系统架构设计之数据模型的选型难题

发布时间：2025-11-02 17:51:00 来源：创站工坊 作者：系统运维

数据模型不仅对软件编写方式，系统型的选型还对如何思考待解决的架构据模问题都有影响。

大多数应用程序都是设计通过叠加一层层的数据模型构建而来 。因此每层都面临问题：如何将其用下一层表示？难题如：

1. 作为一名开发，观测现实世界（包括人员、系统型的选型组织 、架构据模货物 、设计行为、难题资金流动、系统型的选型传感器等） ，架构据模通过对象或数据结构及操作这些数据结构的设计API来对其建模，这些数据结构往往特定于该应用

2. 当需要存储这些数据结构时，难题可采用通用数据模型（例如JSON XML文档、系统型的选型关系数据库中的架构据模表或图模型）来表示

3. DBA接着决定用何种内存、磁盘或网络的设计 节格式来表示上述JSON/XML/关系/图形数据。数据表示需要支持多种方式的查询询、搜索、操作和处理数据（系列三时介绍）

4. 在更下一层，硬件工程师则需要考虑用电流、光脉冲、磁场等来表示字节

复杂的应用程序可能会有更多的中间层：如基于API来构建上层API ，WordPress模板但基本思想一样：每层都通过提供一个简洁的数据模型来隐藏下层的复杂性。这些抽象机制使得不同团队可高效协作，例如数据厂商的工程师和使用数据库的开发很好的协作。

数据模型有很多类型，每种都有其最佳实践。考虑到数据模型对其上的软件应用有巨大影响（ 哪些可以做、不能做），因此需慎重选择适合业务的数据模型。

本本会介绍一些用于数据存储和查询的通用数据模型 （上面提到的第2点）。尤其，将比较关系模型 、文档模型和一些基于图的数据模型。还讨论多种查询语言并比较使用场景。

如今SQL是最著名的数据模型 ，它基于Edgar Codd 1970年提出的关系模型：数据被组织成关系（relations），在SQL中称为表（table），其中每个关系都是元组（tuples）的无序集合（SQL中称为行）。

关系模型曾经只是IT技术网理论建议， 很多人怀凝它是否能被高效实现。但20世纪80年代中期，关系数据库管理系统（ RDBMS ）和SQL已成为大多数需要存储、查询具有某种规则结构的数据的首选工具。关系数据库的主导地位持续至今已有三十多年，算得上是计算机史的不朽传奇。

关系数据库核心在于商业数据处理， 20世纪60年代和70年代主要运行在大型计算机。如今来看，用例很常见，主要是：

当时的其他数据库迫使开发人员考虑数据的内部表示。关系模型的目标就是将实现细节隐藏在更简洁的接口下。20世纪70年代和80代初期，网络模型和层次模型是两个主要选择，但最终关系模型主宰该领域。网站模板

对象数据库曾在20世纪80年代后期和90年代初期起起伏伏。XML数据库则出现在21世纪初，但也仅限于利基市场。关系模型的竞争者都昙花一现。

如今关系数据库超出它们最初的商业数据处理范围，推广到各种案例：在线发布、论坛、社

交网络、电子商务 游戏、 SaaS。

21世纪，NoSQL成为推翻关系模式主导地位的有力竞争者。NoSQL名字不恰当，因为它其实并不代表具体技术，最初只是作为吸引人眼球的Twitter标签频频出现在2009年的开源、分布式及非关系数据库的见面会。现在很多新兴数据库系统总是会打上NoSQL标签，而其含义也已经被逆向重新解释为“不仅仅是SQL”。

采用NoSQL数据库的驱动因素：

不同应用程序有不同需求，没有银弹技术，可预见的将来，关系数据库仍将继续与各种非关系数据存储一起使用，这种思路有时也被称为混合持久化。

现在大多数应用开发都采用OOP编程语言 ，由于兼容性问题，普遍对SQL数据模型抱怨：若数据存储在关系表，则应用层代码中的对象与表、行和列的数据库模型之间需要一个笨拙的转换层。模型之间的脱离有时被称为阻抗失谐（电子学术语：每个电路的输入和输出都有 一定的阻抗（交流电阻） 一个电路的输出连接到另一个电路的输入时，若两个电路的输出和输入阻抗匹配，则连接上的功率传输将被最大化，阻抗不匹配会导致信号反射和其他故障）。

像Hibernate对象关系映射（ORM） 框架减少了此转换层的样板代码，但也无法完全隐藏两个模型之间差异。

简历案例

如下展示了关系模式表示LinkedIn简历：

图一

整个简历可通过唯一标识符user id标识。像first_name、last_name字段在每个用户中只出现一次，所以建模为users表中的列。而大多数人在他们的职业中有一个以上工作，且可能有多个教育阶段和任意数量的联系信息。用户与这些项目之间是一对多，可用多种方式表示：

简历这样的数据结构，主要是个自包含的文档（ document ），因此用JSON表示非常合适：

面向文档的数据库（如MongoDB）都支持该数据模型。

有人觉得JSON模型减少了应用程序代码和存储层之间的阻抗失配。然而，JSON作为数据编码格式也存在问题。缺乏模式常常被认为是一个优势~

JSON表示比关系模式表示的多表模式具有更好的局部性。若要在关系模式中读取一份简历，则：

• 要么执行多个查询（通过user_id查询每个表）

• 要么在users表及其从属表之间执行混乱的多路联结

而JSON表示方法，所有的相关信息都在一个地方，一次查询即可。

用户简历到用户的职位、教育历史和联系信息的 对多关系，意味着数据存在树状结构，JSON表示将该树结构显式化，一对多的关系形成树状结构：

上面案例的region_id、indu0stry_id 定义为ID ，而非纯文本字符串，如"Greater Seattle Area Philanthropy"，why？

若用户界面是可以输入地区或行业的自由文本字段，则将其存储为纯文本字符串更有意义。但拥有地理区域和行业的标准化列表，并让用户从下拉列表或自动填充器中进行选择更有优势：

无论是存储ID or 文本字符串，都涉及内容重复问题：

使用ID的好处：对人类没有任何直接意义，所以永远不需要直接改变。即使ID标识的信息变化，他也能继续保持不变。任何对人类有意义的东西都可能变更。若这些信息被复制 ，则所有副本都得更新。这会导致更多写开销，且存在数据不一致风险。消除这种重复，也正是数据库规范化的核心思想。

而这种数据规范化需要表达多对一关系（许多人生活在同一地区， 在同一行业工作），这并不是很适合文档模型：

若数据库本身不支持联结，则必须在应用程序代码中，通过对数据库进行多次查询来模拟联结（对于上述例子，地区和行业的列表很小且短期内不大可能变化， 应用程序可将其缓存在内存。但无论如何，联结工作其实从数据库转移到了应用层。

即使应用程序的初始版本非常适合采用无联结 文档模型 但随着应用支持越来越多功能，数据也变更互联一体化。例如，考虑可能对简历进行的变更：

如下图展示了这些新功能如何定义多对多。每个虚线矩形框数据可组织为一个文档，但指向组织、学校及其他用户的关系则需表示为引用，并且在查询时，需要联结操作。多对多关系来扩展简历：

​ ​

相关文章