案例分析模块之架构评估与技术选型对比（如关系型数据库 vs NoSQL）

一、架构评估方法

1. 质量属性分析

• 功能性需求：评估数据库是否满足业务逻辑（如订单管理、实时推荐）。
• 非功能性需求：
  • 性能：响应时间、吞吐量（如高并发场景下NoSQL的读写优势）。
  • 扩展性：关系型数据库依赖垂直扩展（硬件升级），NoSQL支持水平扩展（分布式集群）。
  • 一致性：关系型数据库强一致性（ACID事务），NoSQL最终一致性（BASE理论）。
• 安全性：数据加密、访问控制（如金融系统需强一致性，社交平台可接受弱一致性）。

2. 场景驱动验证

• 压力测试：模拟高并发场景（如电商秒杀），验证数据库的并发处理能力。
• 容错测试：通过故障注入（如节点宕机）测试系统恢复能力（NoSQL通常更优）。

---

二、关系型数据库 vs NoSQL数据库对比

1. 核心差异维度

维度	关系型数据库	NoSQL数据库	典型场景
数据模型	表结构预定义，强模式（主键、外键约束）	灵活模型（键值对、文档、列族、图）	结构化数据（如订单管理）
事务支持	ACID事务（强一致性）	部分支持（如MongoDB的多文档事务）	金融交易、库存管理
扩展性	垂直扩展（受限于单机性能）	水平扩展（分布式架构）	中小规模业务系统
查询能力	SQL标准，支持复杂联表查询	专用查询语言（如CQL、MongoDB查询语法）	数据分析、报表生成
性能	复杂查询高效，但写入性能受限	高吞吐写入，读取速度快	低延迟事务处理

2. 技术选型决策树

1. 数据类型与结构：
   - 结构化数据 → 关系型数据库（如MySQL）
   - 非结构化/半结构化数据 → NoSQL（如MongoDB）

2. 事务需求：
   - 强一致性（ACID） → 关系型数据库
   - 最终一致性可接受 → NoSQL

3. 扩展性需求：
   - 预期数据量增长有限 → 关系型数据库
   - 需支持海量数据和高并发 → NoSQL

4. 查询复杂度：
   - 需复杂联表查询 → 关系型数据库
   - 简单查询或聚合 → NoSQL

---

三、案例分析与改进方案

案例背景

某电商平台需处理日均千万级订单，原有MySQL架构在促销期间频繁出现性能瓶颈，需评估是否迁移至NoSQL数据库（如Cassandra）。

评估与改进步骤

1. 现状分析：

   • 问题：订单表单体存储导致并发写入延迟高（>500ms）。
   • 根因：关系型数据库垂直扩展成本高，且复杂联表查询占用资源。

2. 技术选型对比：

   • 关系型数据库：适合订单状态变更等强事务场景，但无法满足高并发写入。
   • NoSQL数据库：通过分片（如Cassandra的列族模型）支持水平扩展，降低延迟至<50ms。

3. 改进方案：

   • 混合架构：核心交易系统保留MySQL（ACID事务），订单流水数据迁移至Cassandra（水平扩展）。
   • 性能优化：引入Redis缓存热点数据（如用户购物车），使用Kafka解耦订单生成与处理流程。

4. 验证结果：

   • 压测显示系统吞吐量从2000TPS提升至20000TPS，响应时间降低90%。

---

四、考试答题技巧

1. 结构化表达：采用“对比表格+决策树”形式，突出关键差异点。
2. 量化分析：结合具体指标（如QPS、延迟）论证选型合理性。
3. 综合方案：推荐混合架构（如关系型+NoSQL），兼顾事务与扩展性需求。
   通过系统性评估质量属性、对比技术特性，并结合实际案例验证，可高效完成架构评估与技术选型类题目。