彭于晏们 , 我来套一个数据库的选型方案

[changdy]

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 ?

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.

[jmone]

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]

这么多表 join 应该考虑重构

[lixm]

ES 啊

[changdy]

@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]

@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]

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]

一张表 100 多个字段，这个设计真是鬼才。。。

[JKeita]

感觉 ES 就够了吧

[wangyzj]

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]

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]

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]

早呀，彦祖。

[42is42is42]

Get More Row

[victorywangzhcn]

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]

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。

[xx6412223]

你这个场景的时间段好像不太适用时序数据库。
这样呢:
按年份或者其他周期分成不同的表，保障单表的数据量

[nekoneko]

分区分表吧,不用考虑 es,mongo 什么的了
才 20G,直接 redis 好吧
有钱的话上 hana

[windyboy]

有超长字符串的就不合适做关系数据库
初步就是改文档型
当然只是纯粹查询的需求直接上 ES 更好

[MarksGui]

100 多个字段，确实牛逼

[hayhong123]

感觉 ClickHouse 和 ES 都能满足呀

[sytnishizuiai]

我的人生中超过 2 30 个的都没见过。。。学习了、、、

[zibber]

1. 如果有关联查询, 写入到 es 的数据按需要重新整合, es 关联查询性能不行
2. 还有一个更简单的方式, 买阿里云的 analyticd, 同步一份, 多核大内存硬查, 选个 16c, 32c 绝对够用

[jwangkun]

ClickHouse

[zlo309618100]

塞到 es 的一个索引里面，然后用主表的 id 作为 documentid.
然后所有的查询打到 es，查出 id 之后再去数据库里面拉
这样就把问题从条件查询转为 id 查询。
不过有坑的点是，es 是 real time，刚插入的数据不能在 100ms 级查出来。

[strict]

当然是 clickhouse

- 首要的是查询效率高,能满足多变的组合查询条件
> clickhouse 支持超多内置函数&自定义函数

基本上只做即时查询 ,没有对数据进行二次挖掘和处理
> 计算速度快

其余条件
> 全都满足

[Brentwans]

4 张 1kw 的表之间还要 join ？ n 比 n 的 join 吗？

[changdy]

@Brentwans 不是 1 对 2,3 这种. 也有点类似于垂直分表了

[changdy]

这个查询既有实时性要求 同时也不能把查询范围定的太死,
但是对于时间范围较大的查询,基本上不做聚合操作, 过滤后的数据基本上只有五六条
@encro

[changdy]

@wangyzj
@JKeita
@windyboy
请问下 我并不需要 es 的分词检索 , 这种情况 es 的性能会比其他数据库的查询性能更高吗?

[changdy]

@nekoneko 嗯 正在考虑用 shardingsphere 实现分区分表 .不过 redis 就不太行了 单纯的 key value .涉及到条件查询还需要加载到内存中过滤

[encro]

同等配置下，es 性能不会比 mysql 高，预热过后加载到内存中的 es 才性能高。

es 性能高的主要原理是：
1，index 分区；
2，内存预热；
3，搜索引擎倒排索引；

欢迎补充。

[waytodelay]

@encro ES 有什么学习资料推荐吗？最近想学习这个

[encro]

@waytodelay

官方文档，没记错有中文的。

补充 es 性能高还有一点当然是：
容易集群；

[encro]

按日期查询，
那么 ES 比较合适的一种选择吧，
可以按年月建立 index，然后查询。

不过，ERP 一般都是依赖数据库，通过触发器，物理视图，统计表之类的提高查询性能。

[whajcf]

ClickHouse 慎用, 出现错误数据时删除特别麻烦, 现在云版报表模块咬牙改数据, 本地版已经拉出分支来在换库实现 ...