评估一个需求时，一定要搞清楚数据量和业务场景。
不同的数据量，不同的业务场景，使用的技术是不一样的。
数据常用的中间件
- mysql
数据量：百万级别
事务：支持事务
并发：不支持高并发
- mysql分库分表
数据量：千万级别
事务：支持事务。
并发：支持高并发
全文检索：不支持，左模糊不走索引，性能较差。
- es
数据量：亿万级别
全文检索：es尤其擅长。需要搜索时，基本会用es。
事务：es 不支持事务
聚合：多重聚合时，性能较差。7.0 以下版本做多重聚合，非常糟糕。
存储：es不是数据库，不适合存储数据。可以把数据存储在mysql，再同步到 es。
其他：es做关联查询时，性能较差，需要做成宽表，从宽表中把多个字段查询出来。
- clickHouse：
特点：列式存储。
数据量：亿万级别
聚合：clickHouse支持多重聚合
并发：不支持高并发
事务：不支持事务
关联查询：不支持Join，需要做成宽表，从宽表中把多个字段查询出来。
更新：不支持数据更新，需要更新数据时，可以 通过插入新数据，根据时间取最新的数据，达到"更新"的目的。
其他：传统的数据库，瓶颈一般是在 IO, 而 clickHouse 非常吃 CPU, CPU是 clickHouse 非常关键的指标。
- doris：
数据量：亿万级别
并发：支持高并发
更新：支持数据更新
关联查询：支持关联查询
技术选型，需要考虑的：
- 数据量
不同数据量，采用的技术不一样。
- 业务场景
不同业务场景，采用的技术也不一样。
- 伸缩性：
比如，数据量是千万级别，简单一点的逻辑，加上索引后，单表还是能用的。
但是如果数据再增长一些，逻辑再复杂一些，单表就扛不住了。
技术选型，必须考虑伸缩性。
- 拓展性：
比如，当前业务仅需要 增删改查，未来的业务发展，有没有可能会需要 高并发、事务、搜索等。
假设业务一直发展，选择的技术，能否适应业务的发展，是否方便拓展？