选数据库别只看跑分,我踩过5次坑的挑选技巧
2019年我接手一个车联网项目,车队有6万辆车,每辆车每10秒上报一次状态,算下来一天写入接近5000万条。当时团队第一反应是上MongoDB,理由是写入快、schema灵活。跑了三个月,查询慢到没法看,最后还是拆成PostgreSQL存业务数据、TimescaleDB存时序数据两套。这次折腾让我明白一件事:数据库选型不是挑最强的,是挑最合适的。
先看数据长什么样,再看性能
很多人上来就问哪个数据库QPS高,这问题本身就不对。我一般先问三件事:数据结构是否固定、读写比例是多少、一致性要求有多严。这三条定下来,可选范围就砍掉一大半。

- 字段经常变、嵌套层级深,文档型(MongoDB、CouchDB)比关系型省事
- 单表过亿、写入远大于读取,时序库(TimescaleDB、InfluxDB)或列存(ClickHouse)更划算
- 要事务、要join、数据关系复杂,老老实实用PostgreSQL或MySQL
- 缓存、计数器、会话这类小数据,Redis就够了,别硬塞进主库

我见过一个团队拿MySQL存用户行为日志,单表干到8亿行,索引加到手软,查询还是分钟级。换成ClickHouse之后同样的查询200毫秒出结果。不是MySQL不行,是它不该干这活。

跑分和真实业务差得远
厂商的benchmark看看就行,别当真。TPC-C跑的是模拟订单,你的业务是复杂多表关联加模糊搜索,两边根本不是一回事。我自己的做法是拿生产环境脱敏后的真实数据,搭个小集群压一遍。压测时别只看平均值,P99延迟才是用户能感知到的东西。一个平均20毫秒、P99到2秒的系统,每天总有几百个请求卡到让人想砸键盘。
还有个坑是团队熟悉度。我待过一家公司,技术负责人非要用Cassandra,理由是扩展性好。结果组里没人写过CQL,出问题连日志都看不懂,半夜告警只能干瞪眼。后来换回PostgreSQL,扩展性确实差一截,但业务量根本没到那个瓶颈。说白了,用不熟的数据库,性能优势还没发挥出来,运维成本先爆了。
选型的时候也很少有人想三年后怎么迁走。云厂商的托管数据库确实省心,但深度绑定的专有API、特殊的SQL方言,迁起来能把人逼疯。我现在的习惯是优先选标准SQL、有开源版本、社区活跃的产品。多花点钱买托管没问题,别把退路堵死。另外算笔账:自建一套高可用集群至少需要一个DBA盯着,一年人力成本三四十万起;云托管同规格可能贵两三倍,但省掉的是人的精力和故障时的睡眠。团队小于10个人,我基本都建议托管。
这几年的经验总结下来,判断顺序大概是这样:先确定数据模型和一致性要求,圈定2到3个候选;再用真实数据压测,看P99而不是平均值;然后评估团队有没有人能hold住;最后算三年总成本,把迁移风险也算进去。技术圈总有种用新不用旧的风气,但数据库这东西,稳定比时髦值钱。选错了不是不能改,是改起来要命。