典型数据库架构设计与实践

http://www.toutiao.com/a6418695225946849538/?tt_from=weixin_moments&utm_campaign=client_share&app=news_article&utm_source=weixin_moments&iid=10861926112&utm_medium=toutiao_ios&wxshare_count=1


数据库架构中设计中的一些基本的概念,常见问题以及解决方案

1、用户中心

用户中心是一个常见业务,主要提供用户注册、登录、信息查询与修改的服务,其核心元数据为:

User(uid,uname,password,sex,age,nickname,。。。。)

其中:

uid为用户ID主键

单体。。。

分组架构:


什么是分组:

答案:分组架构是最常见的一种主多从,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:主库,提供数据库写服务

user-db-s:从库,提供数据库读服务

主和从构成数据库集群称为组

分组有什么特点?

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?

大部分互联网业务读多写少,数据库的读往往最先称为性能瓶颈,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的问题,所实施的架构设计。

分片架构

什么是分片?

分片分为水平切分sharding数据库架构:

user-service:依旧是用户中心服务

user-db1:水平切分为2份的第一份

user-db2:水平切分为2份中的第二份

分片后,多个数据实例也会组成一个数据库集群。

水平切分,到底是分库还是分表?

强烈建议分库,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的数据实例中,甚至数据库机器上,扩展性更好

水平切分用什么算法?

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,将数据水平且切分到两个数据库实力上:

user-db1:存储0-1千万的数据uid

userid-db2:存储1千万到2千万的uid数据

哈希法:

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?

同一个分片里的数据库集群:

多个实例之间本身不产生联系,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,所以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?

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

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,可以进行垂直切分:

User(uid,uname,password,sex,age)

User_Ex(uid,iintro,sign,。。)

垂直切分开的表,主键都是uid

登录名,密码和性别,年龄等属性放在一个垂直表(库里)

自我介绍,个性签名等属性放在另一个垂直表里(库)

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”访问频率“两个因数:

长度较短,访问频率较高的放在一起

长度较长,访问平率较低的放在一起

这是因为数据库会以行row为单位,将数据load到内存buffer里,在内存容量有限的情况下,长度短且访问频次高的属性,内存能够load更多的数据,命中率会更高,磁盘IO会减,数据库的性能提升比较多。

垂直切分有什么特点?

垂直切分和水平切分有相似的地方,又有不太相同

多个实例之间也不直接产生联系,即没有同步关系binlog

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,所有实例间数据并构成全局数据

垂直切分解决什么问题?

垂直切分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,但他与业务紧密,并不是所有业务都能进性垂直切分

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,639评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,277评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,221评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,474评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,570评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,816评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,957评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,718评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,176评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,511评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,646评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,322评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,934评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,755评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,987评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,358评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,514评论 2 348

推荐阅读更多精彩内容