JSON敏捷开发，助力文档型数据库国产化迁移

vlambda
2021-04-06

JSON敏捷开发，助力文档型数据库国产化迁移

背景

关系型数据库作为数据库领域中重要的一员，已经成为一种被广泛应用的成熟技术。关系型数据库，采用高度结构化、范式化的二维表及其之间的联系来组织和存储数据，通过结构化查询语言SQL来实现数据访问，提供了强大的事务ACID能力和数据完整性支持。

近年来，敏捷软件开发逐渐流行，需要高效率、适应性更强的软件交付流程。而原来基于关系型数据库的开发框架，遇到了一定的挑战。软件开发前期，需要较高的设计建模、沟通成本；后期软件版本迭代中，频繁的数据模型变更，也引入了大量的维护成本。例如：向生产系统的大表添加字段时，其产生的业务影响和工作量，简直就是运维人员的噩梦。这样的开发效率和成本代价，越来越无法满足敏捷软件开发的要求。尤其对于依赖快速上线、快速部署的成长型公司、新兴业务，该过程甚至是无法接受的。

另一方面，随着云计算的发展和大数据时代的到来，企业的业务规模、数据体量急剧膨胀，在越来越多的应用场景中，传统关系数据库所采用集中式架构，其容量和性能不能按需扩展。尤其在支持具有互联网特征的海量数据、高并发相关场景时，这种局限更为显著，逐渐成为制约业务发展的瓶颈。

在这种背景下，非关系型数据库（NoSQL）逐渐登上舞台。凭借其简单的数据结构，灵活的数据模型，以及海量数据的存储和访问能力，逐渐受到了软件开发人员的青睐。在敏捷开发盛行、数据爆发式增长的今天，NoSQL已经得到长足的发展。

文档型数据库

以MongoDB为代表的文档型数据库，是NoSQL中一个重要的分支，它主要用来存储和管理面向文档的半结构化数据。顾名思义，其关键核心概念即文档（Document），它是数据库中最小的存储单位，常见的格式有XML、YAML、JSON和BSON等。在一些特定的应用场景下，文档型数据库被证明是更符合业务需求的方案，如社交媒体、电商网站、日志系统、实时网站分析和内容管理等。文档型数据库的特点主要体现为：

更适应敏捷软件开发

相比传统关系型数据模型，数据结构更灵活，大幅减少开发代码量的同时，让开发者从繁杂的数据库模型设计、数据结构维护中释放出来，使其更关注于程序层面的功能实现。

易于扩展

支持分布式架构，采用分片(Sharding)模式部署，可以轻松地通过节点的增加，来实现在线水平扩展。

更高的性能

基于类似于JSON的BSON数据格式，能够按照应用程序需要的方式来构造数据，所访问的数据存储在一起，无需跨表分解数据，尽量避免运行更昂贵的JOIN操作，从而获取更高性能。

新一代文档型数据库SequoiaDB-DOC

巨杉文档型数据库SequoiaDB-DOC，基于100%自研的巨杉分布式数据库内核，提供对MongoDB的语法兼容，协助用户快速迁移，构建性能更强、扩展性更高、功能更完备的应用系统。

SQL、MongoDB、SequoiaDB-DOC术语对比表

SQL	MongoDB	SequoiaDB-DOC
表空间	数据库	集合空间
表	集合	集合
行	文档	文档
列	字段	字段
主键	对象 ID	对象 ID
索引	索引	索引
嵌套表或对象	嵌入文档	嵌入文档
数组	数组	数组

引擎级多模

SequoiaDB-DOC提供引擎级多模能力，兼容MongoDB语法的同时，提供MySQL语法的兼容，能够有效助力企业级客户降低迁移风险，降低研发人员学习成本，提升迁移效率。

SequoiaDB-DOC vs. MongoDB（Insert操作）

	MongoDB语法	SequoiaDB-DOC语法
Insert语法	>db.users.employee.insert({"name":"C1","count":30})	>db.users.employee.insert({"name":"C1","count":30})
返回结果	WriteResult({"nInserted" :1})	Takes 0.005504s.