数据库-容量(转)

Posted 2020-11-01 酒醉三分醒

典型数据库架构设计与实践

1). 单库架构

2). 分组架构

     什么是分组？

     答：分组架构是最常见的一主多从，主从同步，读写分离数据库架构：

• user-service：依旧是用户中心服务

• user-db-M(master)：主库，提供数据库写服务

• user-db-S(slave)：从库，提供数据库读服务

     主和从构成的数据库集群称为“组”。

     分组有什么特点？

     答：同一个组里的数据库集群：

• 主从之间通过binlog进行数据同步

• 多个实例数据库结构完全相同

• 多个实例存储的数据也完全相同，本质上是将数据进行复制

     分组架构究竟解决什么问题？

     答：大部分互联网业务读多写少，数据库的读往往最先成为性能瓶颈，如果希望：

           线性提升数据库读性能

• 通过消除读写锁冲突提升数据库写性能

• 通过冗余从库实现数据的“读高可用”

      此时可以使用分组架构，需要注意的是，分组架构中，数据库的主库依然是写单点。

      一句话总结，分组解决的是“数据库读写高并发量高”问题，所实施的架构设计。

 3). 分片架构

      什么是分片？

      答：分片架构是大伙常说的水平切分(sharding)数据库架构：

• user-service：依旧是用户中心服务

• user-db1：水平切分成2份中的第一份

• user-db2：水平切分成2份中的第二份

      分片后，多个数据库实例也会构成一个数据库集群。

      水平切分，到底是分库还是分表？

      答：强烈建议分库，而不是分表，因为：

• 分表依然公用一个数据库文件，仍然有磁盘IO的竞争

• 分库能够很容易的将数据迁移到不同数据库实例，甚至数据库机器上，扩展性更好

      水平切分，用什么算法？

      答：常见的水平切分算法有“范围法”和“哈希法”：

      范围法如上图：以用户中心的业务主键uid为划分依据，将数据水平切分到两个数据库实例上去：

• user-db1：存储0到1千万的uid数据

• user-db2：存储0到2千万的uid数据

      哈希法如上图：也是以用户中心的业务主键uid为划分依据，将数据水平切分到两个数据库实例上去：

• user-db1：存储uid取模得1的uid数据

• user-db2：存储uid取模得0的uid数据

      这两种方法在互联网都有使用，其中哈希法使用较为广泛。

      分片有什么特点？

      答：同一个分片里的数据库集群：

• 多个实例之间本身不直接产生联系，不像主从间有binlog同步

• 多个实例数据库结构，也完全相同

• 多个实例存储的数据之间没有交集，所有实例间数据并集构成全局数据

      分片架构究竟解决什么问题？

      答：大部分互联网业务数据量很大，单库容量容易成为瓶颈，此时通过分片可以：

• 线性提升数据库写性能，需要注意的是，分组架构是不能线性提升数据库写性能的

• 降低单库数据容量

      一句话总结，分片解决的是“数据库数据量大”问题，所实施的架构设计。

  4). 分组+分片架构

     如果业务读写并发量很高，数据量也很大，通常需要实施分组+分片的数据库架构：

• 通过分片来降低单库的数据量，线性提升数据库的写性能

• 通过分组来线性提升数据库的读性能，保证读库的高可用

 5). 垂直切分

      除了水平切分，垂直切分也是一类常见的数据库架构设计，垂直切分一般和业务结合比较紧密。

      还是以用户中心为例，可以这么进行垂直切分：

      User(uid, uname, passwd, sex, age, …)

      User_EX(uid, intro, sign, …)

• 垂直切分开的表，主键都是uid

• 登录名，密码，性别，年龄等属性放在一个垂直表（库）里

• 自我介绍，个人签名等属性放在另一个垂直表（库）里

      如何进行垂直切分？

      答：根据业务对数据进行垂直切分时，一般要考虑属性的“长度”和“访问频度”两个因素：

• 长度较短，访问频率较高的放在一起

• 长度较长，访问频度较低的放在一起

      这是因为，数据库会以行(row)为单位，将数load到内存(buffer)里，在内存容量有限的情况下，长度短且访问频度高的属性，内存能够load更多的数据，命中率会更高，磁盘IO会减少，数据库的性能会提升。

      垂直切分有什么特点？

      答：垂直切分和水平切有相似的地方，又不太相同：

• 多个实例之间也不直接产生联系，即没有binlog同步

• 多个实例数据库结构，都不一样

• 多个实例存储的数据之间至少有一列交集，一般来说是业务主键，所有实例间数据并集构成全局数据

      垂直切分解决什么问题？

      答：垂直切分即可以降低单库的数据量，还可以降低磁盘IO从而提升吞吐量，但它与业务结合比较紧密，并不是所有业务都能够进行垂直切分的。

 6). 总结

       文章较长，希望至少记住这么几点：

• 业务初期用单库

• 读压力大，读高可用，用分组

• 数据量大，写线性扩容，用分片

• 属性短，访问频度高的属性，垂直拆分到一起

 

 

 

内容转自公众号：架构师之路