数据库

info

对于任何给定的问题都会有好几种解决方案，所有这些解决方案都有不同的优缺点与利弊权衡。

《Designing Data-Intensive Application》 作者： Martin Kleppmann

快速入门SQL

SQL（结构化查询语言）是操作关系型数据库的标准语言。不同数据库的SQL语法90%相同，学会一种即可触类旁通。

推荐学习资源：

• SQLBolt - 交互式SQL教程（1-2小时快速入门）
• W3Schools SQL - 中文入门教程
• LeetCode数据库题 - 实战练习

常用SQL速查：

-- 查询
SELECT * FROM table WHERE condition ORDER BY column LIMIT 10;

-- 插入
INSERT INTO table (col1, col2) VALUES (val1, val2);

-- 更新
UPDATE table SET col1 = val1 WHERE condition;

-- 删除
DELETE FROM table WHERE condition;

-- 连接查询
SELECT * FROM table1 JOIN table2 ON table1.id = table2.id;

常用数据库选择指南

关系型数据库 - PostgreSQL

推荐用于：结构化数据存储、复杂查询、向量检索（pgvector）

核心特点：

• 支持JSON、数组等丰富数据类型
• pgvector扩展：向量存储和相似度搜索
• 完整的ACID事务支持
• 性能稳定，适合复杂查询

快速上手：

-- 安装pgvector扩展进行向量检索
CREATE EXTENSION vector;

-- 创建带向量字段的表
CREATE TABLE embeddings (
  id serial PRIMARY KEY,
  text text,
  embedding vector(1536)  -- OpenAI embedding维度
);

-- 查询最相似的向量
SELECT text FROM embeddings 
ORDER BY embedding <-> '[0.1,0.2,...]'::vector 
LIMIT 5;

参考资源：

• PostgreSQL官方文档
• pgvector GitHub

---

文档数据库 - MongoDB

推荐用于：非结构化数据、日志存储、快速原型开发

核心特点：

• 存储JSON格式文档，灵活的schema
• 水平扩展能力强
• 适合存储对话历史、用户画像等动态数据

典型应用场景：

• 聊天机器人对话记录
• 用户行为日志
• 配置文件和元数据

Python快速使用：

from pymongo import MongoClient

client = MongoClient('mongodb://localhost:27017/')
db = client['ai_app']

# 存储对话历史
db.conversations.insert_one({
    'user_id': 'user123',
    'messages': [
        {'role': 'user', 'content': '你好'},
        {'role': 'assistant', 'content': '你好！有什么可以帮助你的吗？'}
    ],
    'timestamp': '2024-01-01'
})

---

内存数据库 - Redis

推荐用于：缓存、会话管理、实时排行榜

核心特点：

• 微秒级响应速度（内存存储）
• 支持多种数据结构：String、List、Set、Hash、Sorted Set
• 适合做缓存、消息队列、API限流

常用数据类型：

类型	说明	典型场景
String	键值对	缓存数据、Token存储
Hash	字典	用户会话信息
List	队列	消息队列、任务列表
Sorted Set	有序集合	排行榜、延时队列

Python示例：

import redis

r = redis.Redis(host='localhost', port=6379)

# 缓存数据
r.setex('cache:key123', 3600, '缓存内容')  # 1小时过期

# 获取缓存
cached = r.get('cache:key123')

持久化方式：

• RDB：定期快照（默认）
• AOF：记录每次写操作（更安全但稍慢）

---

向量数据库

推荐用于：Embedding存储、语义搜索、相似度检索

向量数据库是专门用于处理高维向量数据的数据库系统。

什么是向量数据库？

向量数据库专门用于存储和检索高维向量数据（如文本、图像的embedding），支持快速的相似度搜索。

核心能力：

• 存储高维向量（通常512-4096维）
• 向量相似度搜索（余弦相似度、欧氏距离等）
• 支持百万到亿级向量的快速检索

主流向量数据库对比

数据库	类型	特点	推荐场景
pgvector	PostgreSQL扩展	成熟稳定、与SQL无缝集成	中小规模、需要事务支持
Pinecone	云服务	托管服务、开箱即用	快速原型、不想自己运维
Milvus	专用向量库	高性能、支持大规模	大规模生产环境
Chroma	轻量级	易用、适合开发测试	本地开发、小型项目
Qdrant	专用向量库	Rust开发、性能好	需要高性能的场景

快速示例：使用pgvector

import psycopg2
from openai import OpenAI

# 连接数据库
conn = psycopg2.connect("dbname=mydb user=myuser")
cur = conn.cursor()

# 获取文本的embedding
client = OpenAI()
text = "人工智能是什么？"
response = client.embeddings.create(
    model="text-embedding-3-small",
    input=text
)
embedding = response.data[0].embedding

# 存储向量
cur.execute(
    "INSERT INTO documents (content, embedding) VALUES (%s, %s)",
    (text, embedding)
)

# 语义搜索：找到最相似的5条记录
query_embedding = client.embeddings.create(
    model="text-embedding-3-small",
    input="AI的定义"
).data[0].embedding

cur.execute("""
    SELECT content, embedding <-> %s::vector AS distance
    FROM documents
    ORDER BY distance
    LIMIT 5
""", (query_embedding,))

results = cur.fetchall()
for content, distance in results:
    print(f"{content} (相似度: {1-distance:.3f})")

---

核心概念速查

ACID vs BASE

ACID（关系型数据库）：

• Atomicity：原子性 - 事务全部成功或全部失败
• Consistency：一致性 - 数据符合约束规则
• Isolation：隔离性 - 并发事务互不干扰
• Durability：持久性 - 提交后永久保存

BASE（NoSQL数据库）：

• Basically Available：基本可用
• Soft-state：软状态（允许短暂不一致）
• Eventually Consistent：最终一致性

事务隔离级别（从低到高）

隔离级别	脏读	不可重复读	幻读	性能
Read Uncommitted	✗	✗	✗	最快
Read Committed	✓	✗	✗	快
Repeatable Read（MySQL默认）	✓	✓	✗	中
Serializable	✓	✓	✓	慢

实践建议

• 大部分场景使用Read Committed即可
• 需要强一致性时使用Repeatable Read
• 高并发场景可以接受最终一致性，选NoSQL

---

总结：如何选择数据库？

典型应用场景推荐

应用场景	推荐数据库	理由
语义搜索	PostgreSQL + pgvector	结构化数据 + 向量检索一体化
聊天应用	MongoDB + Redis	灵活schema存对话 + Redis缓存
推荐系统	Redis + PostgreSQL	Redis实时推荐 + PG存用户数据
全文检索	Elasticsearch/Milvus	专业检索性能优
内容管理	PostgreSQL	事务支持 + 复杂查询
实时缓存	Redis	毫秒级响应速度

快速决策流程

开始
  ↓
需要向量搜索？
  ├─ 是 → 数据量 < 100万？
  │         ├─ 是 → pgvector（推荐）
  │         └─ 否 → Milvus/Qdrant
  │
  └─ 否 → 数据结构化？
            ├─ 是 → 需要事务？
            │        ├─ 是 → PostgreSQL
            │        └─ 否 → SQLite（小型）
            │
            └─ 否 → 需要缓存/高速读写？
                     ├─ 是 → Redis
                     └─ 否 → MongoDB

技能建议

根据项目需求，建议掌握：

1. 优先掌握：PostgreSQL（含pgvector）+ Redis
2. 推荐了解：MongoDB、向量数据库（Pinecone/Chroma）
3. 了解即可：MySQL、SQLite

学习路径

• 2小时：完成SQLBolt SQL教程，掌握基础语法
• 半天：动手搭建 PostgreSQL + pgvector
• 1天：实践一个完整的数据库应用
• 长期：在项目中积累经验，根据需求深入学习

你不需要成为数据库专家，但要能快速选择合适的工具并用起来。

推荐资源

• SQLBolt - SQL快速入门
• PostgreSQL官方文档
• pgvector GitHub
• Redis官方文档
• MongoDB University - 免费课程
• Pinecone文档 - 向量数据库入门