Data Systems

数据库选型从 workload 开始，而不是从产品名开始。先明确数据怎样被写入和读取、哪些约束必须成立、如何恢复，再决定关系模型、文档、键值、宽列或其他存储形式。

The Five Questions

01Model

实体、关系和访问模式是什么？数据模型是否能直接表达它们？

02Access

查询怎样定位数据？索引、分区和缓存分别减少哪一部分成本？

03Correctness

事务边界在哪里？并发冲突、重复写入和部分失败如何处理？

04Scale

单机瓶颈是什么？复制、分片和批处理会引入哪些新约束？

Knowledge Map

Query language

SQL

关系建模、查询表达、Schema 规范和 SQL 优化。

Transactional store

MySQL

InnoDB、事务、索引、锁、日志、内存和高可用。

In-memory data system

Redis

数据结构、持久化、线程和内存模型、缓存模式与分布式协调。

Document store

MongoDB

文档模型、聚合、存储引擎、复制和分片。

Wide-column store

HBase

面向大规模稀疏数据的行键设计、范围访问与分布式存储。

OLTP and Analytics

Workload	Optimizes for	Typical design
OLTP	高频小事务、低延迟点查、并发更新	规范化模型、精确索引、事务与副本
OLAP	大范围扫描、聚合、历史分析	列式布局、分区、并行执行、预计算
Cache	极低延迟与热点吸收	有限数据集、过期策略、回源与一致性
Event / log	顺序追加、回放和流式处理	分区日志、消费进度、保留策略

Review a Database Design

1. 写出前三个读写路径及其频率，而不是只画实体关系图。
2. 对每个 invariant 指定由数据库、应用还是异步流程维护。
3. 估算索引、缓存和复制的写放大与存储成本。
4. 设计备份、恢复、迁移和回滚，不把高可用等同于数据安全。
5. 用真实数据分布验证热点、倾斜和最坏查询。