大家好，我是小耶，写功课只是为了我踩过的坑，你们别再踩了！
这些年聊数据库选型，最常被问到的一个问题是：“小耶，我们公司数据量越来越大，是不是该上分布式了？”每次听到这个问题，我都会反问一句：你真的需要分布式吗？
集中式和分布式没有绝对的好坏，只有合不合适。选错了，要么花了大价钱买了一堆用不上的能力，要么上了分布式之后发现单表Join都成了难题。今天我就从实际业务场景出发，画一张决策树，帮你理清选择的逻辑。
这两年数据库行业的变化很快，云原生、HTAP、Serverless……概念一个接一个。但回归本质，集中式和分布式的最核心区别只有一点：数据是放在一台机器上，还是拆在多台机器上协同工作。搞清楚这个区别，就能应对90%的选型问题。
先从根上说清楚：集中式和分布式到底差在哪？
- 集中式数据库：所有数据存储在一台服务器（或主从集群）上，应用直接连接到这台服务器进行读写。典型代表：MySQL、PostgreSQL、Oracle，以及基于它们开发的国产集中式数据库（如金仓KingbaseES的集中式版本）。优点是架构简单、事务强一致、支持复杂Join和子查询、运维成熟。缺点是单机处理能力有上限（受CPU、内存、磁盘I/O限制），纵向扩展（Scale-up）成本高。
- 分布式数据库：数据被自动切分成多份（分片），分布在多台服务器上，每台服务器只负责一部分数据。对应用层来说，它看起来像一台逻辑上统一的数据库。典型代表：阿里云PolarDB分布式版、腾讯云TDSQL。优点是横向扩展（Scale-out）能力强，可以通过加机器线性提升处理能力；缺点是架构复杂、跨节点事务有性能开销、复杂查询（如多表Join、子查询）可能受限于数据分布。
值得注意的是，现在一些国产数据库开始尝试“一套内核同时支持集中式和分布式”的架构，KingbaseES是其中的典型代表。它提出的“集中分布一体化”架构，支持单机、主备、共享存储集群、分布式MPP等多种部署形态。企业可根据自身业务阶段和数据规模，灵活选择集中式或分布式部署：初期业务量可控时，优先采用集中式模式，降低架构复杂度与运维成本；未来业务增长需要扩展时，可在同一产品体系内平滑演进至分布式模式，无需更换数据库产品，也无需大规模重构应用。
选型的核心决策逻辑：先回答三个问题
问题一：你的数据量有多大？未来三年会增长多少？
- 单表数据量在1000万以下，总数据量在1TB以内：集中式完全够用，甚至不需要纠结。
- 单表数据量在1亿左右，总数据量10TB以内：集中式配合分区表、读写分离、缓存等优化手段，通常也能扛住。很多千亿级数据的互联网公司早期也是用MySQL分库分表中间件（如ShardingSphere）撑过来的，不一定要直接上原生分布式。
- 单表数据量超过10亿，总数据量超过50TB，且写入QPS极高：这时候集中式单机或主从架构已经很难满足，需要考虑分布式。
问题二：你的业务对复杂查询（多表Join、子查询、事务）的要求高吗？
- 业务以简单的点查（按主键或唯一索引查单条）、范围查、单表聚合为主，几乎没有多表关联：分布式数据库可以很好地工作。
- 业务有大量复杂的多表Join、子查询、存储过程、触发器：集中式数据库通常表现更好，因为所有数据都在同一节点，优化器可以做全局优化。分布式数据库中，如果Join的两张表不在同一个分片上，需要通过网络传输数据，代价很大。像金仓这样的集中式数据库在财务ERP等复杂报表场景中表现更稳定。
问题三：你的团队运维能力跟得上吗？
- 团队规模小，DBA经验有限：集中式数据库的运维体系成熟，工具丰富，出问题了网上能搜到大量解决方案。分布式数据库的运维复杂度高很多，需要理解分片键设计、跨节点事务调优、数据重均衡等概念，踩坑成本高。
- 团队有专门的基础架构或SRE团队，愿意投入学习：可以尝试分布式，但要做好心理准备。
决策树总结
| 数据量 | 查询复杂度 | 运维能力 | 推荐方向 |
|---|---|---|---|
| 中小（TB级以下） | 任意 | 任意 | 集中式 |
| 大（10TB以上） | 低（简单查询为主） | 强 | 分布式 |
| 大（10TB以上） | 高（复杂Join/事务） | 强 | 集中式+分库分表中间件 或 分布式（需评估） |
| 极大（百TB以上） | 高 | 强 | 分布式（经过充分测试） |
关键点：数据量大≠必须上分布式。如果你的业务查询模式复杂、事务要求高，那么宁可选择集中式加中间件（如ShardingSphere、Vitess）做分库分表，也不要强行上原生分布式。因为一旦分布式的数据分片策略设计不好，业务改造的代价可能超过你的想象。
两个真实场景举例
场景一：电商订单系统
订单表几年后可能达到几十亿行，但查询模式以按用户ID查订单、按订单ID查详情为主，多表关联不多。这种情况下，分布式数据库（如阿里云PolarDB分布式版、腾讯云TDSQL）天然适合。PolarDB-X采用集中式和分布式一体化的云原生架构，支持从集中式到分布式平滑演进，不需要数据迁移和应用改造。也可以选择MySQL分库分表（按用户ID哈希分片），成本更低，但需要应用层改造。
场景二：ERP财务系统
数据量不一定特别大（几个TB），但涉及大量复杂报表查询、多表Join、跨月度汇总。这种场景集中式数据库（如KingbaseES集中式版本）更合适。如果把财务系统强行拆到分布式上，一个复杂的对账SQL可能因为跨节点数据传输而慢到无法接受。
一点总结
集中式数据库经过几十年的优化，稳定性和功能成熟度依然是最高的。分布式数据库解决了单机瓶颈问题，但带来了新的复杂性。像金仓这样的国产数据库，通过一套内核同时支持集中式和分布式两种形态，为企业提供了更灵活的演进路径：业务初期用集中式降低运维负担，增长后平滑切换到分布式，不用换数据库，也不用大规模重构。
不要因为“听起来先进”就上分布式，也不要因为“老派”就排斥集中式。选型的关键是：用最简单的架构满足未来两三年的业务需求。架构越复杂，维护成本越高，出问题的概率越大。
小耶在手，SQL 不愁
还有什么想了解的，欢迎留言！小耶一定知无不言言无不尽……我们下次见~
