主流数据库类型与选型对比

在真实系统中，“不用 MySQL，用什么？” 往往不是技术偏好问题，而是数据模型、访问模式、规模和成本共同决定的结果。

本文从工程实践出发，系统梳理 MySQL 之外的主流数据库类型，说明各自的适用场景、优缺点与对比要点。

一、关系型数据库（RDBMS）

1. MySQL / MariaDB（基准对照）

特点：

• 表结构清晰、ACID 事务
• SQL 成熟、生态完善
• OLTP 场景事实标准

局限：

• 水平扩展能力有限
• 复杂分析性能一般

MySQL 通常作为**选型对比的“基线”**。

2. PostgreSQL（Postgres）

定位：更强大的通用关系型数据库

优势：

• SQL 标准支持极好
• 支持 JSONB、数组、全文索引、GIS
• 查询优化器能力强

劣势：

• 运维复杂度略高
• 社区插件质量参差

适用场景：

• 复杂查询
• 混合结构化 / 半结构化数据
• 对一致性要求极高的系统

对比 MySQL：

• 功能更强
• 学习与运维成本更高

3. Oracle / SQL Server

定位：传统企业级数据库

优势：

• 强一致性、稳定性极高
• 完整的企业级特性

劣势：

• 授权和运维成本极高
• 上云和扩展灵活性差

适用场景：

• 金融、政企核心系统

二、NoSQL 数据库

NoSQL 的核心价值是：

用一致性或事务能力，换取扩展性与性能

4. Redis（键值数据库）

定位：内存级高速存储

优势：

• 极低延迟（毫秒 / 微秒级）
• 数据结构丰富（String / Hash / List / ZSet）

劣势：

• 内存成本高
• 不适合复杂查询

典型场景：

• 缓存
• 分布式锁
• 计数器、排行榜

5. MongoDB（文档数据库）

定位：Schema 灵活的文档存储

优势：

• JSON 文档模型
• 快速迭代、结构灵活

劣势：

• 复杂事务支持有限
• JOIN 能力弱

适用场景：

• 内容系统
• 日志 / 事件存储
• 快速原型

6. Cassandra / HBase（列族数据库）

定位：超大规模分布式存储

优势：

• 水平扩展能力极强
• 高可用、无单点

劣势：

• 查询能力有限
• 运维复杂

适用场景：

• 海量时间序列
• 监控数据
• IoT 数据

三、分析型数据库（OLAP）

OLAP 的目标是：

少量写入，大规模分析查询

7. ClickHouse

定位：实时分析型数据库

优势：

• 列式存储
• 查询性能极高

劣势：

• 事务能力弱
• 不适合频繁更新

适用场景：

• 日志分析
• 行为分析
• 指标聚合

8. Doris / StarRocks

定位：MPP 分析数据库

优势：

• MySQL 协议
• 实时 + 离线分析

劣势：

• 写入链路复杂

适用场景：

• 实时数仓
• BI 分析

四、搜索与时序数据库

9. Elasticsearch

定位：搜索 + 分析引擎

优势：

• 全文搜索能力强
• 聚合分析灵活

劣势：

• 内存消耗大
• 不适合作为主库

适用场景：

• 搜索
• 日志检索
• 运维监控

10. InfluxDB / Prometheus TSDB

定位：时间序列数据库

优势：

• 时序数据压缩高效
• 聚合函数丰富

劣势：

• 通用查询能力弱

适用场景：

• 监控指标
• 性能数据

五、新趋势：NewSQL / 分布式数据库

11. TiDB

定位：分布式 MySQL 兼容数据库

优势：

• 水平扩展
• 强一致性

劣势：

• 架构复杂
• 成本高于单机 MySQL

适用场景：

• 大规模 OLTP
• MySQL 扩展瓶颈

12. CockroachDB / YugabyteDB

定位：全球分布式数据库

优势：

• 强一致
• 跨地域部署

劣势：

• 延迟不可避免

六、核心对比总结

七、选型一句话原则

• 不要用 Redis 当数据库
• 不要用 ES 当主库
• 不要用 OLAP 扛 OLTP
• 不要为了“先进”而引入复杂系统

数据库选型的本质：数据模型 + 访问模式 + 规模预期。