EMC 颜开纵论 NoSQL 文档数据库反模式

SQL 的反模式已经有不少人熟悉，但 NoSQL 是否也有反模式？

在自己的一篇博客文章中，EMC 中国研究院的颜开对 NoSQL 中的文档数据库进行了分析，并提炼出六种反模式。

在文章开头，颜开指出：

好的反模式可以在我们设计 Schema 告诉哪里是陷阱和悬崖。NoSQL 宣传的时候往往宣称是 SchemaLess 的，这会让人误解其不需要设计 Schema。但如果不意识到设计 Schema 的必要，陷阱就在一直在黑暗中等着我们。

接下来，颜开分析了三种主流的 NoSQL 数据库：

• 文档数据库，以 MongoDB 为代表
• 列存数据库，以 HBase 为代表
• 键值数据库，以 Redis 为代表

加上 MySQL，他将这四种开源数据库产品做了比喻和对比：

MySQL——菜刀

尽管其没有什么大的改进，但是新兴的互联网使用的最多的数据库。就像传统的菜刀，结构简单，几百年没有改进。但是不妨碍产生各式各样的刀法，只要有一把，就能胜任厨房里的大部分事务。MySQL 也是一样，核心已经稳定。但是切库，分表，备份，监控，等等手段一应俱全。

MongoDB——瑞士军刀

提供更灵活的 Schema，Capped Collection，异步提交，地理位置索引等五花十色的功能。就像瑞士军刀，不但可以当刀用，还可以开瓶盖，剪指甲。但是他也不比 MySQL 强，因为还缺乏时间的磨砺。一是系统本身的稳定性，二是开发，运维需要更多经验才能流行。

HBase——大象兵

依仗着 Hadoop 的生态环境，可以有很好的扩展性。但是就像象兵一样，使用者需要养一头大象 (Hadoop), 才能驱使它。

Redis——金箍棒

键值存储的代表，功能最简单。提供随机数据存储。就像一根棒子一样，没有多余的构造。但是也正是因此，它的伸缩性特别好。就像悟空手里的金箍棒，大可捅破天，小能成缩成针。

颜开指出 SQL 关系模型的两个弱点：

• 必须支持 Join：因为数据不能够有重复。所以使用范式的关系模型会不可避免的大量 Join。如果参与 Join 的是一张比内存小的表还好。但是如果大表 Join 或者表分布在多台机器上的话，Join 就是性能的噩梦。
• 计算与存储耦合：关系模型作为统一的数据模型既可以用于数据分析，也可以用于在线业务。但这两者一个强调高吞吐，一个强调低延时，已经演化出完全不同的架构。用同一套模型来抽象显然是不合适的。

颜开认为：

针对这两个梦魇。文档数据库如 MongoDB 的主要目的是:提供更丰富的数据结构来抛弃 Join 来适应在线业务。

……文档数据库并不比关系数据库强大，由于对 Join 的弱支持，功能会弱许多。设计关系模型的时候，通常只需要考虑好数据直接的关系，定义数据模型。而设计文档数据库模型的时候，还需要考虑应用如何使用。因此设计好一个的文档数据库 Schema 比设计关系模型更加的困难。除此之外，由于文档数据库事务的支持也是比较弱，一般 NoSQL 只会提供一个行锁。这也给设计 Schema 更加增加了难度。

接下来，颜开从模型设计部分提炼出六种反模式。

反模式一：惯性思维 / 沿用关系模型

由于文档数据库不支持 Join(包括和外键息息相关的外键约束) 等特性，习惯性的沿用关系模型有的时候会出现问题。需要利用起文档数据库提供的丰富的数据模型来应对。

颜开提出一个例子，指出这个例子存在两个问题：

1. 存在描述多对多的关系表
2. 没有区分"一对多关系"和“多对一关系”

颜开提出一个正确使用的场合：

关系型模型是非常成功的数据模型，合理的沿用是非常好的。但是由于文档数据库的特点，需要适当的调整，这样得出的数据模型，尽管性能不是最优，但是有最好的灵活性。并且也有利于和关系数据库转换。

反模式二：处处引用客户端 Join

这样的坏处是：

1. 手动 Join，麻烦且易出错。
2. 多次查询。如果引用过多，查询的时候需要多次查询才能查到足够的数据。
3. 事务处理繁琐。

解决方法是：

在以下三种场合，适当使用内联数据结构。

1. 使用内联可以解决读性能问题，明显减少 Query 的次数的时候。
2. 可以简化数据模型，化简表之间的关系，而同时不会影响灵活性的时候。
3. 事务可以得到简化为单行事务的时候

正确的场合是：

范式化的使用场景，文档数据库会被多个应用使用。由于数据库设计无法估计多个应用现在及将来的查询情况，需要极大的灵活性。在这个时候，使用引用比内联靠谱。

反模式三：滥用内联后患无穷

有四种主要症状：

• 妨碍到查询的内联
• 无限膨胀的内联
• 无法维护的内联
• 盯死应用的内联

反模式四：在线计算

主要症状：有一些运行时间很长的 Query, 由于有聚合计算，索引也不能解决。随着数据量的增长，逐渐成为性能瓶颈。

坏处有二：

• 影响用户体验。
• 影响数据库性能。

解决方案：要权衡聚合操作是否必要，是否需要实时完成。如果务必要，可采取离线模式。如必须实时，则可以新建一个字段，用“incr”这样的操作，在运行的时候，实时聚合结果。如果逻辑比较复杂，或者觉得大量“incr”操作给数据库系统带来了压力，可以使用 Storm 之类的实时数据处理框架。总之，要慎用长查询。

反模式五：把内联 Map 对象的 Key 当作 ID 用

其症状是：

文档数据库支持内联 Map 类型。将其中 Map 的 Key 当作数据库的主键来用。

颜开指出：“这个反模式很容易犯，因为在编程语言中 Map 数据结构就是这么用的。但是对于数据库模型来说，这是不折不扣的反模式。”

主要坏处有二：

• 无法通过数据库做各种 (><=) 查询。
• 无法通过索引查询。

解决方案：使用数组 +Map 来解决。。Map 类型中的 Key 是属性名，Value 是属性值。这样的用法是文档数据库数据模型的本意，因此其提供的各种功能才能利用上。否则就无法使用。

反模式六：不合理的 ID

症状：使用 String 甚至更复杂数据结构作为的 ID，或者全部使用数据库提供的自生成 ID

两个坏处是：

• ID 混乱。
• 索引庞大，性能低下。

解决方案：

尽量使用有一定意义的字段做 ID，并且不在其他字段中重复出现。不使用复杂的数据类型做 ID，只使用 int,long 或者系统提供的主键类型做 ID。

在文章最后，颜开用一个表格涵盖了所有反模式，读者可点击原文链接查看。

颜开最后说道：

现在关于 NoSQL 数据模型设计模式的讨论才刚刚起步，将来也许会逐渐自成体系。对于列数据库和 Key-Value 的反模式，笔者等到有了足够积累的时候，再和大家分享。