1、使用反三范式模型,设置冗余字段,减少多表联查。
2、数据量增多,单靠主键查询效率低效,增加查询字段索引,提升查询效率。
3、单节点压力过大,采用读写分离,将查询压力增加到其他节点,查询节点设置索引,插入节点不设置索引。但会导致数据存在时差,如果有多个读节点,将会导致短时间内数据不一致。
4、使用redis、memcached等缓存中间件,将常用的查询数据缓存。但是会存在数据一致性问题,需要通过代码来保证数据强一致。
5、数据到达百万级以上,采用数据库分表分区,将同一个表中的数据分散到不同的分表分区中。运维难度加大,并且如果分区hash不合理,会产生数据倾斜,重分区数据迁移会导致产生大量io,重分区过程中,服务提供的性能大大降低。
关系型数据库大数据量递进解决方案及诱发问题
最新推荐文章于 2023-03-17 23:20:00 发布