數(shù)據(jù)庫架構(gòu)原則

https://www.cnblogs.com/littlecharacter/p/9084291.html

一、數(shù)據(jù)庫架構(gòu)原則
高可用
高性能
一致性
擴(kuò)展性
二、常見的架構(gòu)方案
方案一：主備架構(gòu)，只有主庫提供讀寫服務(wù)，備庫冗余作故障轉(zhuǎn)移用
　　

jdbc:mysql://vip:3306/xxdb

高可用分析：高可用，主庫掛了，keepalive（只是一種工具）會自動切換到備庫。這個過程對業(yè)務(wù)層是透明的，無需修改代碼或配置。
高性能分析：讀寫都操作主庫，很容易產(chǎn)生瓶頸。大部分互聯(lián)網(wǎng)應(yīng)用讀多寫少，讀會先成為瓶頸，進(jìn)而影響寫性能。另外，備庫只是單純的備份，資源利用率50%，這點方案二可解決。
一致性分析：讀寫都操作主庫，不存在數(shù)據(jù)一致性問題。
擴(kuò)展性分析：無法通過加從庫來擴(kuò)展讀性能，進(jìn)而提高整體性能。
可落地分析：兩點影響落地使用。第一，性能一般，這點可以通過建立高效的索引和引入緩存來增加讀性能，進(jìn)而提高性能。這也是通用的方案。第二，擴(kuò)展性差，這點可以通過分庫分表來擴(kuò)展。
方案二：雙主架構(gòu)，兩個主庫同時提供服務(wù)，負(fù)載均衡
　　

jdbc:mysql://vip:3306/xxdb

高可用分析：高可用，一個主庫掛了，不影響另一臺主庫提供服務(wù)。這個過程對業(yè)務(wù)層是透明的，無需修改代碼或配置。
高性能分析：讀寫性能相比于方案一都得到提升，提升一倍。
一致性分析：存在數(shù)據(jù)一致性問題。請看，一致性解決方案。
擴(kuò)展性分析：當(dāng)然可以擴(kuò)展成三主循環(huán)，但筆者不建議（會多一層數(shù)據(jù)同步，這樣同步的時間會更長）。如果非得在數(shù)據(jù)庫架構(gòu)層面擴(kuò)展的話，擴(kuò)展為方案四。
可落地分析：兩點影響落地使用。第一，數(shù)據(jù)一致性問題，一致性解決方案可解決問題。第二，主鍵沖突問題，ID統(tǒng)一地由分布式ID生成服務(wù)來生成可解決問題。
方案三：主從架構(gòu)，一主多從，讀寫分離
　　

jdbc:mysql://master-ip:3306/xxdb

jdbc:mysql://slave1-ip:3306/xxdb

jdbc:mysql://slave2-ip:3306/xxdb

高可用分析：主庫單點，從庫高可用。一旦主庫掛了，寫服務(wù)也就無法提供。
高性能分析：大部分互聯(lián)網(wǎng)應(yīng)用讀多寫少，讀會先成為瓶頸，進(jìn)而影響整體性能。讀的性能提高了，整體性能也提高了。另外，主庫可以不用索引，線上從庫和線下從庫也可以建立不同的索引（線上從庫如果有多個還是要建立相同的索引，不然得不償失；線下從庫是平時開發(fā)人員排查線上問題時查的庫，可以建更多的索引）。
一致性分析：存在數(shù)據(jù)一致性問題。請看，一致性解決方案。
擴(kuò)展性分析：可以通過加從庫來擴(kuò)展讀性能，進(jìn)而提高整體性能。（帶來的問題是，從庫越多需要從主庫拉取binlog日志的端就越多，進(jìn)而影響主庫的性能，并且數(shù)據(jù)同步完成的時間也會更長）
可落地分析：兩點影響落地使用。第一，數(shù)據(jù)一致性問題，一致性解決方案可解決問題。第二，主庫單點問題，筆者暫時沒想到很好的解決方案。
注：思考一個問題，一臺從庫掛了會怎樣？讀寫分離之讀的負(fù)載均衡策略怎么容錯？

方案四：雙主+主從架構(gòu)，看似完美的方案
　　

jdbc:mysql://vip:3306/xxdb

jdbc:mysql://slave1-ip:3306/xxdb

jdbc:mysql://slave2-ip:3306/xxdb

高可用分析：高可用。
高性能分析：高性能。
一致性分析：存在數(shù)據(jù)一致性問題。請看，一致性解決方案。
擴(kuò)展性分析：可以通過加從庫來擴(kuò)展讀性能，進(jìn)而提高整體性能。（帶來的問題同方案二）
可落地分析：同方案二，但數(shù)據(jù)同步又多了一層，數(shù)據(jù)延遲更嚴(yán)重。
三、一致性解決方案
第一類：主庫和從庫一致性解決方案

注：圖中圈出的是數(shù)據(jù)同步的地方，數(shù)據(jù)同步（從庫從主庫拉取binlog日志，再執(zhí)行一遍）是需要時間的，這個同步時間內(nèi)主庫和從庫的數(shù)據(jù)會存在不一致的情況。如果同步過程中有讀請求，那么讀到的就是從庫中的老數(shù)據(jù)。如下圖。

　　

既然知道了數(shù)據(jù)不一致性產(chǎn)生的原因，有下面幾個解決方案供參考：

直接忽略，如果業(yè)務(wù)允許延時存在，那么就不去管它。
強(qiáng)制讀主，采用主備架構(gòu)方案，讀寫都走主庫。用緩存來擴(kuò)展數(shù)據(jù)庫讀性能 。有一點需要知道：如果緩存掛了，可能會產(chǎn)生雪崩現(xiàn)象，不過一般分布式緩存都是高可用的。

選擇讀主，寫操作時根據(jù)庫+表+業(yè)務(wù)特征生成一個key放到Cache里并設(shè)置超時時間（大于等于主從數(shù)據(jù)同步時間）。讀請求時，同樣的方式生成key先去查Cache，再判斷是否命中。若命中，則讀主庫，否則讀從庫。代價是多了一次緩存讀寫，基本可以忽略。

半同步復(fù)制，等主從同步完成，寫請求才返回。就是大家常說的“半同步復(fù)制”semi-sync。這可以利用數(shù)據(jù)庫原生功能，實現(xiàn)比較簡單。代價是寫請求時延增長，吞吐量降低。
數(shù)據(jù)庫中間件，引入開源（mycat等）或自研的數(shù)據(jù)庫中間層。個人理解，思路同選擇讀主。數(shù)據(jù)庫中間件的成本比較高，并且還多引入了一層。

第二類：DB和緩存一致性解決方案

先來看一下常用的緩存使用方式：

第一步：淘汰緩存；

第二步：寫入數(shù)據(jù)庫；

第三步：讀取緩存？返回：讀取數(shù)據(jù)庫；

第四步：讀取數(shù)據(jù)庫后寫入緩存。

注：如果按照這種方式，圖一，不會產(chǎn)生DB和緩存不一致問題；圖二，會產(chǎn)生DB和緩存不一致問題，即4.read先于3.sync執(zhí)行。如果不做處理，緩存里的數(shù)據(jù)可能一直是臟數(shù)據(jù)。解決方式如下：

四、個人的一些見解
架構(gòu)演變
架構(gòu)演變一：方案一 -> 方案一+分庫分表 -> 方案二+分庫分表 -> 方案四+分庫分表；
架構(gòu)演變二：方案一 -> 方案一+分庫分表 -> 方案三+分庫分表 -> 方案四+分庫分表；
架構(gòu)演變?nèi)悍桨敢?-> 方案二 -> 方案四 -> 方案四+分庫分表；
架構(gòu)演變四：方案一 -> 方案三 -> 方案四 -> 方案四+分庫分表；
個人見解
加緩存和索引是通用的提升數(shù)據(jù)庫性能的方式；
分庫分表帶來的好處是巨大的，但同樣也會帶來一些問題，詳見數(shù)據(jù)庫之分庫分表-垂直？水平？
不管是主備+分庫分表還是主從+讀寫分離+分庫分表，都要考慮具體的業(yè)務(wù)場景。58到家發(fā)展四年，絕大部分的數(shù)據(jù)庫架構(gòu)還是采用方案一和方案一+分庫分表，只有極少部分用方案三+讀寫分離+分庫分表。另外，阿里云提供的數(shù)據(jù)庫云服務(wù)也都是主備方案，要想主從+讀寫分離需要二次架構(gòu)。
記住一句話：不考慮業(yè)務(wù)場景的架構(gòu)都是耍流氓。

總結(jié)

以上是生活随笔為你收集整理的数据架构原则的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。