本文源自今年系统架构师大会,我在会上分享《数据库工程架构实践》的前3页PPT,数据库架构设计中的一些基本概念。 画外音:会上分享了近4个小时,见《十年》。
所有概念均以“用户中心”举例。 画外音:这是一个提供用户注册、登录、信息查询与修改的常见业务。 一、单库架构
单库架构,是业务初期最常见的数据库架构。
二、分组架构
数据库分组架构,即最常见的一主多从,主从同步,读写分离数据库架构:
主和从构成的数据库集群称为“一组”。
同一个组里的数据库集群:
数据库分组架构究竟解决什么问题?
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:
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,常实施的架构设计。
三、分片架构
数据库分片架构,是大伙最常说的水平切分(sharding):
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?
强烈建议分库,因为:
画外音:当然,分库后,数据库连接数会更多。
如何进行水平切分?
常见的方法是“范围法”和“哈希法”:
范围法如上,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。
哈希法如,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。 画外音:本例中哈希算法是“取模”。 哈希法在互联网数据库架构中,使用较为广泛。
分片架构,同一个集群里的各个分片:
分片架构究竟解决什么问题?
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:
一句话总结,分片解决的是“数据库数据量大”问题,常实施的架构设计。
四、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:
画外音:大部分线上的真实架构,是这样子的。
五、垂直切分
数据库垂直切分,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_Base(uid, uname, passwd, sex, age, …)
User_EX(uid, intro, sign, …)
如何进行垂直切分?
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:
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。
垂直切分和水平切有相似的地方,又不太相同:
垂直切分解决什么问题?
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。
文章较长,简单总结: