Bạn có từng nghe ai đó khẳng định chắc nịch rằng SQL đã lỗi thời chưa? Trước khi vội tin, tôi muốn cùng bạn đi từ gốc: SQL được thiết kế để giải bài toán gì, và tại sao đúng những thứ làm nên sức mạnh của nó lại trở thành rào cản khi dữ liệu ngày càng lớn và đa dạng.
Nguồn gốc của vấn đề: SQL được thiết kế cho một thời đại khác
SQL ra đời trong thời kỳ máy tính chủ yếu xử lý dữ liệu có cấu trúc rõ ràng, khối lượng nhỏ hơn nhiều so với bây giờ. Mô hình quan hệ (relational model) đứng sau SQL được Edgar F. Codd đề xuất từ năm 1970, khi bài toán phổ biến là quản lý sổ sách, giao dịch ngân hàng, hay danh mục hàng hoá - những dữ liệu vốn đã "vuông vức" theo hàng và cột.
Hãy hình dung SQL như một thư viện truyền thống được thiết kế hoàn hảo để quản lý sách báo: mỗi cuốn sách có tác giả, năm xuất bản, thể loại, xếp gọn theo hệ thống phân loại cố định. Nhưng khi thư viện đó phải nhận thêm tranh, video, bản đồ, hay tài liệu đa phương tiện, cái kệ vốn thiết kế cho sách bắt đầu tỏ ra gượng ép.
Khi internet bùng nổ và các ứng dụng web hiện đại xuất hiện, những thách thức mà SQL chưa từng được thiết kế để giải quyết bắt đầu lộ diện. Hãy cùng tôi đi qua từng hạn chế cụ thể.
Hạn chế 1: Schema cứng nhắc
Một trong những ràng buộc lớn nhất của SQL là schema cố định. Mỗi bảng phải có cấu trúc được định nghĩa trước, và mọi bản ghi phải tuân theo cấu trúc đó một cách nghiêm ngặt.
Hãy nghĩ tới việc xây một ứng dụng mạng xã hội. Thông tin người dùng rất đa dạng: có người chỉ điền tên và email, người khác lại có địa chỉ, số điện thoại, danh sách sở thích, thông tin công việc... Trong SQL truyền thống, bạn phải khai báo trước gần như mọi cột có thể có:
CREATE TABLE users (
id SERIAL PRIMARY KEY,
name VARCHAR(100) NOT NULL,
email VARCHAR(100) NOT NULL,
phone VARCHAR(20),
address TEXT,
job_title VARCHAR(100),
company VARCHAR(100),
hobby_1 VARCHAR(50),
hobby_2 VARCHAR(50),
hobby_3 VARCHAR(50)
);
Người dùng chỉ điền tên và email sẽ để trống bảy cột còn lại bằng NULL, vừa lãng phí không gian lưu trữ vừa buộc truy vấn phải xử lý thêm logic kiểm tra NULL. Tệ hơn, khi bạn muốn thêm một loại thông tin mới như "kỹ năng chuyên môn", bạn phải chạy ALTER TABLE trên toàn bộ bảng: với cơ sở dữ liệu lớn, việc này có thể khoá bảng và mất khá nhiều thời gian.
JSONB cho phép lưu dữ liệu bán cấu trúc ngay trong một cột, còn MySQL có kiểu JSON từ bản 5.7. Nghĩa là bạn có thể giữ các trường cố định (id, name, email) trong cột thường, còn phần biến thiên (sở thích, thông tin thêm) gom vào một cột JSON, dung hoà giữa tính toàn vẹn của SQL và sự linh hoạt của NoSQL.Ví von cho dễ nhớ: SQL giống một tủ hồ sơ có ngăn kéo dán nhãn sẵn, còn NoSQL giống một chiếc hộp các tông bạn có thể nhét bất cứ thứ gì vào. Ngăn kéo dán nhãn giúp tìm đồ nhanh và nhất quán, nhưng đổi lại bạn phải biết trước mình sẽ cất gì.
Hạn chế 2: Khó xử lý dữ liệu phi cấu trúc
SQL làm rất tốt với dữ liệu có cấu trúc: số liệu tài chính, thông tin khách hàng cơ bản, tồn kho. Nhưng phần lớn dữ liệu thời nay lại phi cấu trúc hoặc bán cấu trúc: email, bài đăng mạng xã hội, file log, dữ liệu cảm biến (sensor data), hay JSON trả về từ API.
Ép loại dữ liệu này vào khuôn bảng cũng giống như cố nhét một bức tranh khổ lớn vào khung ảnh quá nhỏ: bạn làm được, nhưng phải cắt xén bớt thông tin, hoặc phải thiết kế một cấu trúc bảng phức tạp đến mức khó bảo trì.
Hạn chế 3: JOIN chậm dần khi dữ liệu phình to
Khi dữ liệu tăng lên hàng chục, hàng trăm triệu bản ghi, các phép JOIN, vốn là một trong những tính năng mạnh nhất của SQL, bắt đầu bộc lộ điểm yếu nếu không được tối ưu đúng cách.
SELECT u.name, p.content
FROM users u
JOIN posts p ON p.user_id = u.id
WHERE u.city = 'Ha Noi';
Với chỉ mục (index) phù hợp trên u.city và p.user_id, truy vấn này trên một máy chủ vẫn có thể chạy khá nhanh dù bảng lớn, vì index giúp cơ sở dữ liệu bỏ qua phần lớn dữ liệu không liên quan thay vì quét toàn bộ (full scan). Vấn đề thực sự nghiêm trọng hơn xuất hiện khi bạn phải chia nhỏ (shard) dữ liệu ra nhiều máy cho đủ chỗ chứa: lúc đó JOIN phải kéo dữ liệu từ nhiều node qua mạng, chi phí tăng vọt và độ trễ khó đoán trước. Đây mới là giới hạn cốt lõi, chứ không đơn thuần là "JOIN chậm".
Hạn chế 4: Giới hạn khi mở rộng theo chiều dọc
SQL truyền thống chủ yếu mở rộng theo chiều dọc (vertical scaling): nâng cấp CPU, RAM, ổ đĩa của một máy chủ duy nhất. Cách này giống như xây một toà nhà cao hơn thay vì xây thêm nhiều toà nhà.
Vấn đề là có giới hạn vật lý cho việc một máy chủ có thể mạnh đến đâu, và ngay cả máy chủ mạnh nhất cũng khó xử lý hiệu quả khối dữ liệu cỡ petabyte. Chi phí nâng cấp phần cứng cũng thường tăng nhanh hơn nhiều so với hiệu năng thu được, chứ không tỉ lệ thuận.
Đây là lý do các giải pháp NewSQL và distributed SQL ra đời: Vitess, Citus, CockroachDB, hay Google Spanner cho phép một hệ thống kiểu SQL mở rộng theo chiều ngang (thêm máy) mà vẫn giữ được phần lớn ngữ nghĩa quan hệ và giao dịch quen thuộc.
Hạn chế 5: ACID - từ ưu điểm thành overhead
Các nguyên tắc ACID (Atomicity, Consistency, Isolation, Durability) đảm bảo tính toàn vẹn dữ liệu, nhưng đi kèm chi phí xử lý (overhead) không nhỏ. Ở mức cô lập (isolation level) cao, mỗi giao dịch (transaction) thường phải hoàn tất trước khi ảnh hưởng đầy đủ tới các giao dịch khác.
Với ứng dụng cần xử lý số lượng lớn request mỗi giây từ người dùng khắp nơi, việc giữ nguyên các đảm bảo ACID nghiêm ngặt trên toàn hệ thống có thể trở thành điểm nghẽn. Đó là lý do nhiều nền tảng mạng xã hội quy mô lớn chấp nhận đánh đổi: nới lỏng một phần tính nhất quán tức thời để đổi lấy tốc độ phản hồi, theo tinh thần mô hình BASE mà các cơ sở dữ liệu NoSQL hay dùng.
Hạn chế 6: Chật vật với dữ liệu thời gian thực
Nhiều ứng dụng hiện đại cần xử lý dữ liệu dạng luồng (streaming): dữ liệu cảm biến từ thiết bị IoT, click stream trên website, hay dữ liệu giao dịch tài chính. SQL truyền thống không được thiết kế tối ưu cho kiểu ghi liên tục, tốc độ cao như vậy.
Việc liên tục INSERT vào một bảng SQL lớn có thể gây tranh chấp khoá (lock contention) và làm chậm cả hệ thống, vì mỗi lần ghi cũng kéo theo cập nhật index, tạo thêm chi phí xử lý.
Hạn chế 7: Không hợp với mọi kiểu phân tích dữ liệu
SQL rất mạnh cho OLTP (Online Transaction Processing) - xử lý giao dịch theo thời gian thực, nhưng lại gặp khó với OLAP (Online Analytical Processing) - phân tích dữ liệu theo nhiều chiều trên tập dữ liệu khổng lồ.
Ví dụ, tính toán gợi ý (recommendation) cho người dùng dựa trên hành vi của hàng triệu người dùng khác thường đòi hỏi những thuật toán mà SQL thuần không biểu diễn tự nhiên được. Đây là lý do các hệ thống phân tích hiện đại thường dùng cơ sở dữ liệu cột (columnar database) chuyên cho OLAP như BigQuery, ClickHouse, hay Redshift thay vì SQL OLTP truyền thống.
Vậy điều này có nghĩa gì?
Những hạn chế trên không có nghĩa SQL "xấu" hay lỗi thời. SQL được thiết kế để giải quyết rất tốt một tập vấn đề cụ thể: dữ liệu có cấu trúc, cần tính nhất quán mạnh, và truy vấn quan hệ phức tạp. Khi bài toán đổi khác, bạn cần thêm công cụ khác, không nhất thiết phải thay thế hoàn toàn.
NoSQL ra đời như một hướng tiếp cận khác: đánh đổi một phần tính năng của SQL để lấy hiệu suất và độ linh hoạt cao hơn khi xử lý dữ liệu lớn, đa dạng. Nhiều hệ thống thực tế ngày nay dùng cả hai theo kiểu "polyglot persistence": SQL cho dữ liệu giao dịch quan trọng, NoSQL hoặc kho dữ liệu cột cho caching, log, hay phân tích. Nếu bạn muốn đào sâu hơn về sự khác biệt giữa hai hướng tiếp cận này, mời đọc bài liên quan bên dưới về SQL và NoSQL.
Cạm bẫy thường gặp
- Đổ lỗi cho SQL trong khi vấn đề thật sự là thiếu index, hoặc câu truy vấn viết chưa tối ưu.
- Nhảy sang NoSQL vì nghe "web-scale" trong khi dữ liệu của bạn vẫn nhỏ và cần tính nhất quán mạnh, lúc này SQL vẫn là lựa chọn an toàn hơn.
- Bỏ qua các giải pháp trung gian như NewSQL, sharding, hay thêm cột JSON trước khi quyết định đổi toàn bộ kiến trúc dữ liệu.
Tóm tắt
- SQL được thiết kế cho dữ liệu có cấu trúc, khối lượng vừa phải, chạy tốt trên một máy chủ.
- Schema cứng nhắc và JOIN có thể trở thành điểm nghẽn khi dữ liệu lớn và đa dạng, nhất là khi phải chia nhỏ ra nhiều máy.
- ACID mang lại tính toàn vẹn nhưng cũng là chi phí, nhất là ở quy mô rất lớn.
- SQL hiện đại (JSONB, NewSQL, distributed SQL) đã vá được một phần các hạn chế truyền thống.
- Chọn công cụ theo đúng bài toán, không chọn theo trào lưu.
Nguồn tham khảo
- E.F. Codd, "A Relational Model of Data for Large Shared Data Banks", Communications of the ACM, 1970.
- PostgreSQL docs - JSON Types
- MySQL docs - The JSON Data Type
- Corbett et al., "Spanner: Google's Globally-Distributed Database", OSDI 2012.
- Kai