数据集成的核心难题：没有万能工具因此必须组合多个系统

对于”我想存储数据并稍后查询”这类问题，从来没有唯一正确的解法——[[索引是读写速度的权衡额外结构总会拖慢写入]]所属的存储引擎选型、单/多/无领导者复制的取舍，每一种权衡都对应不同的合适环境；让单条代码路径稳定健壮已属不易，试图在单个软件里做到一切几乎注定效果很差，因此每一种所谓”通用”数据库其实都是针对特定使用模式设计的。面对眼花缭乱的替代品，第一个挑战是弄清软件与适用环境的映射关系，这也是理解各章权衡的意义所在；但即便完全理解了每种工具，第二个挑战依然存在：复杂应用里数据的用法本就花样百出——同一份数据可能既要支持OLTP查询、又要支持全文搜索、还要喂给分析系统、机器学习、缓存或触发通知，不太可能有单一软件覆盖所有这些场景，因此不可避免地要拼凑几个不同的软件来提供应用所需的完整功能。发散：”根据经验99%的人只需要X”这类断言更多反映的是发言者自己的经验范围，而非技术的普适实用性——把视角拉高到组织整体的数据流，数据集成的必要性往往会立刻变得明显。