彭于晏们 , 我来套一个数据库的选型方案

This topic created in 1742 days ago, the information mentioned may be changed or developed.

我想把现有 ERP 系统的查询功能进行优化

目前的情况是有 4 张主表, 每张表大概有 1500w 条数据 ,每天大概增加 3w 条数据, 每张表都有 100 多个字段,其中不乏有 varchar(200)这种字符串.

查询时 4 张表还会进行 join,算上其他表总的关联表大概有 10 张左右.并且查询条件也比较多变,聚合索引难以覆盖所有场景,但一般会基于一个时间段再搭配其他三四个灵活的字段进行查询.

目前的想法是把这几张表的数据进行聚合,筛选出比较重要的字段(大概有 70 个)单独存放到一个数据库中 , 以下是我的一些需求

首要的是查询效率高,能满足多变的组合查询条件
不是冷数据,有低频更新的需求每秒三十次左右
格式较为固定 , 很少添加或者修改字段
由于已经是聚合后的数据所以不需要 join 操作
无事务要求
基本上只做即时查询 ,没有对数据进行二次挖掘和处理

目前是把数据放到了 MongoDB ,加上索引后大概占了 20GB 左右,查询效率一般, 所以想知道对于我这种场景有没有比 MongoDB 更合适的数据库, PostgreSQL ClickHouse Cassandra ?

Supplement 1 Aug 14, 2021

首先感谢各位彭于晏 , 前几天加班较多没有太多精力思考大家的解决思路.另外其实我也在想,怎么从产品层面怎样优化.

对于技术选型我还有一点疑惑 , 我看到好多人都提到了 ES ,但是我只知道 ES 是个搜索引擎,那么 ES 适合我这种查询条件多变并且不需要分词查询的场景吗?

其次也有不少人投票了 ClickHouse ,其实我自己也有些心动 ,但是想了想目前对这个的了解也比较少,大部分文档也来自于各种贩卖焦虑的微信公众号 , 所以也只能暂时搁置了,不过我还是很想知道大家使用 ClickHouse 的真实效果

目前首选应该是以日期月份做水平分表 , 但是有个问题 ,如果在月初的时候我想差最近七天的数据 ,这个就涉及到了跨物理表 ,这种场景下查询效率会不会降低很多?

再次感谢各位的回复.

查询

字段

MongoDB

聚合

35 replies 2021-08-18 13:58:10 +08:00

jmone

Aug 12, 2021

以前我们使用 mongo，2000 万左右的数据，索引后，数据查询时平均 500ms 的响应时间，然后就放弃使用 mongo 了

pengtdyd

Aug 12, 2021

这么多表 join 应该考虑重构

lixm

Aug 12, 2021

ES 啊

changdy

Aug 12, 2021

@pengtdyd 已经再重构查询逻辑了 ,帖子中已经描述了,但问题在于重构后数据应该放到那种数据库中.

changdy

Aug 12, 2021

@jmone 我在网上也看到了 .这种 schema free 的数据库查询效率都不高....

encro

Aug 12, 2021

没有必要 mongodb 吧，mongodb 只是一个文档型数据库，并不会帮你提高性能。

看你对实时性要求和查询范围，
pg 有物理视图和聚合，是否能满足要求？

我们有一个项目也是几千万数据。
我是限制了默认查询时间，在时间上加了索引，比如只查询最近一天或者一周的。这样数据也就几万几十万，还是很快的，一般 50MS 能出来。
对于复杂的，要查询 2 个月以上的，都走统计表，统计表为增量，每 5-15 分钟执行一次，所以不是实时的。如果你团队人力比较充沛，可以用自动聚合，做成实时的。

JKeita

Aug 12, 2021

一张表 100 多个字段，这个设计真是鬼才。。。

JKeita

Aug 12, 2021

感觉 ES 就够了吧

wangyzj

Aug 12, 2021

数据库不要变
ERP 这种强关系型还得用关系型数据库
可以做一个同步到 es 的作业
只做查询
mongo 不合适

speedofstephen

Aug 12, 2021

时间段是多长呢，如果一天就 3 万，只某一天或者更小的区间搜索。直接用时间段过滤然后用 java 的 stream 做筛选。应该不会超过 100ms 把。

Pursue9

Aug 12, 2021

可以把包含 json 的字段丢到另一张表中去，然后主键还用原来表的主键
例如 user (主键是 useruid) 表拆分成 user 和 user_detail 两个表，主键都是 useruid，什么时候用到 user_detail 的数据时候，再去查 user_detail 的数据

vone

Aug 12, 2021

早呀，彦祖。

42is42is42

Aug 12, 2021

Get More Row

victorywangzhcn

Aug 12, 2021

如果没有大量模糊查询的需要，无脑选 ClickHouse，可以测一测。个人感觉 ES 比 ClickHouse 更难运维，而且如果你有 Aggregate 相关操作，ES 非常硬盘 IO emmmm

Mithril

Aug 12, 2021

既然一般会基于时间查询，说明你这数据本身就是时序数据，可以考虑时序数据库。
如果要用 ES 的话需要考虑两点，一是你的字符串内容要做分词检索吗？二是你要做聚合统计吗？
如果都不要，只是把 ES 当成速度快一点的数据库的话，那么意义不大。因为你还要考虑 ES 本身的那些问题，得不偿失。
所以现在的首要问题是，你是真的需要用 ES 去加速检索，还是想办法优化你的 MySQL 。

至于其它的，你用 MySQL 和 Mongo 解决不了的问题，不要指望 Pg 和 Cassandra 能解决。时序型数据库的话，还是要考虑上面 ES 那段里提到的问题。你需要做聚合统计吗？还是只做数据检索。