数据库实战

在项目早期，「数据库选 Mongo 还是 Postgres」往往被一句「看数据形状」草草决定，团队随后在 schema 变更、慢查询、迁移回滚上反复付出代价。这个技能要做的，是把这类决策变成可论证、可执行的工程产物。

它解决什么问题

真实场景里的几个高频困境：

• 业务字段频繁变化，是改表结构，还是在文档里直接加 key？
• 订单、支付、库存这类数据要求强一致与参照完整性，文档库能否承担？
• 索引建了几个，复合索引顺序对不对，为什么 EXPLAIN ANALYZE 显示走了全表扫描？
• 上线前需要迁移脚本、备份策略和权限划分，手里却只有零散笔记。

核心能力

技能同时覆盖 MongoDB 与 PostgreSQL 两条路径：数据建模（建表 / 集合设计、外键与参照完整性）、查询与聚合（SQL、CTE、窗口函数、Mongo 聚合管道）、索引设计、性能优化（EXPLAIN ANALYZE、VACUUM/ANALYZE、pgBouncer 连接池）、迁移、复制、分片、备份恢复、用户权限与生产运维。两者都支持 JSON/JSONB、全文检索、地理查询与复制高可用，Mongo 4.0+ 也提供多文档 ACID。

工作方式

1. 选型：MongoDB 适合 schema 多变、文档天然 JSON、需要水平分片与高写入吞吐；PostgreSQL 适合强一致 ACID、复杂关联、严格校验与分析型查询。
2. 建模与基础操作：给出 SQL 与 Mongo 对照的建表、增删改查示例，针对频繁查询字段设计索引，并注意复合索引的顺序。
3. 性能：按 PostgreSQL 或 MongoDB 各自的路径优化，生产环境启用鉴权与 TLS。
4. 运维：产出迁移步骤、备份恢复方案、权限清单与高可用架构建议。

输出形态

最终交付结构化工件 DbPlan，包含 choice、schema、indexes、migration_steps、ops_checklist 五个字段，可直接交给后端开发、DevOps 或文档入库流程消费，同时附带自然语言的选型理由与风险说明。

适用边界

它不负责特定云厂商控制台的逐步点击操作（可以指路，但不代为执行）；数据合规审计属于使用方职责，需要自行确认。选型结论的质量，取决于你提供的业务场景、数据形态、规模与一致性要求是否准确。