鲁南快报文章来源：杭州美创科技有限公司
2015年左右，因为工作需要用MongoDB、CouchBase这两种文档型数据库，时不时到这两个数据库官网上查资料、报BUG。时常可以在MongoDB官网上看到这样一些新闻，“某某企业成功将MySQL替换成MongoDB，性能大幅提升”，“某某公司将Oracle替换成MongoDB，节约成本若干”……
而在CouchBase官网上，又会时不时看到这样的新闻：“A公司将MongoDB替换成CouchBase，性能提升显著”、“B公司将MongoDB替换为CouchBase，性能大大提升。”……
这样的广告词往往让数据架构人员无所事从，看到了上面的新闻，如果你是数据架构人员，你要如何选择数据库呢？
是用关系型的MySQL/Oracle，还是“更好”的MongoDB，还是“更更好”的CouchBase？或者，还有“更更更好”数据库可供选择，要不要尝个鲜？
我相信放在官网中的新闻，一定不会弄虚做假。但隐藏了很多关键信息后，这样的新闻就略有点不负责了。
要知道2015年时，MongoDB才刚刚支持一个Document内的事务。简单点说，还不支持跨行事务。如果你轻信了这样的新闻，贸然将需要跨行的、复杂事务的应用，建立在了MongoDB之上，你可以去准备你的简历了。
CouchBase也一样，它是CouchDB和Memcached的组合。CouchDB是文档型数据库，Memcached作为存储引擎，合起来就是CouchBase。其实相当于把数据放在Memcached中的MongoDB。
它之所以比MongoDB更快，是因为它的数据都是在内存中。如果MongoDB的内存也很大，所有数据也都缓存在内存中，谁更快还不好说。
而且，一旦CouchBase数据量超过主机内存，发生真正的物理I/O，其性能下降是十分明显的，往往要慢于MongoDB。
不明白这些数据库的内在本质，贸然的选择某个数据库。个人准备简历这只是小事，对企业造成的损坏将难以估量。之前我写过一篇《Digg启示录》，为大家总结美国知识分享类网站Digg，为追求横向扩展，而盲目的替换底层数据库，导致问题重重，应用频繁出错，网页时常打不开，致使公司在重要的发展窗口期痛失契机，最后50万美元被收购的下场（高峰时期，Digg曾估值5亿美元）。
如果你面对繁多的数据库，有点眼花撩乱，没关系有美创专业的数据库团队在，美创可以为您的数据提供从架构选型、到运维、到安全……等全方位的服务。
广告就到这里，今天为大家继续梳理数据架构选型中的坑，这一期我们讨论OLTP的“事务”。
很多人对这个词已经陌生，NoSQL大行其道之后，事务好像已经是可有可无的东西了。实际上不然，NoSQL的领头羊MongoDB一直在默默的发展事务功能，到4.0以上版本（现在最新版是4.3），已经基本上实现传统关系型数据库的事务功能了。
事务对OLAP型应用来说的确是可有可无，但对OLTP来说，绝对是必须的。
事务的概念是从哪里来的呢？这可以一直追溯到上世纪70年代，关系型数据库刚刚诞生的时期。
1970前后，已经功成名就的数据库圈大佬——E.F.Codd，有感于层次、网状数据库的不便，提出了创世级的关系模型，从此开启了关系数据库时代。
但是在整个70年代，关系型的发展都不是太好，E.F.Codd老爷子忙于推广他的关系模型。无暇他顾。
这时候比E.F.Codd小20岁的数据库新秀：James Gray（昵称Jim）登场了。
Jim是IBM SYSTEM R的开发人员。SYSTEM R是IBM的关系型数据库的尝试。Jim在开发SYSTEM R时，不断在思考一个问题：
“如何能多、快、好、省的保证数据库的一致性”。
Jim老爷子想出来的大招就是：
把数据库中相关的操作看作一个统一的原子操作，这些相关的操作要么都成功、要么都失败。这就是事务了，事务的概念，就从这里诞生了。
只要保证每个事务都是一致的，数据库就是一致的。
这样，问题“保证数据库的一致性”，就变为“保证事务一致性”。
你看，问题的范围大大缩小了。这就是顶级架构师的思维。
说到如何“多、快、好、省”的保证事务一致性？
这个问题并不简单，数据库的操作是多重并发的，事务是互相重叠且相关的，在一段时间内，我可能更新了你要查询的行，你要删除他正在更新的行……在这种互相交织在一起的情况是十分普遍的。
Jim老爷子后来研究了一辈子事务这东西，终于在1994年获得了图灵奖。图灵奖可以计算机界的诺贝尔奖，而有关数据库的图灵奖，一共有4次。其中，就有一次就是和事务相关的，足以说明事务很复杂、很重要。
Jim老爷子后来把他的研究成果还写成了一本书，叫《事务处理：概念与技术》。如果你想开发一个能保证事务一致性的数据库，建议你读一读。
简要说一下老爷子的思想，当时已经有了两阶段提交协议，但它是针对分布式的，因此比较松散，用它来实现事务的原子性太慢了。
Jim另辟捷径，提出了一个DO-UNDO-REDO协议，来张老爷子的书《事务处理：概念与技术》中的图说明一下吧：
图片来源：《事务处理：概念与技术》
搞过Oracle、DB2、SQLServer的人一看这图，一定就能心领神会。
我摘录一下书中对此图的解释：
DO，就是操作，比如一些UPDATE、INSERT或DELETE的SQL。它让数据库从旧的状态变为新的状态。它同时会产生日志。
UNDO，利用日志，将新状态变回旧的状态。
REDO，利用日志，从旧状态转移到新状态。
这个图其实和DB2、SQLServer中的事务机制完全一样，他们的UNDO日志和REDO日志就是合在一起的。比如：在SQLServer中就叫事务日志，回滚、恢复都靠事务日志。
之所以DB2、SQLServer中的事务机制，和Jim老爷子书中的图一模一样，因为这两个数据库都和Jim老爷子有直接的联系：
DB2可以说是脱胎于IBM的关系型数据库尝试产品：SYSTEM R。Jim老爷子当年是SYSTEM R的主力开发。
SQLServer更不必说，Jim老爷不想离开生活惯了的洛杉矶去西雅图，Bill.Gets专门在洛杉矶建了一个研究院，由老爷子做院长，领导开发了SQLSever数据库。
额外说一下，我曾看到过一个问题：程序员为什么爱发博客。最高票的回答是：因为解决了一个牛B的问题，身边却没有人懂。
在上世纪70年代，还没有博客这玩意，邮件组还要再过几年才流行。Jim在SYSTEM R中解决了一系列复杂的事务、一致性等问题，但是，无人能欣赏，这种寂寞高手的感觉，高处不胜寒。
怎么办，Jim一边开发着SYSTEM R，思考着复杂的事务问题，一边抽空写博客，对了，当时还没有博客，那就写论文吧。1976年时，Jim写了篇重要的论文：《共享数据库的一致性和锁的粒度（Granularity of Locks and Degrees of Consistency in a Shared Data Base）》。就是在这篇论文中，Jim首次提出了“事务”和一致性的概念。
老爷子论文写的不亦乐乎，没想到旁边有个“偷拳”的家伙——埃里森。小埃当时已经看了E.F.Codd在IBM时的论文，搞了个关系型数据库Oracle。IBM是当时当之无愧的大哥，跟着大哥走还会有错？
小埃偷拳偷的不亦乐乎的时候，Jim又发表了他的关于事务的论文，所以，如你所见，Oracle中的事务也是DO-UNDO-REDO协议了。
只不过，Oracle把UNDO和REDO分开了，UNDO有专门的UNDO段。这后来又影响了MySQL、国产的达梦数据库，他们的UNDO都是分离的，UNDO在UNDO段中。
虽然UNDO和REDO合在一起，才是正宗Jim老爷的思想。但分离式的设计也不差，很难说谁比谁更强。
从事务的角度上来说，Oracle、DB2、SQLServer、达梦，这些数据库事务的设计各有千秋。
从成熟度上来说，当然是Oracle、DB2的成熟度更高、性能更好，但SQLServer、达梦数据库也不错，性能上、功能上，也完全可以满足我们的需要。
但数据库的江湖上，除了DO-UNDO-REDO派之外，还有另外一大流派。因为使用了完全不同的事务实现协议，有些操作的性能表现和DO-UNDO-REDO派有着明显的差异。
这另外一大派，是由另一图灵奖得主、开宗立派的宗师级大师，迈克尔.斯通布雷克（Michael Stonebraker）开创的多版本派。
在数据库界风起云涌的70年代，Michael按耐不住寂寞，出手搞了一个关系型的数据库：Ingres。Ingres衍生出很多数据库，PostgreSQL就是其中之一。
Michael老爷子认可Jim的事务概念，但对于如何实现事务，他采用了和Jim不一样的方法，他没有完全采用DO-UNDO-REDO协议，REDO仍然是需要的。Redo中的后映像是为了恢复。UNDO呢，它是前映像数据，为了把数据恢复修改之前。
把数据恢复到修改之前，或者提供前映像读，未必就一定需要UNDO日志（或UNDO 段）。也可以使用多版本的机制。
下面以Update为例，比较一下多版本派和UNDO派在事务流程中的不同，从中总结一下这两种流派的优、缺点。
（图为Update前的表数据，左边是多版本派，右边是UNDO派）
对于多版本派的表来说，每一行数据都会增加些版本信息，事务号、提交标志就是这些版本信息的一部分。有些多版本派的数据库，会用一个事务开始的时间戳代表事务号，而不是用特定的一个数字。这在NoSQL/NewSQL数据库中很常见。
对于UNDO派的数据库来说呢，会有一个UNDO日志。Oracle/MySQL是有一个专门的UNDO段。DB2/SQLServer的UNDO和REDO都是放一起的。
下面，用户发出了更新操作，数据库收到了一条Update命令：
Update test set col=’BBB’ where id=4
数据库在执行这条SQL时，相关事务和表数据的处理流程如下：
（如上图所示，左边为多版本，右边为UNDO派）
多版本派，会首先将ID为4的行复制到新位置，然后设置新行的事务号为1899，提交标志为N，代表事务未提交，再修改要Update的列值为“BBB”。如果其他Session查询到ID为4的行，直接根据提交标记，即可判断出此事务未提交，那么，就再向前查寻ID值为4、事务号最大的、提交标记为是的行，就是满足一致性要求的行了。
UNDO派则先将前映像写入UNDO区域，再在原行中修改要修改的列。这一派系我就不详细介绍了，相信读者对这一派系了解会更多。
通过对比，我想读者朋友就发现了，如果表有十列，那怕只更新一列，多版本派也要将整行复制到新位置处。而UNDO派呢，只需要将被修改列的原值复制到UNDO日志中即可。这么一比，在Update操作方面，UNDO派是有优势的。
当然，作为图灵奖得主，Michael老爷开创的多版本派肯定是有自己特长的。
各位多版本派的粉丝，先放下40米大刀，不要急，下面我们来比一下插入操作：
多版本派的Insert操作十分简单，直接在表中插入新行即可。
相对来说，UNDO派的Insert，就略为复杂了。要将新行的位置信息写入UNDO日志，将来回滚的时候，好根据这个位置找到新行在哪儿。
虽然UNDO派只复杂了那么一点点，但对于追求短、平、快的OLTP应用来说，一次SQL调用可能也就几毫秒、十几毫秒。额外的操作UNDO，已经是不小的操作了。
看到了吧，Michael老爷子的多版本派成功扳回一局。
对于删除操作，我就不再放图了。UNDO派，要把原行整行数据复制到UNDO日志中去。多版本派对于删除操作的处理多有不同。最基本、最简单的，就是删除时也把整行复制到新位置，加上删除标志。
这符合多版本派的一贯思想，就是不修改原行，每DML一次，只复制、修改新行。
很多NoSQL数据库就是这样做的，但成熟的关系型、多版本派数据库，如PostgreSQL，并不会这样简单粗爆。它是在原行处设置一些事务标志，在删除行的时候，只需标记行被删除就可以了，避免了将被删除行复制到新位置。具体细节，我们就不再这里展开讨论了。总之PostgreSQL的删除和插入一样，都是十分节省资源的。
UNDO派脱胎于闭源的、商业的SYSTEM R，因此它广范应用于关系的、闭源的、商业的数据库。这个我们前面提到了，如Oracle、DB2、达梦，还有开源的MySQL。
多版本派，源于Ingres，这个数据库是开源的，而且，多版派的实现也相对更为简单，不需维护一块专门的UNDO空间。因此多版本派也广泛应用于开源的、或NoSQL/NewSQL等非关系型的数据库。
虽然在关系型中，有名的好像也只有PostgreSQL。但是几乎所有支持事务的NoSQL/NewSQL数据库，都属于多版本派。
好了，现在我们可以总结一下了。这两大派的数据库谁更适用哪种场景呢？
简单总结一下
1、多版本派的Insert/Delete不需要复制原行数据，因此简单而快速，但Update负担会重，特别是针对列较多但每次Update只更新少量列的情况。
（注：多版本派的Delete不需要复制原行数据，只是针对PostgreSQL，多数多版本派的NoSQL/NewSQL，Delete时还是要复制原行数据到新位置的。）
2、UNDO派，它的优势在于平衡，无论什么DML，都少不了操作UNDO的步骤，性能表现都差不多。
结合应用来说，比如你有一个日志型的OLTP应用。每秒有大量的并发Session，向数据库中插入大量数据（这和OLAP中少量Session插入大量数据还不样，OLAP的我们以后再说），但这些数据从不Update，或者说很少Update。那么，多版本派的数据库就十分适合了，比如PostgreSQL。
如果对事务的要求没那么高，那么一些NoSQL/NewSQL的数据库也可以考虑。比如，事务不多的事情下，可以考虑MongoDB。因为完全的支持ACID的、跨多个表（MongoDB中叫集合）的事务，MongoDB也是刚支持不久，以成熟度来论，相比PostgreSQL会差一些。
如果不需要跨表、跨行的事务，甚至不需要事务，选择面就更多了，像HBase、Cassandra等的插入性能都是不错的。
如果有一个OLTP交易型的应用，有大量的查询，和A转帐给B这样的交易操作，也就是Update A的余额、再Update B的余额。UNDO派的数据库就比较适合了。毕竟，Update操作时UNDO派更节省资源。
但是，有时候应用的界限并不是那么清楚。比如一套大型的应用中，即有日志型的功能，又有交易型的功能，而且数据还是混在一起的。这种情况下，总不能将数据写两份，分别放在不同数据库中吧（极端情况下，也可以这样做）。
这要如何选择呢？就要看那种功能更重要了。日志型功能更重要，就选多版本派的数据库。交易型功能更重要，就选UNDO派数据库。如果都重要，我建议优选UNDO派的、成熟的数据库。因为UNDO派各种操作性能更加平衡，不会出现忽快忽慢的情况。
要说，不同宗派之间，还容易选择。但是同一宗派内部呢？
同一宗派内部，我们也不好在公开场合说谁优谁劣，TPCC的性能测试数据，每家都十分优秀。
大家使用的基本思想是一样的，好坏取决于开发者的编程能力，能去开发数据库的，都是好程序员。
所以，同一宗派内部，在不考虑钱的情况下，选择成熟度高的数据库。要考虑钱的情况下，国产的数据库，和开源数据库的确是一个不错的选择。现在国产数据库、和像MySQL/PostgreSQL这样的历史悠久的开源数据库，成熟度也已经十分好了。
除去事务的影响，不同的数据存储、组织模式、锁级别等，都会带来一些性能差别。比如：Oracle的表是堆表，堆表是无序的。MySQL InnoDB的表是索引组织表，索引组织表是要按索引排序的。排序操作会额外带来一些性能损耗，但会提升按主键查询时的性能，等等。这些非事务性的，我们后面再总结。
好了，篇幅已经不短了，这一期，我们只说事务。后续，留待下一期吧。
话说UNDO派、多版派，就像少林、武当两大派一样，统领江湖几十载，江湖上一片风平浪静。各个应用厂商按需选择，一时江湖上倒也相安无事。
进入二十一世纪一零年代，UNDO派开山宗师Jim某一日正在洞府中打坐修行，忽然一阵心旗摇动，Jim掐指一算，自知大限将至，遂扬帆出海，小舟从此逝、江海寄余生。
（注：2007年年初，Jim架游艇出海，将老母亲骨灰撒入大海，然后失踪。海岸警卫队、志愿者、学术界朋友纷纷加入搜索，甚至动用卫星和若干先进技术，搜索几天后仍一无所获。但很多人仍没有放弃搜索，直到五年又四个月后（2012年5月16），才宣布他的死亡。）
多版本派开山宗师Michael，也年寿已高，不问江湖世事。江湖中两位大佬一死一老，对江湖的控制力大大减弱。正在这时，一本叫做NoSQL的武功秘籍，在江湖上又掀起血雨腥风。
至于NoSQL重出江湖之后，数据库界又有什么样的风云变幻，且听下回分解。