淘宝数据库设计图其实就是要兼顾功能和效率，不能偏废哪个，不然用起来肯定不顺手

关于淘宝数据库设计需要兼顾功能与效率这一点,多位淘宝技术负责人曾在不同场合进行过阐述，淘宝创始人之一、前首席架构师陈吉平在早期技术分享中就提到，淘宝的数据库设计如果只追求功能强大，而忽略了实际运行效率，那么系统在用户量激增时就会“卡死”；反过来，如果一味追求效率，比如把数据字段拆得过于零碎，或者为了速度而过度牺牲数据的一致性，那么很多复杂的业务功能，比如商品的多维度搜索、交易状态的实时追踪、个性化的推荐，就根本无法实现，他强调，设计时必须“两只手都要硬”。

根据淘宝技术团队在《淘宝技术这十年》等公开资料中的回顾，淘宝在发展过程中对此有深刻的教训，在淘宝早期，业务功能优先，数据库设计相对自由，但随着数据量暴涨，许多查询变得极慢，页面加载时间过长，用户体验很差，这迫使团队进行艰难的改造，商品信息数据库，最初可能为了功能全面，在一个大表里存放了所有信息，包括标题、描述、属性、图片链接等等，当商品数量达到亿级，卖家频繁修改商品信息，买家进行各种条件筛选时，这个表就成了瓶颈，后来，他们不得不对数据进行拆分和分层设计，将核心的、频繁访问的信息（如价格、库存）与描述性、变动较少的信息分开存储，这就是在功能完备性（需要存储所有信息）和读写效率（快速访问核心信息）之间做出的典型平衡。

另一个例子是用户交易记录,淘宝副总裁、负责平台技术的某位高管（在阿里技术峰会上的演讲）曾以“订单查询”为例说明：用户希望查询自己多年来的所有订单，这是一个合理的功能需求，但如果把一位用户的所有订单记录都简单地按时间顺序存在一起，当这个用户是十年老客户、订单量上万时，每次查询加载全部记录都会非常慢，数据库设计上可能采用“分库分表”的策略，按时间和用户ID进行拆分，可能建立专门的汇总表或索引，用于快速呈现订单概览，而详细商品信息则在点击后再去查询，这样，既保证了“查询所有订单”的功能存在，又保证了常用操作页面的加载效率。

在用户个性化推荐这个功能上,兼顾二者显得更为关键，据阿里云数据库团队的一篇技术博客分析，推荐系统需要分析用户海量的行为数据（浏览、收藏、购买），这要求数据库能高效地写入和存储这些流水数据（效率要求），同时又要能支持复杂的实时分析计算，从中快速提取模式（功能要求），如果数据库设计只考虑存储效率，采用压缩很紧但难以查询的结构，分析功能就跟不上；如果为了分析灵活而设计得过于松散，海量数据又会压垮系统，淘宝的实践中，往往采用混合架构，将不同类型的数据库组合使用，比如用高效能的OLTP数据库处理交易，用分析型的OLAP数据库处理海量行为分析，让合适的工具做合适的事，从整体上实现功能与效率的平衡。

从淘宝公开的技术演进历史看,其数据库设计始终是在功能与效率的“拉锯战”中前进的，每一次业务创新（如双十一大促、直播带货）都会带来新的功能需求，对数据库形成功能上的挑战；而用户规模和数据的爆炸式增长，则持续施加着效率压力，一个好的设计，就是在设计之初就预判到未来的扩展性，在数据表结构、索引策略、存储与计算分离等方面做出灵活的安排，确保新功能可以相对顺利地加入，同时又不让系统速度随着数据增长而显著下降，用他们内部常说的一句话来概括，既要让业务跑得快（功能丰富），又要让系统撑得住（效率稳定）”，任何一方的偏废，都会导致最终的系统“用起来不顺手”，要么是开发新功能举步维艰，要么是用户体验难以忍受的卡顿。