超越NoSQL：為分布式SQL正名

Andrew C. Oliver 沈建苗

起初有文件，后來有基于結(jié)構(gòu)化文件的導(dǎo)航數(shù)據(jù)庫，然后出現(xiàn)了IMS和CODASYL。大概40年前，出現(xiàn)了首批關(guān)系數(shù)據(jù)庫。在20世紀(jì)八、九十年代的大部分時間，“數(shù)據(jù)庫”嚴(yán)格意義上指“關(guān)系數(shù)據(jù)庫”。SQL（標(biāo)準(zhǔn)查詢語言）占主導(dǎo)地位。

后來隨著面向?qū)ο缶幊陶Z言日益流行，一些人認(rèn)為，解決面向?qū)ο笳Z言和關(guān)系數(shù)據(jù)庫“阻抗不匹配”的辦法是在數(shù)據(jù)庫中映射對象。因此，我們最后迎來了“面向?qū)ο蟮臄?shù)據(jù)庫”。對象數(shù)據(jù)庫方面有意思的地方是，在許多情況下，它們基本上是內(nèi)置對象映射器的普通數(shù)據(jù)庫。這種數(shù)據(jù)庫后來漸漸失寵，下一個真正的主流嘗試是2010年代的“NoSQL”。

攻擊SQL

NoSQL以同樣的方式攻擊關(guān)系數(shù)據(jù)庫和SQL。這回的主要問題是，互聯(lián)網(wǎng)顛覆了具有40年歷史關(guān)系數(shù)據(jù)庫管理系統(tǒng)（RDBMS）架構(gòu)的基本前提。這種數(shù)據(jù)庫旨在節(jié)省寶貴的磁盤空間，并可縱向擴(kuò)展。然而現(xiàn)在有太多的用戶和太多的任務(wù)，一臺胖服務(wù)器處理不了。NoSQL數(shù)據(jù)庫則宣稱，如果數(shù)據(jù)庫沒有連接（join），沒有標(biāo)準(zhǔn)查詢語言（因?yàn)閷?shí)現(xiàn)SQL需要花費(fèi)時間），也沒有數(shù)據(jù)完整性，那么就可以橫向擴(kuò)展以處理眾多用戶。這解決了縱向擴(kuò)展的問題，但也帶來了新問題。

與這些聯(lián)機(jī)交易處理系統(tǒng)（OLTP）并行開發(fā)的是另一種關(guān)系數(shù)據(jù)庫，名為聯(lián)機(jī)分析處理系統(tǒng)（OLAP）。這種數(shù)據(jù)庫支持關(guān)系結(jié)構(gòu)，但在執(zhí)行查詢時就知道它們將返回大量數(shù)據(jù)。上世紀(jì)八、九十年代的公司企業(yè)仍主要由批處理驅(qū)動。此外，OLAP系統(tǒng)為開發(fā)和分析人員提供了將數(shù)據(jù)想象成n維數(shù)據(jù)集并加以存儲的能力。如果你設(shè)想二維數(shù)組和基于兩個索引的查詢，以便基本上與恒定時間一樣高效，但是隨后在此基礎(chǔ)上添加另一個維度，以便可以執(zhí)行實(shí)質(zhì)上是3個或更多因素（比如供應(yīng)、需求和競爭對手?jǐn)?shù)量）的查詢，你就可以更高效地分析和預(yù)測。然而，構(gòu)建這些元素是一項(xiàng)費(fèi)力又高度面向批處理的工作。

圖形數(shù)據(jù)庫幾乎與橫向擴(kuò)展型NoSQL同一時間面市。許多事物本身不是“關(guān)系型”，或者不是基于集合論和關(guān)系代數(shù)，而是基于父子關(guān)系或朋友的朋友關(guān)系。一個典例是模型中的產(chǎn)品系列-產(chǎn)品品牌-款型-部件。如果你想知道“我的筆記本電腦搭載什么主板？”，會發(fā)現(xiàn)制造商的采購來源很復(fù)雜，光有品牌或型號可能不夠。如果你想知道某產(chǎn)品系列中使用的所有主板，在經(jīng)典（非CTE即通用表表達(dá)式）SQL中，你必須遍歷表，并且分多個步驟進(jìn)行查詢。最初，大多數(shù)圖形數(shù)據(jù)庫根本就不分片。實(shí)際上，無需將數(shù)據(jù)實(shí)際存儲為圖形，就能完成許多類型的圖形分析。

兌現(xiàn)和未兌現(xiàn)的NoSQL承諾

NoSQL數(shù)據(jù)庫的擴(kuò)展性確實(shí)比Oracle數(shù)據(jù)庫、DB2或SQL Server（它們都基于40年前的一種設(shè)計(jì)）好得多。然而，每種NoSQL數(shù)據(jù)庫都存在新的限制：

鍵值存儲：沒有比db.get（鍵）更簡單的查詢了。然而，世界上許多數(shù)據(jù)和使用場景無法以這種方式來設(shè)計(jì)結(jié)構(gòu)。此外，我們其實(shí)在談?wù)摼彺娌呗?。在任何?shù)據(jù)庫中，主鍵查詢速度很快。重要的只是內(nèi)存中的數(shù)據(jù)。在理想情況下，它們像哈希圖一樣擴(kuò)展。然而，如果要跑30趟數(shù)據(jù)庫才能將數(shù)據(jù)放回去或進(jìn)行任何類型的復(fù)雜查詢，這行不通。這些系統(tǒng)現(xiàn)在更常作為緩存實(shí)施在其他數(shù)據(jù)庫的前面。（例子：Redis。）

文檔數(shù)據(jù)庫：這種數(shù)據(jù)庫之所以流行起來，是由于它們使用JSON，對象又易于序列化成JSON。這種數(shù)據(jù)庫的第一個版本沒有連接，將整個“實(shí)體”放到一個龐大的文檔中有其自身的缺點(diǎn)。沒有事務(wù)保證，你還會遇到數(shù)據(jù)完整性問題。今天，一些文檔數(shù)據(jù)庫支持一種不太可靠的事務(wù)，但它不是大多數(shù)人習(xí)慣的同一種保護(hù)級別。而且，即使對簡單查詢而言，這種數(shù)據(jù)庫在延遲方面常常速度很慢，盡管它們就吞吐量而言擴(kuò)展性更好。（例子：MongoDB和Amazon DocumentDB。）

列存儲：這種數(shù)據(jù)庫的查詢速度與鍵值存儲一樣快，它們可以存儲更復(fù)雜的數(shù)據(jù)結(jié)構(gòu)。然而，如果執(zhí)行像跨3個表（RDBMS術(shù)語）或3個集合（MongoDB術(shù)語）連接這樣的操作，會讓人痛苦不堪。這種數(shù)據(jù)庫確實(shí)適合時間序列數(shù)據(jù)（請給我在下午1點(diǎn)至2點(diǎn)出現(xiàn)的所有事務(wù)）。

還有其他更深奧的NoSQL數(shù)據(jù)庫。然而，所有這些數(shù)據(jù)庫的共同點(diǎn)是不支持通用數(shù)據(jù)庫慣用語，而且往往專注于“特殊用途”。一些流行的NoSQL數(shù)據(jù)庫（比如MongoDB）編寫了出色的數(shù)據(jù)庫前端和生態(tài)系統(tǒng)工具，因而開發(fā)人員很容易采用它們，但存儲引擎存在嚴(yán)重的限制，更不用說彈性和可擴(kuò)展性方面的限制了。

數(shù)據(jù)庫標(biāo)準(zhǔn)仍然很重要

關(guān)系數(shù)據(jù)庫占主導(dǎo)地位的原因之一是，它們有一個通用的工具生態(tài)系統(tǒng)。首先有SQL。雖然數(shù)據(jù)庫方言可能不一樣——如果你是開發(fā)或分析人員，想從SQL Server 6.5升級到Oracle 7，可能不得不修復(fù)查詢，并使用“（+）”用于外部連接，但是簡單的切實(shí)可行，復(fù)雜的很容易轉(zhuǎn)換。

其次，你有ODBC以及后來的JDBC等。幾乎任何可以連接到一個RDBMS的工具（除非為了管理該RDBMS而專門設(shè)計(jì)）都可以連接到其他任何RDBMS。有許多人每天連接到RDBMS，并將數(shù)據(jù)倒入到Excel以便分析。我不是指Tableau或其他數(shù)百種工具，而是指“鼻祖”Excel。

NoSQL擯棄了標(biāo)準(zhǔn)。MongoDB不使用SQL作為主要語言。MongoDB的勁敵Couchbase尋找一種查詢語言來取代基于Java的mapreduce框架時，更是創(chuàng)建了一套自己的SQL方言。

標(biāo)準(zhǔn)很重要，無論是為了支持工具生態(tài)系統(tǒng)，還是由于許多查詢數(shù)據(jù)庫的人不是開發(fā)人員——他們都知道SQL。