京东、淘宝、美团这些超大型互联网公司一般使用什么数据库？

京东、淘宝、美团等超大型互联网公司的数据库架构极为复杂，通常采用 “多类型数据库混合部署” 策略，根据不同业务场景选择合适的数据库技术。以下是它们的典型数据库选型和架构特点：

一、核心交易与关系型数据：MySQL 为主

适用场景：订单、支付、用户账户等核心交易数据（强事务性、一致性要求高）。

• 原因：MySQL 开源开源成熟、开源可控，经优化后可支撑高并发，且社区生态完善。

• 大厂实践：

• 淘宝 / 天猫：早期使用 MySQL 分库分表架构，通过中间件（如 TDDL）实现水平扩展，单库拆分到数千个实例。

• 京东：基于 MySQL 构建分布式数据库集群，结合自研的 Sharding-JDBC 实现分库分表，支撑日均亿级订单。

• 美团：核心交易链路采用 MySQL，通过主从复制实现读写分离，单集群可承载数十万 QPS。

• 优化手段：自研存储引擎、内核级优化（如阿里的 X-Engine）、分布式事务支持（如 Saga 模式）。

二、高并发缓存与计数：Redis

适用场景：购物车、商品库存计数、秒杀活动、会话存储、热点数据缓存。

• 原因：内存级读写速度（10 万 + QPS），支持多种数据结构（哈希、列表、集合等），适合高频访问场景。

• 大厂实践：

• 淘宝：Redis 集群支撑双 11 期间的商品详情页缓存、购物车实时更新，单集群规模达数千节点。

• 京东：用 Redis 实现库存预扣减，避免超卖，结合本地缓存（如 Caffeine）减少 Redis 压力。

• 美团：外卖订单状态实时同步、骑手位置更新等高频操作依赖 Redis 集群，配合哨兵机制保障高可用。

三、海量非结构化 / 半结构化数据：MongoDB

适用场景：商品详情、用户行为日志、评价数据、地理位置信息（如美团商家坐标）。

• 原因：文档型存储（JSON 格式）适合灵活 schema，写入性能高，支持复杂查询和地理索引。

• 大厂实践：

• 淘宝：商品规格、属性等非结构化数据用 MongoDB 存储，支持千万级 SKU 的快速查询。

• 美团：商家门店信息、用户评价等数据存在 MongoDB，结合地理索引实现 “附近商家” 功能。

四、分布式 NewSQL 数据库：自研或开源增强

适用场景：超大规模交易、跨地域数据一致性（如多区域订单同步）。

• 大厂选择：

• 阿里：自研OceanBase，支撑双 11 核心交易，单集群 TPS 突破亿级，兼容 MySQL 语法。

• 京东：使用TiDB（开源 NewSQL），处理跨区域分布式事务，如供应链库存同步。

• 美团：部分业务采用CockroachDB，支持全球分布式部署和强一致性。

五、数据分析与数据仓库：Hive/ClickHouse

适用场景：用户行为分析、销量预测、报表统计、大数据离线计算。

• 大厂实践：

• 淘宝：基于 Hadoop+Hive 构建数据仓库，处理 PB 级交易数据，支撑商家后台数据分析。

• 美团：用 ClickHouse 存储外卖订单历史数据，实现秒级实时报表（如区域销量 TOP10）。

• 京东：结合 Spark+Presto 进行用户画像分析，优化推荐系统。

六、时序数据：InfluxDB/TDengine

适用场景：系统监控指标（如服务器 CPU、内存）、实时日志（如用户访问轨迹）。

• 美团：用 InfluxDB 存储外卖配送路径轨迹数据，支撑实时调度系统。

• 京东：采用国产时序数据库 TDengine，存储 IoT 设备（如仓库机器人）监控数据。

七、搜索引擎：Elasticsearch

适用场景：商品搜索、日志检索、全文检索（如淘宝的 “拍照搜商品”）。

• 淘宝 / 天猫：基于 Elasticsearch 构建商品搜索引擎，结合自研算法实现个性化推荐。

• 美团：用 Elasticsearch 实现商家、菜品的关键词搜索，支持模糊匹配和权重排序。

总结：大厂数据库架构的共性

1. 混合架构：没有单一数据库 “包打天下”，而是根据业务场景组合多种技术（如 MySQL+Redis+MongoDB+ES）。

2. 自研增强：在开源数据库基础上深度定制（如阿里的 MySQL 分支、OceanBase），满足超大规模需求。

3. 分布式优先：通过分库分表、多活部署、异地灾备等方式，支撑高并发和高可用。

4. 云原生转型：逐步迁移到自研云平台（如阿里云、京东云），实现数据库的弹性扩缩容。

这种 “多数据库协同” 的架构，是超大型互联网公司支撑亿级用户、高并发场景的核心技术保障。