Какие БД использовал?

Опыт работы с базами данных в Backend-разработке на C#

За 10+ лет коммерческой разработки на C# я работал с различными типами баз данных, от реляционных до NoSQL и специализированных хранилищ, выбирая их в зависимости от требований проекта.

Реляционные базы данных (SQL)

Microsoft SQL Server — наиболее частый выбор в .NET-экосистеме:

• Использовал версии от 2008 до 2022, включая Azure SQL
• Сложные оптимизации: индексы (covering, filtered), window functions, CTE, материализованные представления
• Реализация паттерна UnitOfWork + Repository с Dapper и Entity Framework Core
• Пример работы с Dapper:

public async Task<User> GetUserWithOrdersAsync(int userId)
{
    using var connection = new SqlConnection(_connectionString);
    
    var sql = @"
        SELECT u.*, o.* 
        FROM Users u 
        LEFT JOIN Orders o ON u.Id = o.UserId 
        WHERE u.Id = @UserId
        ORDER BY o.CreatedDate DESC";
    
    var userDict = new Dictionary<int, User>();
    
    var result = await connection.QueryAsync<User, Order, User>(
        sql,
        (user, order) => 
        {
            if (!userDict.TryGetValue(user.Id, out var existingUser))
            {
                existingUser = user;
                existingUser.Orders = new List<Order>();
                userDict.Add(user.Id, existingUser);
            }
            
            if (order != null)
                existingUser.Orders.Add(order);
                
            return existingUser;
        },
        new { UserId = userId },
        splitOn: "Id"
    );
    
    return result.FirstOrDefault();
}

PostgreSQL — для проектов с повышенными требованиями к надежности и расширяемости:

• Использовал JSONB для гибридных моделей данных
• Реализация полнотекстового поиска с использованием tsvector
• Работа с географическими данными через PostGIS

MySQL/MariaDB — для веб-приложений с открытым исходным кодом:

• Оптимизация запросов через EXPLAIN ANALYZE
• Настройка репликации master-slave для распределения нагрузки

NoSQL базы данных

MongoDB — для документоориентированных данных:

• Схемо-независимые модели с быстрой итерацией
• Агрегационные pipeline для сложных аналитических выборок
• Интеграция с C# через официальный драйвер:

public class ProductService
{
    private readonly IMongoCollection<Product> _products;
    
    public async Task<List<Product>> GetProductsByCategory(string category, int limit = 50)
    {
        var filter = Builders<Product>.Filter.Eq(p => p.Category, category);
        var sort = Builders<Product>.Sort.Descending(p => p.PopularityScore);
        
        var aggregation = _products.Aggregate()
            .Match(filter)
            .Sort(sort)
            .Limit(limit)
            .Lookup(
                foreignCollection: "categories",
                localField: p => p.CategoryId,
                foreignField: c => c.Id,
                @as: (Product p) => p.CategoryDetails
            );
        
        return await aggregation.ToListAsync();
    }
}

Redis — как кэш-хранилище и брокер сообщений:

• Кэширование результатов тяжелых запросов с TTL
• Реализация distributed lock для фоновых задач
• Использование Redis Streams для обработки событий

Elasticsearch — для полнотекстового поиска и логов:

• Индексация товаров каталога с морфологическим поиском
• Централизованное логирование приложения через ELK-стек

Специализированные хранилища

ClickHouse — для аналитики и временных рядов:

• Обработка миллиардов событий телеметрии
• Агрегация метрик в реальном времени с материализованными представлениями

TimescaleDB (надстройка над PostgreSQL) — для IoT проектов:

• Хранение сенсорных данных с автоматическим партиционированием по времени
• Непрерывные агрегаты для предрасчитанных отчетов

Оркестрация и миграции

Миграции:

• Entity Framework Migrations для схемы приложения
• FluentMigrator для сложных сценариев обновления
• Собственные системы версионирования для распределенных сервисов

Инфраструктура:

• Настройка репликации, шардирования, кластеризации
• Мониторинг через Prometheus + Grafana с кастомными метриками запросов
• Реализация резервного копирования Point-in-Time Recovery

Критерии выбора БД

При выборе базы данных я руководствуюсь следующими принципами:

1. Соответствие модели данных требованиям — реляционные для транзакций, документные для контента
2. Производительность под нагрузкой — тестирование на реалистичных объемах данных
3. Экосистема и инструменты — наличие качественных драйверов для .NET
4. Операционные расходы — простота развертывания и обслуживания
5. Горизонтальное масштабирование — возможность распределения данных при росте

В современных микросервисных архитектурах часто применяется полиглотное хранение — разные сервисы используют наиболее подходящие им БД, что позволяет оптимизировать каждый компонент системы под его конкретные задачи.