在选择数据库的路上，我们遇到过哪些坑？（1）

2016-07-06 00:09:00

【编者按】你会怎么选择数据库，是关系数据库、XML 数据库、资源描述框架（RDF），还是图形数据库？这篇演讲深入而生动地探讨了各种选择。本文系国内 ITOM 管理平台 OneAPM 编译呈现。

备注：在去年十月于旧金山举办的 GraphConnect 大会上，FactGem 公司首席技术官 Clark Richey发表了这篇演讲，解释了他决定选择 Neo4j 数据的原因。

我是 FactGem 的首席技术官 Clark Richey。FactGem 是一家小公司。

在这里我想说一说我们是怎么开始接触数据库技术的，然后我们做出了哪些改变，我们还需要做出哪些决定，哪些东西影响了我们的决策流程。我还会介绍我们调查研究过的各种数据库和技术，以及我们在使用 Neo4j 过程中发现的一些最佳做法和最差做法。

2014 年夏天之后，很多事情都发生了变化，我也会对我们在这段时期测试的各种数据库做出一个仔细的评估。

选择数据库

关系数据库

最初，我们的创始人准备把数千份不同的文件放在一起，用来执行有效搜索、制定业务决策、进行数据分析和创建数据可视化。

我们在研究过程中发现，关系数据库 (RDBMS) 并不适合我们。当然，我们的本能反应就是使用这种数据库，毕竟我们已经用了这么长时间。但关系数据库需要固定的架构，并且创建数据库时就要设置好这一固定架构。用户必须创建各种表，确定关系，然后创建 JOIN 连接：

而我们需要的是比关系模型更为灵活的数据库。

XML 数据库

我曾经接触过 NoSQL 数据库。那时我在 MarkLogic 公司工作。MarkLogic 是一家企业级模式自由型 XML 数据库公司，该公司还存储文档并提供 JSON 格式。这种数据库无论在上传信息还是执行搜索时，速度都较快，并且模式自由。

我们确实从这一初始概念点(POC)学到了一些东西，但顾名思义，概念点本身就是一种不够全面的看法。我们依次对这一看法的各个子集进行测试，然后选取部分样本集，发现能够进行快速搜索和导航。

我们认识到，文档之间的隐含信息比存储在每个文档内的信息要有意思得多。于是我们试着弄清楚能不能创建一个数据库好让我们利用这些关系。

我们再次将信息建模，形成文档，后者非常适合我们的数据集。但使用文档数据库时，用户真正关心的当然是文档了。因此，尽管我们可以进行 JOIN 连接，但仍然不适用于大型数据集。

我们可以在文档内进行快速搜索，但不能对文档之间的关系进行快速搜索。对于这项操作而言，这一数据库并不合适。

资源描述框架 (RDF) / 三元组存储

为了解决问题，MarkLogic 把我们的所有文档从 XML 迁移到资源描述框架 (RDF)，这一框架又被称为三元组存储。这无疑是个大手笔，也是非常与众不同的对待数据的方式，我们决定，就是它了。

这不算太难，因为我们很小心地从架构的剩余部分解耦了持久层。最后花了大约两个月时间，然后我们终于能在不影响应用程序剩余部分的情况下进行迁移。

我们为什么选择资源描述框架？因为它是专为连接带有统一资源标识符的信息而设计的，还拥有一种叫做 SPARQL 的标准化查询语言。

简而言之，资源描述框架是有关主/谓/宾关系的，从下面看得出来，其模型非常简单：

下面是资源描述框架概念的简单象形图：

如果我想说 Clark 认识 John Forrest，那么 Clark 就是资源。资源具有名字、姓氏和类型等属性，也具有关系。下面这些资源描述框架的三元组可以体现这一示意图：

我们的数据库确实很给力，总体来说我们也相当满意。利用资源描述框架，我们不仅重建了整个概念点，还实现了对数据库的更多操作 —— 包括探索各种关系。虽然在各个机构和行业之间进行大范围的数据分享时非常方便，但这并不是我们使用数据库的主要目的。

资源描述框架非常冗长，它是一种基于非属性的图形。由于所有内容都表现为节点，要想进行复杂的关系查询，必须先到达目的地然后再一同返回，这给我们带来了一些性能问题。虽然资源描述框架没有成为我们的最终选择，但它确实帮我们看清了专注于数据关系的希望。

作为一家小型初创公司，在这么短的时间里经历了这么多种数据库，我们有些担心。即使这样，我们仍然明白，从一开始就要选择合适的数据库是多么的重要，于是我们顶着重重压力，在没有做好充分的数据库工作的情况下，我们决定尝试图形数据库。

改变从这里开始：图形数据库

最初我们认为图形数据库和资源描述框架一个样。但我们知道，要描述两个人之间的关系，用资源描述框架太复杂了。我们希望能有一个非常非常简单的工具，让我们能够给节点分配属性，然后我们在一个属性图形模型里找到了以下内容：

于是我们又明白了，我们不能使用关系数据库，因为它们在关系上的表现不够出色。JOIN 连接、外键和索引既不真实，也不具体；它们只是我们画在纸上用来方便理解的图案。反过来说，在图形数据库中，关系被表达成具体实体。

TitanDB 数据库

我们先研究了 TitanDB，它各项强大的功能和极佳的可扩展性一开始让我们非常振奋。可惜的是，TitanDB 的启动和维护都非常复杂，必须得从 Cassandra 或 HBase 后台运行。

我们关心的另一个功能是最终一致存储，它并不符合 ACID 原理。这表示，如果我们要长时间运行大型图形数据库，最后可能会出现不一致现象。

TitanDB 确实提供了一个基本可长期运行的流程，能够始终如一地穿行整个图形，以期探测和修复不一致问题。除了这些不一致之外，TitanDB 还可以作为不基于图形的本地存储之上的层。

OrientDB 数据库

接下来我们又了解了 OrientDB。OrientDB 启动起来似乎简单得多，还具备大量针对文档的功能。但从社区的评论来看，性能和可扩展性是个问题。另外，OrientDB 把自己宣传成多模式数据库 ——图形和 SQL。这种宣传缺乏对纯图形操作的针对性，让我很是忧心，我们不仅想要做图形，还要做好图形。