關聯式資料庫不適用的 10 大場景：何時該選擇 NoSQL？

關聯式資料庫（RDBMS）長期佔據主導地位，但隨著資料量暴增與應用型態多元化，盲目套用 RDBMS 反而成為效能瓶頸。本文整理 10 個 RDBMS 力有未適的典型場景，並推薦更適合的 NoSQL 替代方案，助您在架構選型時做出理性決策。

1. 全文搜尋

Oracle Text 等內建搜尋元件效能欠佳，開發者常被迫用 LIKE '%keyword%' 導致全表掃描。
替代方案： Elasticsearch、Apache Solr、Hibernate Search — 專為倒排索引設計，支援分詞、相關性排序、高亮顯示。

2. 推薦系統

社交網路「好友的好友買過什麼」需遞迴多層關聯，RDBMS 需自我連接多層查詢，效能隨深度指數級下降。
替代方案： Neo4j 等圖資料庫 — 原生支援節點與關係遍歷，兩行 Cypher 查詢即可完成。

3. 高頻交易/低延遲場景

雖 RDBMS 支援 ACID，但鎖機制與磁碟 I/O 導致延遲難以突破毫秒級。TimesTen 等記憶體資料庫僅為修補。
替代方案： Redis、Riak、GemFire — 記憶體鍵值存儲，微秒級延遲，支援高併發讀寫。

4. 產品目錄/多屬性變體

同一型號在不同市場有不同別名、組件組合，關聯式扁平化極其困難，Schema 變更頻繁。
替代方案： MongoDB/Couchbase（文件庫）或 Neo4j（圖庫） — 靈活 Schema、巢狀結構天然對應產品變體。

5. 用戶/群組與 ACL 權限控管

LDAP 本質即為針對階層式權限優化的 NoSQL，將其強塞進 RDBMS 導致結構僵化、維護困難。
替代方案： OpenLDAP、Microsoft AD、Apache Fortress — 專為目錄服務設計，支援細粒度授權。

6. 日誌分析/非結構化資料

海量、半結構化、寫入密集、查詢為聚合分析，RDBMS 索引維護成本過高。
替代方案： Hadoop/HDFS + Hive/Pig、Elasticsearch + Logstash/Kibana (ELK) — MapReduce/分散式索引天生適合。

7. 媒體資源庫（BLOB 儲存）

資料庫儲存大型二進位檔案會膨脹備份時間、影響緩衝區效能，BLOB 存取仍受限於資料庫引擎。
替代方案： 分散式檔案系統、Amazon S3、MinIO、Ceph — 物件儲存專為大檔案優化，支援 CDN 整合。

8. 電子郵件儲存

郵件具備半結構化中繼資料、全文搜尋需求、附件儲存，無明確關聯代數模型。
替代方案： 文件資料庫 + 全文搜尋引擎 — 靈活 Schema 配合索引，分離附件至物件儲存。

9. 分類廣告/短文本高併發

內容短小、結構變動大、查詢模式多樣、一致性要求相對較低。Craigslist 採用 MongoDB 即為經典案例。
替代方案： MongoDB、Couchbase — 文件模型天然適配廣告資料，水平擴展容易。

10. 時間序列/預測分析

時間序列資料寫入密集、保留策略固定、聚合查詢為主，RDBMS 分區表雖改善但仍非最優。
替代方案： Cassandra、InfluxDB、TimescaleDB — 寫入優化、內建 TTL、時間範圍查詢高效。

結語：適材適所，而非堅持偏好

RDBMS 在交易一致性、複雜關聯查詢、成熟生態仍無可取代。關鍵在於識別業務核心存取模式，針對不同子系統選擇最適合的儲存引擎，構建「多模型資料庫架構」才是現代系統設計的正途。