转载

【每日一博】CouchDB 用起来可能不是很舒服？

最近我花了一个星期研究NoSQL，我有一个400万记录的MySQL速度比较慢，准备迁移到NoSQL上，因为主要是一些JSON格式的文档，本来序列化存在MySQL中的，因为看上了Erlang这个号称非常牛X的平台，挑中了CouchDB，但导入40万有效测试数据，在本地运行的时候，发现速度特别慢(本地机器为2011年的iMac，配备16G内存，根本不弱的)，而且查询功能很弱，可能还没到成熟的时候。

CouchDB特点：

面向文档数据库，不需要范式，直接存储JSON就可以，CouchDB默认会生成 _id，_rev 两个键，_id是一条记录（文档）的唯一标识，如果不提供_id，_id会自动生成，也可以手动指定_id，比如用手机号做主键：

{'_id' : '+86186*****', name: '' }

_rev是其版本号，每更新一次 _rev就会自动发生变化，格式为

5-6a8617596d2adfea245662df0df611ao

，标识第5个版本，后面是HASH签名，可以通过_rev寻找到所有的历史版本，所以用来做需要存储版本的文档系统应该非常不错，比如多人协作修改一篇文档等应用。

CouchDB提供RESTful接口访问，只需要执行http请求就能完成增删改功能，好处是，只需要命令行cURL就可以开始工作了，不需要特别的驱动，比如：获取一篇文档：

curl -X GET http://127.0.0.1:5984/dbname/_id

就可以了，而坏处是，http协议的效率并不高，尤其是如果执行一个页面需要多个请求的时候，用MySQL可以公用一个打开的链接就可以不断执行查询，而用http?得想想怎么样让http复用一个socket链接，所以越是入门简单，后面的麻烦就越多！

CouchDB的查询功能非常弱，CouchDB如何执行查询呢？不同于MySQL，扔一条SQL过去就得了。得为每一次查询创建一个view，view的格式：

{"map": "function(doc){ emit( key,  value); } "}

，这里面的function必须是一个字符串，而不能是javascript的合法语句，所以你写一个稍微复杂一点的语句，得先保证在node/console里调试好，然后把他转换成字符串，然后再构造出合法的json字符串post过去，这个过程非常的痛苦。而且这个view在第一次查询的时候速度会慢的吓死人，40万条数据，执行一次需要的时间大概要5分钟左右，400万条，我就不敢测试了，但stackoverflow上有网友说他跑了4个小时还没跑出结果来，因为这个map可不存在什么优化的地方，map就是一条条在运行，所以不管做什么查询，都要遍历所有doc，能不慢么！

另外，view其实也是像其他普通的记录一样实实在在存在数据库里的，可以通过 _utils 看到，view中是不可以传递变量的(临时view可以)，比如在一个库里存在 member 数据有 name, email, city等，需要查询 city为"shenzhen"的member，那么怎么办？第一用临时view： temp_view，构造动态的查询map语句：

curl http://127.0.0.1:5984/dbname/_temp_view?include_docs=true -H 'Content-Type: application/json'  -d / '{"map": "function(doc){  if(doc.city.match(/shenzhen/) ) emit(doc._id, 1 );  }" }'

最好把这个 _temp_view 存储成永久的view，否则每次查询一个新的city都会很慢的，一旦执行过一次查询，后面的访问就会比较快，但是前提是：得执行过一次查询！

但如果存储为永久view，就需要写死 shenzhen这个字符串在view中，这种传递变量的办法显然是不可取的，非常呆板，难道我要查询一个 city为 shenzhen的就得新建一个 view，那么全国那么多city，是不是每一个都要新建一个city？view这种方式查询真的很愚蠢！

除了temp_view外，到底有没有办法可以动态传递参数的？可以啊 startkey 和 endkey啊，但这两个参数光从名字就可以看出设计的是多么愚蠢了。

好这样查询，先创建一个view，保存为 member/city_query

'{"map": "function(doc){  emit([doc.city, doc._id],   1 );  }" }'

接下来就可以痛快查询啦：

curl / http://127.0.0.1:5984/dbname/_design/member/_view/city_query?startkey=[shenzhen]&endkey=[shenzhen] -H 'Content-Type: application/json'

这个语句是不能运行的，需要手动将中括号 [] 转义。看就是这么无聊。

执行的过程是这样的：startkey传递了一个数组参数，只有一个值 shenzhen，在view的map里，emit不再是一个普通的key，而是一个数组，startkey第一个值对应于emit的第一个参数中的第一位即 doc.city，结果就会检索 city的值>=shenzhen，再指定一个endkey就OK了啊！可以想想，这个map还是会遍历所有的记录！

这样的设计的很低级，而且非常不好用，如果我要查询正则匹配怎么办？老老实实创建一个新的view? 结果就是如果你的查询比较多样化，里面的view可能比数据还多！

最终我的结论是，不要在大数据上尝试CouchDB，不要在需要频繁查询的地方使用CouchDB，不要在需要大量汇总、分析数据的地方使用CouchDB，他只适合最多几千条数据的小博客、小文档系统，并且不需要各种花式查询的地方，他的性能不如想想中来的那么畅快，而且CouchDB内部存储就是实实在在的文件而已，没有什么优化，提升查询速度也不是CouchDB最近的目标，他们更多关注在功能上而非性能。并且CouchDB的开发初衷是Apache基金会的一厢情愿，并非工程需求，所以如果选择NoSQL，要尽可能找在工程需求中开发出来的数据库。

正文到此结束