V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
V2EX 提问指南
dtgxx
V2EX  ›  问与答

数据库选型问题请教各位大佬,大佬们帮帮忙!

  •  
  •   dtgxx · 2022-08-09 17:25:00 +08:00 · 2024 次点击
    这是一个创建于 856 天前的主题,其中的信息可能已经有所发展或是发生改变。
    我们要做个系统,最后卡在上层界面展示的数据库存储选型上了。
    我们初期用的 es ,因为数据量很大,可能在 20-30 亿,然后要求每个字段都可以模糊匹配,也能做一些统计。
    因为 es 不能比较好的关联,所以我们把所有的业务数据,都放在一个很大的 json 中了,就一个表,每个表就存储了很多一模一样数据结构的大 json ,第一阶段这样没啥问题。

    但是 2.0 的需求上升了数据维度,举个栗子:
    1.0 版本,我们的 json 存储了 班级、人员、喜好 等信息,我们只要通过喜好=xxx 就可以直接查询到 班级、人员、喜好...
    2.0 版本,我们想在 es 搜索喜好,但是只想要班级、人员信息,不需要把喜好的数据带出来:
    输入 喜好=xxx 输出 班级 A 人员 A 班级 B 人员 B
    由于我们所有信息都放在一个 json 里面了,所以会有很多 班级 A 人员 A 喜好 A 班级 A 人员 A 喜好 B ... 这种结构,就不能直接输出 班级 A 人员 A 班级 B 人员 B ,是需要过滤的

    而且后面的需求,比如 喜好苹果的人都在哪些班级里面,通过一个大 json 这种格式,就不能直接检索,肯定要在结果去重,而数据量又很大,就存在很多问题。

    我也不知道我说没说清楚哈,大致就是这样,所以我们想修改为关系型数据库,但是迫于数据量很大,也有模糊搜索的需求,就不知道该怎么办了。总觉得需求又需要模糊匹配,也需要多表关联。这个场景,一般大家是怎么应对的呢?大佬们帮帮忙~~~
    15 条回复    2022-08-10 20:19:41 +08:00
    lingly02
        1
    lingly02  
       2022-08-09 17:35:23 +08:00
    大数据量统计分析,可以看下 ClickHouse. 全文检索方面,还是 ES 占优,可以想办法结合一下。
    TimePPT
        2
    TimePPT  
       2022-08-09 17:36:46 +08:00
    写入和查询分离,写入时候关系型数据库分库表分字段,es 同步索引。查时候走 es?
    yjhatfdu2
        3
    yjhatfdu2  
       2022-08-09 18:51:15 +08:00
    clickhouse,模糊匹配用 ngrambf_v1 索引, 性能和灵活性比 es 高太多了。https://clickhouse.com/docs/en/engines/table-engines/mergetree-family/mergetree#available-types-of-indices
    liprais
        4
    liprais  
       2022-08-09 18:54:05 +08:00 via iPhone
    你不知道用啥就用 pgsql
    server
        5
    server  
       2022-08-09 19:05:18 +08:00
    meilisearch
    fox0001
        6
    fox0001  
       2022-08-09 22:51:07 +08:00
    感觉不是存储问题,是查询问题。

    复杂的查询,我们使用 Solr 解决。Solr 是以文档的形式存储数据,可以实现所有字段都索引。数据关系可以分解成多个表( Solr 称为 core )进行关联。

    如果数据太多,考虑用 Hadoop ?但是我不知道现在 Hadoop 现在还流不流行。
    kingjpa
        7
    kingjpa  
       2022-08-09 23:25:11 +08:00
    留名 学习一下。
    misaka19000
        8
    misaka19000  
       2022-08-09 23:46:42 +08:00
    es 查询的时候支持 exclude 数据啊
    nomagick
        9
    nomagick  
       2022-08-09 23:49:38 +08:00   ❤️ 1
    你这不是选型的问题,是设计问题,到底有几种实体,实体之间有几种关系,好好梳理抽象一下
    kkeep
        10
    kkeep  
       2022-08-10 08:53:22 +08:00 via Android
    对,可以 es 查询后提取数据过滤,按 id 去拿实体,配合前端做个去重就行。
    jifengg
        11
    jifengg  
       2022-08-10 09:28:33 +08:00
    我支持 @nomagick 的说法,没看出是选型问题。你所说的“大 json”,是字段多,还是有很多数组之类的数据。需求 2.0 ,完全就是 es 没用好,es 可以只返回指定字段。
    另外,你应该不会只用 es 而没有用其他关系型数据库吧?
    dtgxx
        12
    dtgxx  
    OP
       2022-08-10 11:10:03 +08:00
    @jifengg #11 是的,只是用了 es ,目前 es 有 100 多个字段,大约有 20 多亿的数据,当时只是做展示,目前需要有多表关联了。。

    @kkeep #10 嗯嗯 这个方式打算考虑考虑

    @nomagick #9 好的,之前就是整个大 json 存储,其实即使是用关系型数据库,每个表也有非常多条数据,就查不动了

    @misaka19000 #8 我们了解一下


    @yjhatfdu2 #3 clickhouse 的单独属性检索性能太低了
    yjhatfdu2
        13
    yjhatfdu2  
       2022-08-10 13:35:32 +08:00
    @dtgxx 每个属性都可以加 skipindex
    guangming3055
        14
    guangming3055  
       2022-08-10 14:22:16 +08:00   ❤️ 1
    主要还是看结构设计,规划好了应该没有问题。这边主体数量三亿以上,然后其他关联数据使用 nested 嵌套文档,总共大概四十亿数据,两百多个字段
    注意 es 只存需要查询的字段,其他的数据还是通过 id 到数据库取
    不过 es 不太支持多对多的情况,还是需要好好设计结构才行
    dtgxx
        15
    dtgxx  
    OP
       2022-08-10 20:19:41 +08:00
    @yjhatfdu2 #13 嗯嗯 之前用感觉性能不行 不知道是不是我用的有问题
    @guangming3055 #14 好嘞谢谢,我测试测试
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   2252 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 22ms · UTC 15:55 · PVG 23:55 · LAX 07:55 · JFK 10:55
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.