当前位置：首页 > news >正文

后端主流数据库分析

news 2025/9/16 23:10:35

一、关系型数据库（RDBMS）

1. MySQL：金融支付系统核心

行业场景：

金融支付：银行交易流水、支付订单（ACID事务保障）。
电商平台：商品库存管理、订单状态跟踪（高并发OLTP）。
SaaS服务：多租户用户管理（分库分表隔离数据）。

Python实战代码：

# 金融交易事务操作（原子性保障）
import pymysql
from contextlib import contextmanager

@contextmanager
def mysql_transaction():
    conn = pymysql.connect(host='localhost', user='root', password='******', db='******')
    try:
        with conn.cursor() as cursor:
            yield cursor
            conn.commit()  # 事务提交
    except Exception as e:
        conn.rollback()    # 事务回滚
        raise e
    finally:
        conn.close()

# 使用示例：转账操作
def transfer_money(from_account, to_account, amount):
    with mysql_transaction() as cursor:
        # 扣除转出账户
        cursor.execute("UPDATE accounts SET balance = balance - %s WHERE id = %s", (amount, from_account))
        # 增加转入账户
        cursor.execute("UPDATE accounts SET balance = balance + %s WHERE id = %s", (amount, to_account))
        # 记录交易流水
        cursor.execute("INSERT INTO transactions (from_id, to_id, amount) VALUES (%s, %s, %s)", 
                      (from_account, to_account, amount))

# 调用：从账户1转100元到账户2
transfer_money(1, 2, 100)

性能技巧：

使用连接池（如DBUtils.PooledDB）避免频繁创建连接
对account_id和transaction_time字段建立联合索引加速查询

性能优化：

索引设计：避免全表扫描，对高频查询字段（如user_id）建B+树索引。
读写分离：用ProxySQL或MaxScale分离读写流量，主库写，从库读。

灾难恢复：

每日全量备份 + Binlog 增量备份，通过 mysqldump 或 Percona XtraBackup 实现。
快速恢复：mysqlbinlog 重放 Binlog 到指定时间点。

2. PostgreSQL：地理信息分析系统

行业场景：

地理信息（GIS）：物流路径规划（PostGIS扩展支持空间数据）。
科研计算：基因序列分析（数组类型和PL/Python扩展）。
金融风控：复杂SQL分析（窗口函数计算用户行为聚合）。

Python实战代码：

# 使用PostGIS计算两个坐标距离
import psycopg2
from geoalchemy2 import WKTElement
from sqlalchemy import create_engine

# 创建空间数据表
engine = create_engine('postgresql+psycopg2://user:pass@localhost/gis_db')
with engine.connect() as conn:
    conn.execute("""
        CREATE TABLE IF NOT EXISTS warehouses (
            id SERIAL PRIMARY KEY,
            name VARCHAR(100),
            location GEOGRAPHY(Point)
        )
    """)

# 插入坐标点（北京首都机场）
point = WKTElement('POINT(*.*.*.*)', srid=4326)
insert_sql = "INSERT INTO warehouses (name, location) VALUES (%s, %s)"
with engine.connect() as conn:
    conn.execute(insert_sql, ('Beijing Airport', point))

# 查询距离某点50公里内的仓库
query = """
    SELECT name, ST_Distance(location, ST_GeogFromText('POINT(*.*.*.*)')) as distance
    FROM warehouses
    WHERE ST_DWithin(location, ST_GeogFromText('POINT(*.*.*.*)'), 50000)
"""
result = engine.execute(query)
for row in result:
    print(f"{
     row.name} 距离天安门 {
     row.distance:.2f