🔗 存储选型因果链 — 因为…所以…

① 结构化→MySQL ② 灵活schema→MongoDB ③ 全文搜索→ES ④ 热点数据→Redis ⑤ 大文件→OSS ⑥ 多存储协作 🎯 面试点

① 因为：需要结构化数据+强一致性 → 所以MySQL

❓ 问题：银行转账、订单记录，数据必须准确、不能丢

💡 所以：MySQL——关系型数据库，ACID事务保证

类比：Excel——行列分明，有公式计算，有数据校验

MySQL最适合的场景（因为…所以）：
因为数据结构固定 → 所以用表结构约束
因为需要事务保证 → 所以用InnoDB ACID
因为需要复杂查询 → 所以用SQL JOIN
因为需要数据一致性 → 所以用外键约束

⚡ 但是：MySQL不擅长什么？

1. schema不灵活：加字段要ALTER TABLE，大表锁很久
2. 全文搜索差：LIKE '%关键词%' 全表扫描，无法分词
3. 热点数据扛不住：每次都从磁盘读，10ms+
4. 大文件不合适：图片视频存BLOB，数据库暴增

② 因为：schema灵活+大数据量 → 所以MongoDB

❓ 问题：数据结构经常变，加字段不想ALTER TABLE

用户画像：每个用户的属性不一样（张三有"爱好"，李四有"职业"）→ MySQL要预留100列？

💡 所以：MongoDB——文档型数据库，schema自由

类比：微信朋友圈+Excel灵活表格——每条动态内容不同，但都能存

// MongoDB：每个文档可以不同结构
// 用户1
{ "name": "张三", "hobbies": ["篮球", "编程"], "level": 5 }

// 用户2——完全不同的字段！
{ "name": "李四", "job": "工程师", "certificates": ["AWS", "PMP"] }

// 因为MongoDB不需要预定义schema → 所以随时加字段
// 因为嵌套文档 → 所以不需要JOIN
// 因为水平扩展容易 → 所以大数据量友好

⚡ 但是：MongoDB不擅长全文搜索

MongoDB有text index，但分词能力弱，不支持中文分词，搜索相关性差 → 引出Elasticsearch

③ 因为：需要全文搜索 → 所以Elasticsearch

❓ 问题：淘宝搜索"手机"，MySQL用LIKE？1000万商品要搜10秒

💡 所以：Elasticsearch——倒排索引+分词

类比：淘宝搜索+图书馆目录卡——先查目录卡找到页码，再翻到那页

"华为手机" → 分词器 → ["华为","手机"]

倒排索引

"华为" → [商品1, 商品5, 商品8]

"手机" → [商品1, 商品3, 商品5, 商品9]

交集 → [商品1, 商品5] ← 搜索结果！

⚡ 但是：ES不擅长事务和实时性

ES近实时（1秒延迟）+ 没有事务 → 所以ES不能替代MySQL，而是和MySQL配合：MySQL作为主存储，ES作为搜索索引

ES 搜索代码示例

// Elasticsearch DSL：搜索"华为手机"，按相关性排序
{
  "query": {
    "bool": {
      "must": [
        { "match": { "name": "华为手机" } }
      ],
      "filter": [
        { "range": { "price": { "gte": 1000, "lte": 9999 } } },
        { "term": { "status": "on_sale" } }
      ]
    }
  },
  "sort": [ { "_score": "desc" } ],
  "from": 0, "size": 20
}

// 因为倒排索引 → 所以10亿数据搜索只需几十毫秒
// 因为filter不参与评分 → 所以比must更快，适合精确过滤

④ 因为：热点数据需要极速读取 → 所以Redis

💡 Redis——因为磁盘太慢，所以用内存

类比：口袋里的钱（Redis，0.1ms）vs 当天的包（本地缓存，ns）vs 家里的保险箱（MySQL，10ms）vs 银行金库（归档存储，秒级）

// Redis不同数据结构解决不同问题（因为…所以）

// 因为商品详情页高频读取 → 所以用String缓存
SET product:1001 '{"name":"iPhone","price":6999}' EX 3600

// 因为排行榜需要排序 → 所以用ZSet（有序集合）
ZADD daily_rank 1500 "user:A" 1200 "user:B" 980 "user:C"
ZREVRANGE daily_rank 0 9 WITHSCORES  // Top10

// 因为秒杀库存需要原子扣减 → 所以用Lua脚本保证原子性
EVAL "if redis.call('get',KEYS[1])>'0' then return redis.call('decr',KEYS[1]) else return -1 end" 1 stock:1001

⑤ 因为：大文件不适合存DB → 所以对象存储（OSS）

💡 对象存储——因为图片/视频/文档不应该存在数据库

// ❌ 不推荐：图片存MySQL BLOB
// 1. 数据库暴增（100万张图 × 2MB = 2TB）
// 2. 备份恢复极慢
// 3. 无法CDN加速

// ✅ 推荐：图片存OSS，数据库只存URL
@Service
public class FileService {
    @Autowired
    private OSSClient ossClient;

    public String uploadImage(MultipartFile file) {
        String key = "images/" + UUID.randomUUID() + ".jpg";
        ossClient.putObject("my-bucket", key, file.getInputStream());
        return "https://my-bucket.oss-cn-hangzhou.aliyuncs.com/" + key;
        // 数据库存这个URL，不存图片！
    }
}

⑥ 因为：每种存储各有长短 → 所以需要多存储协作

MySQL
主存储+事务写入→同步 Elasticsearch
搜索索引

MySQL
主存储热点→缓存 Redis
缓存层

MySQL
主存储日志→写入 MongoDB
日志/画像

前端图片/视频 OSS
文件存储

一句话因果：因为没有一种数据库能解决所有问题 → 所以根据问题选择合适的工具 → 所以大型系统都是多存储协作

📌 生产实战：电商订单系统的多存储协作

一个下单请求涉及5种存储

MySQL → 订单+库存（事务保证）

Redis → 库存预热+秒杀扣减

ES → 商品搜索+订单搜索

MongoDB → 操作日志+用户行为

OSS → 商品图片+用户头像

关键因果：因为MySQL保证订单数据一致性 → 因为Redis保证秒杀性能 → 因为ES保证搜索体验 → 因为MongoDB记录日志不影响主库 → 因为OSS存图片不撑爆数据库

🎯 面试点映射

面试题	因为…所以…
MySQL vs MongoDB	因为需要事务/JOIN → MySQL；因为schema灵活 → MongoDB
为什么用ES	因为MySQL LIKE搜索太慢 → ES倒排索引+分词
MySQL+ES数据同步	因为MySQL是主存储ES是索引 → 所以需要Canal/双写同步
Redis为什么快	因为内存比磁盘快100倍+单线程无锁竞争
大文件怎么存	因为BLOB让数据库暴增 → 所以存OSS，数据库只存URL
为什么不是一种DB搞定	因为每种DB解决一类核心问题 → 没有银弹

❓ 常见疑问

MySQL和ES数据不一致怎么办？

因为MySQL是主存储ES是索引 → 所以必须保证最终一致性。方案：①Canal监听binlog同步（推荐，解耦）②双写（代码侵入强，不推荐）③消息队列异步同步（折中）。不管哪种，都要加对账机制定时校验。

Redis缓存和MySQL数据不一致怎么办？

因为先更新DB再删缓存→极端情况会短暂不一致。方案：①延迟双删（更新DB→删缓存→延迟500ms→再删）②监听binlog删除（Canal）③设置合理TTL兜底。核心原则：缓存是提升性能的手段，不是数据源。

MongoDB能替代MySQL吗？

因为MongoDB不支持多文档事务（4.0前）→ 所以不能替代需要强事务的场景。4.0+支持多文档事务但性能差 → 结论：需要事务用MySQL，需要灵活schema用MongoDB，两者互补不替代。

全栈资料库 · 因果链板块 · 存储选型因果链