【TiKV / HTAP 内核】选型与阅读地图：TiKV vs etcd vs FDB vs 单机 RocksDB vs 湖 + CDC
内容提要
本文总结了TiKV/HTAP系列的核心内容，包括选型决策树、站内阅读地图及学术谱系。读者可以理解如何选择合适的KV存储，特别是在数据规模、分布式事务和新鲜度要求方面。系列共18篇，探讨了从Region切分到Multi-Raft复制的各个环节，并指出了当前的开放问题，如千万级Region的运维上限和跨Region的可观测性。
关键要点
-
本系列探讨了从Region切分到Multi-Raft复制的各个环节，共18篇文章。
-
选型决策树帮助读者选择合适的KV存储，考虑数据规模、分布式事务和新鲜度要求。
-
TiKV适合需要跨key、跨Region的分布式事务，且快照隔离级别可以接受的场景。
-
TiFlash与TiKV结合可以支持近实时分析，但在新鲜度上不如完全实时的解决方案。
-
开放问题包括千万级Region的运维上限和safe-ts的跨Region聚合可观测性。
-
选型时应优先考虑数据规模、分布式事务需求和新鲜度要求，而不是单纯比较吞吐量。
延伸解读
选型决策树的重要性
选型决策树为用户提供了清晰的指导，帮助他们根据数据规模、事务需求和新鲜度要求选择合适的KV存储。尤其是在面对复杂的分布式系统时，决策树能有效降低错误选择的风险，确保系统的高效运行。
TiKV与其他存储的比较
TiKV适合需要跨key和跨Region的分布式事务场景，但在新鲜度要求上不如完全实时的解决方案。与etcd和RocksDB相比，TiKV的运维复杂度更高，因此在选型时需仔细评估实际需求，避免不必要的资源浪费。
开放问题的关注
文章提到的开放问题，如千万级Region的运维上限和跨Region的可观测性，仍需关注。这些问题可能影响系统的稳定性和可扩展性，读者在实际应用中应持续跟踪相关进展，以便及时调整架构设计。
延伸问答
如何选择合适的KV存储？
选择KV存储时应优先考虑数据规模、分布式事务需求和新鲜度要求，而不是单纯比较吞吐量。
TiKV适合什么场景？
TiKV适合需要跨key、跨Region的分布式事务，且快照隔离级别可以接受的场景。
TiFlash与TiKV结合有什么优势？
TiFlash与TiKV结合可以支持近实时分析，但在新鲜度上不如完全实时的解决方案。
在什么情况下不推荐使用TiKV？
如果数据量小于2GB且只需要配置/协调语义，建议使用etcd，不必为此部署TiKV。
当前TiKV面临哪些开放问题？
开放问题包括千万级Region的运维上限和safe-ts的跨Region聚合可观测性。
如何理解HTAP的概念？
HTAP是指同时支持在线事务处理和分析处理的数据库架构，TiKV与TiFlash的结合就是HTAP的一个实现。
