三藏一面：为什么要用 NoSQL
本文来自我的一次真实面试经历。
这家公司的真名就叫做“三藏”，和我的名字“悟空”很契合，唐三藏给悟空面试，合情合理，还带有一丝趣味，所以我就去面试了。三藏公司是一家小厂，技术负责人面的我，欲知面试结果，文末揭晓。
本文主要内容如下：
一、MongoDB 和 MySQL 的区别
1.面试官：看你的简历上写了 MongoDB，说下 MongoDB 和 MySQL 的区别吧。
其实对于这个问题，我事先有准备，简历上写了 MongoDB，面试官肯定会问 MongoDB 和 MySQL 的区别。
MongoDB 是非关系型的数据库（NoSQL)，属于文档型数据库，文档数据库就是为了解决关系数据库带来的问题。最大的特点是 no-schema，可以存储和读取任意的数据。
存储的数据格式就是 JSON（或者 BSON）。JSON 格式我们都比较熟悉，比如 Rest API 请求返回的 Response 就是 JSON 格式的。JSON 格式的数据和 XML 个格式的区别是 JSON 更简单，没有那么多的标签来定义字段名。也就是说 JSON 是自描述的。另外 JSON 格式存进 MongoDB 中后，即使读取一个 JSON 中不存在的字段也不会导致 SQL 那样的语法错误。
MongoDB 优点
由于文档数据库具有 no-schema 特性，用起来有以下几个明显的好处。
（1）新增的字段不会出错。
比如用户表增加一个昵称的字段，不需要像关系型数据那样执行更新表结构的语句。我们直接查询这条文档出来就可以看到新增的字段了。
（2）查询历史数据不会出错。
上面提到新增了一个昵称字段，但是历史数据中是没有这个字段，如果查询历史数据，则返回的数据中不会有这个字段，虽然查询不会报错，但是取值时，会返回 null。如果业务代码中用到了昵称字段，则需要做兼容性处理。
（3）轻松存储复杂数据。
因为是用 JSON 存储，而 JSON 又可以表示复杂的数据结构，比如字段可以存数组，字段可以嵌套字段，而且可以存很多字段。换做 MySQL，则需要设计几张表来存。MongoDB 存数据的结构，特别适合电商这种业务场景，比如两种不同的商品，属性差别就很大，但是用 JSON 存就可以轻松应对。
但是文档数据库有什么缺点呢 ？
MongoDB 缺点
（1）目前 4.0 以前不支持多文档事务。
结合 MongoDB 文档模型内嵌数组、文档的支持，目前的单文档事务能满足绝大部分开发者的需求。为了让 MongoDB 能适应更多的应用场景，让开发变得更简单，MongoDB 4.0 将支持复制集内部跨一或多个集合的多文档事务，保证针对多个文档的更新的原子性。而在未来的 MongoDB 4.2 版本，还会支持分片集群的分布式事务。
我们来看下 MongoDB 不同版本支持的功能：
MongoDB 的事务接口非常简单，开发者只需要将需要保证原子性的更新序列放到一个 session 的 开始事务 与提交事务之间即可。下面是 Java 使用 MongoDB 事务的示例代码：
（2） 不支持关联查询。
我们都知道 MySQL 是支持关联查询的，也就是可以执行 Join 操作。比如有两张表：用户表和订单表，订单表中有用户的 id，且性别只存在用户表中。如果想购买了手机的男性用户，用关联查询，一步就能搞定。但是如果用 MongoDB，则需要查两次，先查询订单表中购买手机的用户，再查询这些用户中哪些是男性。
二、关系型数据的缺点
2.面试官：这个项目为什么不用关系型数据库？关系型数据库有哪些缺点？
顺着面试官的思路，可以知道面试官想问的是关系型数据库有哪些不足之处。
关系型数据库的不足之处
（1）存储的是行记录。
不能存储数组、嵌套字段等格式的数据。
（2）扩展表结构不方便。
操作不存在的列会报错，而增加列又需要执行 SQL 语句才行。而且修改时需要特别注意，因为更新表时会长时间锁表，这对线上环境可能造成严重影响。
（3）占用内存高。
关系型数据库在对大量数据的表进行统计之类的运算时，占用内存会很高，因为它即使只针对某一列进行运算，也会将整行数据从存储设备读入内存。
（4）全文搜索性能差
类似于 MySQL 的关系型数据库，只能用 like 进行整表扫描的匹配，效率很低。现如今，有很多场景需要支持模糊匹配，而且必须支持高效查找。比如查询包含关键字的日志信息，又或者是根据某个商品关键字查询商品列表。
针对以上的不足之处，我们这个项目用了两种非关系型的数据存储方案：MongoDB 和 ElasticSearch。
三、NoSQL 的分类和特点
3.面试官：你知道的有哪些 NoSQL 数据库？分别有什么特点？
NoSQL(NoSQL = Not Only SQL )，意即"不仅仅是SQL"。
我知道的有 Redis、MongoDB、HBase、全文搜索引擎 Elasticsearch。他们是不同的非关系型存储方案。
K-V 存储型
比如 Redis，它可以用 K-V 键值对的方式来存储数据，而存储的值可以有好几种格式，如 string、hash、list、set、bitmap 等。
文档存储型
比如 MongoDB，存储的 JSON 格式的文档，解决了关系型数据库的表约束的问题，比如查询不存在的字段会报错。另外也解决了部分存储格式的问题，因JSON 可以表示数组，还可以嵌套字段存储。
列式存储型
比如 HBase，按照列来存储数据，解决了大数据场景下的 I/O 问题。
关系型数据库按照行来存储数据，所以称作行式数据库。按照行来存储有以下优势：
- 读一行数据就能读取到多个列，只需要一次磁盘操作就能把多个列的数据读取到内存中。
- 写一行数据可以对多个列进行写操作，保证了行数据的原子性和一致性。而对列式存储的多列写操作，可能会导致有些列成功，有些失败，产生数据的不一致。
全文搜索引擎
这个用到的最多的地方就是日志系统，还有搜索商品信息等类似场景。如下图所示的电商网站。
我们项目中用到日志搜索就是利用 ELK。
Elasticsearch 就是 ELK 中的 E。Elasticsearch 就是全文搜索引擎，注意：他是一种 NoSQL 方案，并不是 NoSQL 数据库。
Logstash 就是 ELK 中的 L。它是 Elastic Stack 的核心产品之一，可用来对数据进行聚合和处理，并将数据发送到 Elasticsearch。Logstash 是一个开源的服务器端数据处理管道，允许您在将数据索引到 Elasticsearch 之前同时从多个来源采集数据，并对数据进行充实和转换。
Kibana 就是 ELK 中的 K。 是一款适用于 Elasticsearch 的数据可视化和管理工具，可以提供实时的直方图、线性图等。
如下图所示：
传统的关系型的数据库主要是通过索引来进行快速查询，但如果放在全文搜索的场景下，就行不通了。
我们来看看为什么关系型数据库很难做到高效的全文搜索：
- 因为在全文搜索中，搜索的条件是可以随意排列组合的，比如字段 A、B、C，可以排列成 6 种，如果要用索引来支持快速查询的话，则需要创建多个索引，这是非常麻烦的，同时，多个索引对数据的插入效率也是有影响的。
- 模糊匹配只能用 like 查询，而 like 查询是整表扫描，效率是非常低的。
之前我写过一篇 Elasticsearch 原理的 <插入文章 别只会搜日志了，求你懂点检索原理吧>，通过倒排索引实现高效的全文检索。下面举个倒排索引的例子给大家看看：
假如数据库有如下电影记录：
1-大话西游
2-大话西游外传
3-解析大话西游
4-西游降魔外传
5-梦幻西游独家解析
分词，将整句分拆为单词：
序号 | 保存到 ES 的词 | 对应的电影记录序号 |
A | 西游 | 1,2, 3,4, 5 |
B | 大话 | 1,2, 3 |
C | 外传 | 2,4, 5 |
D | 解析 | 3,5 |
E | 降魔 | 4 |
F | 梦幻 | 5 |
G | 独家 | 5 |
检索：独家大话西游
将 独家大话西游 拆分成 独家、大话、西游
ES 中 A、B、G 记录 都有这三个词的其中一种， 所以 1,2, 3,4, 5 号记录都有相关的词被命中。
1 号记录命中 2 次， A、B 中都有 ( 命中 2 次 ) ，而且 1 号记录有 2 个词，相关性得分：2 次/2 个词=1
2 号记录命中 2 个词 A、B 中的都有 ( 命中 2 次 ) ，而且 2 号记录有 2 个词，相关性得分：2 次/3 个词= 0.67
3 号记录命中 2 个词 A、B 中的都有 ( 命中 2 次 ) ，而且 3 号记录有 2 个词，相关性得分：2 次/3 个词= 0.67
4 号记录命中 2 个词 A 中有 ( 命中 1 次 ) ，而且 4 号记录有 3 个词，相关性得分：1 次/3 个词= 0.33
5 号记录命中 2 个词 A 中有 ( 命中 2 次 ) ，而且 4 号记录有 4 个词，相关性得分：2 次/4 个词= 0.5
所以检索出来的记录顺序如下：
1-大话西游 ( 想关性得分：1 )
2-大话西游外传 ( 想关性得分：0.67 )
3-解析大话西游 ( 想关性得分：0.67 )
5-梦幻西游独家解析 ( 想关性得分：0.5 )
4-西游降魔 ( 想关性得分：0.33 )
Elasticsearch 与 mysql 的对比
序号 | Mysql | Elasticsearch |
1 | Mysql 服务 | ES 集群服务 |
2 | 数据库 Database | 索引 Index |
3 | 表 Table | 类型 Type |
4 | 记录 Records ( 一行行记录 ) | 文档 Document ( JSON 格式 ) |
另外的 NoSQL 还有图形数据库，这里不做展开。
关系型和 NoSQL 怎么选？
4.面试官：关系型和 NoSQL 怎么选呢？
关系型和NoSQL数据库的选型，考虑几个指标，数据量、并发量、实时性、一致性要求、读写分离、安全性、运维性等。根据这些指标，软件系统可分成几类。
- 管理型系统，如运营类系统，首选关系型。
- 大流量系统,且多字段、数据量增长快，首选 NoSQL。
- 日志型系统，首选 Elasticsearch
- 搜索型系统，指站内搜索，非通用搜索，如商品搜索，首选 Elasticsearch。
- 事务型系统，如库存、交易、记账，选关系型+缓存+一致性协议。
- 离线计算，如大量数据分析，首选列式数据库。
- 实时计算，如实时监控，可以选时序数据库，或列式数据库。
面试结果：技术负责人觉得还行，但 HR 今天不在，等 HR 下次通知，后续就没通知了。完。
