SQL vs NoSQL：为满足您的业务需求选择正确的数据库模型( 二 ) _SQL

大结果集 → 在执行连接操作时，如果连接的表之间有许多匹配行，结果集可能会显着增长。这可能导致更大的中间结果集需要处理、传输和存储，从而增加了内存消耗和较长的查询执行时间。
缺乏索引使用 → 有效的连接操作通常依赖于连接列上适当索引的使用。如果缺少或未正确定义必要的索引以及外键，数据库可能需要执行完整的表扫描或大量的磁盘I/O操作来定位匹配的行，从而导致性能较慢。

文章插图

复杂的查询计划 → 数据库优化器需要确定执行连接查询的最有效方法。在某些情况下，查询优化器可能需要考虑多个可能的连接路径、表访问方法和连接算法。这个过程可能变得复杂且耗时，特别是对于具有多个连接的查询，可能导致次优查询计划和较慢的执行。
选择性不足 → 包括非选择性谓词（匹配大部分数据的条件）的连接条件可能阻碍性能。非选择性连接条件可能导致更大的中间结果集和较慢的查询执行，因为数据库需要处理大量数据以检索所需的结果。

为了解决这些问题，您可能希望扩展数据库，这将导致下一个问题。
DB实例的水平扩展难题扩展数据库有两种方法：

垂直扩展 → 通过增加现有数据库机器的CPU或RAM
水平扩展 → 通过向数据库集群添加其他机器，每台机器处理总数据的一个子集。

但是，您最终会达到垂直扩展的极限。在这一点上，您可能希望考虑水平扩展。但是，这会引入一套自己的挑战。

数据分发和分片 → 在水平扩展时，跨多个节点分发数据至关重要。在SQL数据库中，数据通常以具有关系和依赖关系的表结构化。拆分和分发这样相互关联的数据可能会很复杂，因为维护引用完整性并确保节点之间的一致数据变得具有挑战性。通常会使用分片技术来将数据分区到节点上，但需要仔细规划，可能会引入额外的复杂性。
查询协调和连接 → SQL数据库支持复杂的JOIN操作，以从多个表中检索数据。当数据分布在节点之间时，执行JOIN操作变得更加具有挑战性。连接可能需要节点之间的协调、网络数据传输和增加的网络延迟，可能影响性能和可伸缩性。
索引和查询优化 → SQL数据库在高效的数据检索方面严重依赖于索引。随着水平扩展，索引变得更加复杂，因为需要在节点之间分布和维护索引。由于数据的分布性质，查询优化技术也变得更加具有挑战性，可能影响查询性能。

水平扩展在您可以分区单个请求可以由单个机器/节点处理的方式时效果最佳。
通过NoSQL数据库解决方案NoSQL数据库尝试解决关系数据库提出的这些主要问题。

与所有著名的连接存在问题
查询性能的不可预测性
DB实例的水平扩展难题

解决连接让我们迅速了解NoSQL在这里试图解决什么。
SQL依赖于规范化来进行数据建模。
规范化是数据库设计中的一个过程，通过它来组织和结构化数据，以最小化冗余，提高数据完整
性，并优化数据库效率。它涉及将数据分解为较小、更可管理的实体（表），并在它们之间建立关系。
它旨在通过只在一个地方存储每个数据片段来消除冗余。这以以下方式使我们受益：