NoSQL 速览（2025）
本篇快速回顾 NoSQL 四大阵营（键值、文档、列式、图数据库）的核心概念、常见产品、适用场景与 AI 时代的新用法。建议配合同目录下的 MongoDB、Redis、Elasticsearch 等专题文章食用。
为什么需要 NoSQL？
- 灵活建模：支持半结构化/非结构化数据，快速响应业务变化。
- 高可用与扩展：天然支持水平扩展、分布式副本，满足高并发/海量数据场景。
- 开发效率：与对象模型更贴近，减少 ORM 复杂度。
- AI 与实时分析：支撑向量检索、日志分析、推荐等现代应用。
分类与代表产品
| 类型 | 代表产品 | 特点 | 典型场景 |
|---|---|---|---|
| 键值（Key-Value） | Redis、Aerospike、TiKV | 极致性能、简单数据模型 | 缓存、会话、排行榜、限流 |
| 文档（Document） | MongoDB、Couchbase、Firestore、DynamoDB | JSON/BSON 文档、动态 Schema | BFF、内容管理、物联网、AI 检索 |
| 列式/宽列（Wide Column） | Apache Cassandra、HBase、ClickHouse | 基于列族/列存储，高吞吐、追加写 | 日志、监控、时序、大规模写入 |
| 图数据库（Graph） | Neo4j、JanusGraph、Amazon Neptune | 存储节点/边/属性，图算法 | 社交关系、风控、知识图谱 |
另有搜索引擎（Elasticsearch、OpenSearch、Solr）与时序数据库（InfluxDB、TimescaleDB）常被归在广义 NoSQL 之列。
设计要点
- 数据模型匹配业务查询：根据访问模式决定嵌套、去范式或拆表策略。
- CAP 原则：NoSQL 往往在一致性（Consistency）与可用性（Availability）之间做权衡。阅读产品文档确认默认一致性等级及调优选项。
- 分区键设计：避免热点分区；采用哈希、范围分片、时间分桶等方式分布写入。
- 副本与容灾：配置多副本、跨机房部署；评估写关注（Write Concern）和读偏好（Read Preference）。
- Schema 治理：即使灵活，仍需规范字段命名、版本演进，结合 JSON Schema 或数据目录管理。
- 安全与审计：启用鉴权、网络隔离、审计日志，并定期复查权限。
AI/实时应用新趋势
- 向量搜索：MongoDB Atlas Vector Search、Redis Stack、Elasticsearch kNN、Milvus 等结合嵌入向量执行相似度检索。
- 混合查询：将传统过滤 + 向量检索/全文检索组合，实现 RAG、推荐系统、智能客服。
- Serverless & 云原生：DynamoDB、Firestore、MongoDB Atlas Serverless、Astra DB 等提供按量计费和自动伸缩。
- 数据流处理：结合 Kafka、Pulsar、Flink 等流式系统，实现实时 ETL 与物联网采集。
- 可观测性整合：NoSQL 数据源常与 Grafana、Prometheus、OpenTelemetry 结合，实时监控。
选型建议
- 明确业务需求：查询模式（点查/范围/聚合）、写入 QPS、数据量级、延迟要求。
- 评估生态与运维：是否有成熟驱动、管理工具、云托管方案。
- 权衡费用：存储成本、跨区流量、备份、向量索引、Serverless 计费。
- 团队经验：优先选择团队熟悉且有成功项目的技术栈。
- 未来规划：考虑多模型数据库（MongoDB、Couchbase 等）减少同步成本。
延伸阅读
- 《Designing Data-Intensive Applications》
- MongoDB 官方架构指南、Redis 开发实践、Cassandra 数据建模 Best Practice
- 云厂商白皮书：AWS DynamoDB、GCP Firestore、Azure Cosmos DB
- 向量数据库 Benchmark（Zilliz、Pinecone、Redis Stack）
下一步：根据业务重点深入对应专题（MongoDB、Redis、Elasticsearch、Graph DB），并结合测试环境实操验证性能与可靠性。
↑