据库的话，那么意义不大。因为你还要考虑 ES 本身的那些问题，得不偿失。
所以现在的首要问题是，你是真的需要用 ES 去加速检索，还是想办法优化你的 MySQL 。

至于其它的，你用 MySQL 和 Mongo 解决不了的问题，不要指望 Pg 和 Cassandra 能解决。时序型数据库的话，还是要考虑上面 ES 那段里提到的问题。你需要做聚合统计吗？还是只做数据检索。