后端主流数据库分析

一、关系型数据库（RDBMS）

1. MySQL：金融支付系统焦点

行业场景：​

• 金融支付：银行交易流水、支付订单（ACID事件保障）。
  
• ​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：

1. # 金融交易事务操作（原子性保障）
2. import pymysql
3. from contextlib import contextmanager
5. @contextmanager
6. def mysql_transaction():
7.     conn = pymysql.connect(host='localhost', user='root', password='******', db='******')
8.     try:
9.         with conn.cursor() as cursor:
10.             yield cursor
11.             conn.commit()  # 事务提交
12.     except Exception as e:
13.         conn.rollback()    # 事务回滚
14.         raise e
15.     finally:
16.         conn.close()
18. # 使用示例：转账操作
19. def transfer_money(from_account, to_account, amount):
20.     with mysql_transaction() as cursor:
21.         # 扣除转出账户
22.         cursor.execute("UPDATE accounts SET balance = balance - %s WHERE id = %s", (amount, from_account))
23.         # 增加转入账户
24.         cursor.execute("UPDATE accounts SET balance = balance + %s WHERE id = %s", (amount, to_account))
25.         # 记录交易流水
26.         cursor.execute("INSERT INTO transactions (from_id, to_id, amount) VALUES (%s, %s, %s)",
27.                       (from_account, to_account, amount))
29. # 调用：从账户1转100元到账户2
30. transfer_money(1, 2, 100)

复制代码

性能本领：

• 利用毗连池（如DBUtils.PooledDB）制止频仍创建毗连
  
• 对account_id和transaction_time字段创建联合索引加快查询
  

​性能优化：

• 索引设计：制止全表扫描，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。​
  

灾难规复：

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

<hr> 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）。
  
• 科研盘算：基因序列分析（数组范例和PL/Python扩展）。
  
• 金融风控：复杂SQL分析（窗口函数盘算用户行为聚合）。
  

Python实战代码：

1. # 使用PostGIS计算两个坐标距离
2. import psycopg2
3. from geoalchemy2 import WKTElement
4. from sqlalchemy import create_engine
6. # 创建空间数据表
7. engine = create_engine('postgresql+psycopg2://user:pass@localhost/gis_db')
8. with engine.connect() as conn:
9.     conn.execute("""
10.         CREATE TABLE IF NOT EXISTS warehouses (
11.             id SERIAL PRIMARY KEY,
12.             name VARCHAR(100),
13.             location GEOGRAPHY(Point)
14.         )
15.     """)
17. # 插入坐标点（北京首都机场）
18. point = WKTElement('POINT(*.*.*.*)', srid=4326)
19. insert_sql = "INSERT INTO warehouses (name, location) VALUES (%s, %s)"
20. with engine.connect() as conn:
21.     conn.execute(insert_sql, ('Beijing Airport', point))
23. # 查询距离某点50公里内的仓库
24. query = """
25.     SELECT name, ST_Distance(location, ST_GeogFromText('POINT(*.*.*.*)')) as distance
26.     FROM warehouses
27.     WHERE ST_DWithin(location, ST_GeogFromText('POINT(*.*.*.*)'), 50000)
28. """
29. result = engine.execute(query)
30. for row in result:
31.     print(f"{
32.      row.name} 距离天安门 {
33.      row.distance:.2f

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。