> For the complete documentation index, see [llms.txt](https://shniu.gitbook.io/cs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://shniu.gitbook.io/cs/system-design/backend-store.md).

# 后端存储设计

常用的存储系统有很多，有单机的也有分布式的，有数据库也有文件系统，有基于日志型的，也有基于其他数据结构的...而往往后端存储架构的设计非常依赖于特定的业务场景，根据业务的特点分析出数据的增长趋势、数据的规模、数据的特点等来决定使用何种存储架构、存储技术和存储介质等

常见的后端存储有：

MySQL、Redis、ElasticSearch、HBase、Hive、MongoDB、RocksDB、CockroachDB、HDFS、Cassandra 等, 具体可参考 [db-engines.com](https://db-engines.com/en/ranking)

一般情况下，后端存储应对的复杂度是随着业务发展和业务量的提升而提升的：初期重点在快速构建一个可用的存储，一般单机就能解决，最多加个主备；在成长期，重点在快速变化上，可能要应对单机存储到分布式存储的演进，支持在线平滑扩容等；积累到一定阶段后，就需要关注海量数据处理的复杂度，重点在高并发，海量数据的存储架构设计等问题

先来汇总一下，存储架构在不同阶段可能会面临的各种问题：

1. 怎么保证数据的正确性，在业务处理过程中，涉及到非常多的数据操作，我们需要保证入库的数据是准确的，既不能丢一部分数据，也不能多一些数据，又要保证数据的一致性
2. 在业务发展过程中，可能会存在某些数据是热点数据，相较于其他的数据，在读或者写的压力上会更大一些，这个时候该怎么解决热点数据问题
3. 在多表操作时，会遇到同时插入和更新多个表的情况，比如账户余额和交易流水等，如何使用事务
4. 对于一些查询搜索的场景，需要多维度更智能的搜索，响应时间更快等，怎么办？
5. 数据存储方案怎么做到高可用，数据是很重要的公司资产，高可用一定要考虑，即使做不到高可用，也要保证数据的高可靠，不能因为某种原因造成数据丢失
6. 后端存储如何应对访问超时
7. 后端存储出现操作变慢，如慢sql等，怎么办
8. 后端存储如何应对高并发
9. 后端存储如何应对越来越多的数据增长，海量数据如何存储、查询、写入等
10. 在什么情况下适合引入缓存，缓存如何与DB保持数据一致性
11. 数据迁移方案怎么做，可能是同一种数据库的扩容，还有可能是切换数据存储方案
12. 有哪些典型的场景，后端存储该怎么应对

除去存储架构问题，关于存储还涉及到具体的存储引擎是如何设计、如何使用和如何实现的，这些和实际工作是非常紧密相关的，可以分析多种数据存储系统和存储引擎：

1. MySQL
2. Redis
3. ES

从哪些方面分析：

1. 基本功能，适用的场景
2. 基础架构和常见应用案例
3. 高可用方案
4. 高并发方案（读写）
5. 数据一致性怎么解决
6. 水平扩展如何做，垂直扩展如何做
7. 常见的预估指标，比如 MySQL 在特定的配置下大概能支持多少TPS/QPS、单表的数据量等
8. 如何做优化来提升整体性能

系统设计常见延迟比较表（做设计时可以参考）

<https://static001.geekbang.org/resource/image/01/ad/0134f4cd9e0d6e8d57ebe35eb28c32ad.jpg>

![](/files/-MATQNOwOYYbF528kRy1)

文章目录

* [缓存设计](/cs/system-design/backend-store/cache-design.md)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://shniu.gitbook.io/cs/system-design/backend-store.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.