五种知名的分布式数据库大PK

发布时间：2025-11-04 18:42:50 来源：码上建站 作者：人工智能

​译者 | 陈峻

审校 | 孙淑娟

在过去的种知十年间，分布式系统已遍布全球。分布它们跨区域地使用编排技术，式数实现了横跨多个云服务提供商及本地基础设施的据库混合云式部署，负载平衡，种知以及高可用性。分布在此基础上，式数数据库领域也在不断迭代与发展。据库近年来，种知业界大量涌现了专为分布式数据库部署而设计的分布新型数据库系统。当然，式数也有部分数据库已在原有的据库设计中，添加了分布式架构组件。种知

知名网站DB-engines.com使用加权算法，跟踪了各种数据库在各个平台上的式数提及次数、Google的搜索趋势、Stack Overflow上的讨论频率、推文发布的职业技能次数、以及LinkedIn个人资料出现的数量。下图展示了截至2022年5月，在上榜的394种数据库中，市场占比前100的数据库分布情况。高防服务器

截至2022年5月，DB-Engines.com上排名前100的数据库

其中，作为传统的SQL系统，关系数据库管理系统（RDBMS）仍占比最大，高达47%。而占比25%是NoSQL系统，涵盖了丰富的类型，包括：MongoDB之类的文档数据库、Redis之类的键值系统、ScyllaDB之类的宽列（wide column）数据库、以及Neo4j之类的图形数据库。而占比11%的“多模型”数据库包含了在同一系统中，同时支持SQL和NoSQL的混合体（如：Microsoft的Cosmos DB和ArangoDB），或支持多种NoSQL数据模型的数据库（如：DynamoDB，它将自己列为NoSQL键值系统和一个文件存储的集合）。

人们对于如何构建符合SQL（源自ANSI/ISO/IEC9075:2016的正式标准化）的分布式RDBMS系统有着不同的理解。网站模板目前ANSI、ISO、IETF或W3C尚未对“NoSQL数据库”进行明确的定义。在我看来，分布式数据库的基本特征是：首先定义了一个集群，并在其中分布了不同的数据；接着，集群中定义了各个节点角色。每个节点或是对等节点，或是有某些节点处于领导位置，而其他节点扮演跟随者的角色。然后，这些角色能够实现彼此的故障转移。最后，它们能够尽可能地均匀复制和分片数据。

在此基础上，我们可以从上述名列前100名的数据库中，挑选出5种典型的，并将它们分为如下两类：

SQL+NewSQL

NoSQL

PostgreSQL

MongoDB

CockroachDB

Redis

ScyllaDB（Cassandra）

在上表的左侧，Postgres和CockroachDB代表了分布式SQL。其中，CockroachDB号称“NewSQL”，是亿华云计算专为分布式数据库而设计的。在上表的右侧，MongoDB、Redis和ScyllaDB都属于分布式NoSQL。总地说来，如果您需要表联合（JOIN）操作的话，可以沿用SQL和RDBMS。如果您需要对数据进行非规范化，那么便可以选择NoSQL。

前面提到了集群的概念。早在多数据中心的设计架构被提出之前，PostgreSQL、MongoDB和Redis都被设计为单数据中心的本地集群。

在分布式数据库的概念中，我们提到了复制和分片。这完全取决于数据库架构的分层或同构程度。例如，MongoDB只有一个主节点，其余都是该主节点的副本（被称为副本集）。您只能在主节点上写入数据库。而由于副本为只读，因此您无法直接更新它们，而必须由主节点去更新其他副本。显然，这些节点是异构的，而不是同构的。

这类主备（Primary-Replica）架构有助于在重读取（read-heavy）的工作负载中分配流量。而在混合或重写入（write-heavy）的工作负载中，主节点会成为瓶颈。也就是说，在主节点出现故障时，由于集群需要临时选出一个新的主节点，因此数据库会不得不临时暂停写入操作。这就是所谓的单点故障。

相反，ScyllaDB和Cassandra属于“无领导”的P2P多活（Active-Active）系统。由于客户端可以读取或写入任何同构的节点，因此避免了单点故障。也就是说，每个节点都可以更新集群中任何其他副本的数据。

可见，虽然多活会带来更多的计算量，但是它解决了服务器保持彼此同步的问题。用户最终会得到一个适合重写入的负载平衡的系统，毕竟每个节点都可以提供读取与写入服务。

下面，我们看看上述5种数据库在主副本和P2P多活方面的表现：

注意，Postgres、MongoDB和Redis都默认会使用主副本的数据分布模式。

分布式系统设计也会影响到已部署的不同机架、或数据中心之间分配数据的方式。例如，在一套给定主副本系统中，只有拥有主节点的数据中心，才能服务于任何写入的负载。而其他数据中心只能作为只读副本。

而在支持多数据中心集群的对等系统中，整个集群中的每个节点都可以接受读取或写入负载。显然，这会更方便将工作负载分布到多个地理位置。

例如，通过使用ScyllaDB，您可以判定每个站点具有相同甚至不同的复制因子。在上图的右侧，我们展示了在一个数据中心拥有三个数据副本，而在另一个数据中心拥有两个副本的情况。

不同级别的操作会具有一致性。您可能在具有三节点的数据中心进行本地的“仲裁”式读取或写入（即：需要通过本地仲裁来更新三个节点中的哪两个）。当然，您也可能有一个集群范围内的仲裁，判定需要更新一个或两个数据中心里的任意三个节点。

我们已经了解了分布式数据库的本地集群方式，它可以有效地让多个系统分担负载。您也可以跨多个地域节点对数据库进行分片，或是通过确保相同数据在多个节点上的高可用性，来保证数据的复制。

下面，让我们假设一个场景：如果您的所有节点都安装在同一个机架中，而整个机架出现了故障，那该怎么办呢？此时，我们需要用到同一数据中心内的机架拓扑感知，以确保将数据分布到该数据中心的多个机架中，从而最大限度地减少因电源或网络中断，而导致的整个机架与另一个机架失去连接。

在分布式数据库中，我们需要数据库的多个副本，运行在不同的数据中心上，以实现跨集群的更新机制。每个单一数据库都能够自主运行，而且它们的同步机制既可以是单向的（由一个数据中心去更新下游副本），也可以是双向或多向的。这种地理分布可以通过允许就近用户的连接，来最小化延迟，进而确保在出现单个数据中心的灾难时，用户不会丢失部分甚至全部数据。

下面，我们来看看上述5种数据库在拓扑感知方面的表现：

下面，我们根据上述各项分布式特点，对5种数据库进行属性上的总结和对比。

Postgres是如今最流行的SQL实现之一。它提供了开箱即用的本地集群。不过，由于Postgres仍在致力于完善其多数据中心的集群，因此您需要通过额外的配置和开发，方可实现。

由于SQL建立在高度一致的事务性模式上，因此它不适合广泛地跨越地理区域的集群。每个查询都会被所有相关数据中心之间的长时间延迟而放大。

同时，Postgres依赖于主副本模型。集群中存在着主节点和副本节点的关系。您也可以额外地添加负载均衡器，或者多活附加组件。此外，Postgres虽然在自动化分片方面取得了一些进展，但是目前仍需要用户进行手动数据分片。

作为“NewSQL”的CockroachDB不但使用了Postgres的传输协议（wire protocol），而且大量借鉴了许多由Postgres开创的概念。当然，它并没有局限于Postgres架构。例如：多数据中心集群和对等无领导拓扑，都被内置了进去。

此外，CockroachDB不但具有自动分片和数据复制功能，而且也内置了数据中心的感知能力，您可以按需添加机架的感知功能。

值得注意的是，由于CockroachDB需要所有的事务具有高度一致性，因此用户丧失了最终一致性或可调一致性（Tunable Consistency）的灵活度。这不但会降低吞吐量，而且会在任何跨数据中心的部署中，产生高基线的延迟（high baseline latencies）。

作为NoSQL典型代表的MongoDB，已被开发出了许多分布式数据库功能。例如，它已经能够实现多数据中心的集群了。虽然MongoDB在大多数情况下，仍然需要遵循主副本模式，但有用户可以通过第三方工具使其实现P2P的多活模式。

作为“键值对”存储的典型数据库，Redis旨在实现内存缓存或数据存储。虽然它可以持久化数据，但是如果数据集不适合内存的话，就会让性能大打折扣。

Redis在设计上默认考虑了本地集群。这会导致例如：一旦您无法在5毫秒内从SSD获取数据，就无法在145毫秒内完成从旧金山到伦敦的网络传输往返时间。当然，对于那些确实需要多地域分布存储的企业而言，它们仍然会在多数据中心里构建Redis集群。

同时，由于Redis往往是作为主副本模式运行的，因此它更适用于重读取的缓存服务器。也就是说，它需要数据被先写入，然后再分散到副本处，以平衡它们的缓存负载。

Redis的企业功能可以实现P2P的多活集群。同时，Redis能够自动分片和复制数据。不过，其拓扑感知功能仅限于带有企业特性的机架感知。

ScyllaDB是按照Apache Cassandra的分布式数据库模型设计的。默认情况下，它带有多数据中心集群，而且采取的是无领导的多活拓扑。

ScyllaDB会自动分片，并为每个操作提供了可调的一致性。如果您想获得更强的一致性，它也能够支持轻量级事务，并提供写入的线性化。

就拓扑感知而言，ScyllaDB支持机架感知和数据中心感知。它甚至支持令牌感知和分片感知，ScyllaDB不仅可以知晓该在哪个节点存储数据，而且可以获悉与该数据关联的CPU信息。

在上文中，我们分析了五种知名的分布式数据库系统。其中，CockroachDB为SQL数据库提供了开箱即用的特性与属性的全面组合，而ScyllaDB为NoSQL系统提供了全面的功能。目前，分布式数据库仍在不断迭代与改进。它们正变得更加灵活、更具可扩展性、以及具有更高的性能。

陈峻 （Julian Chen），51CTO社区编辑，具有十多年的IT项目实施经验，善于对内外部资源与风险实施管控，专注传播网络与信息安全知识与经验；持续以博文、专题和译文等形式，分享前沿技术与新知；经常以线上、线下等方式，开展信息安全类培训与授课。

原文标题：​​Comparing Distributed Databases​​​，作者：Peter Corless​

相关文章