文章探讨了关系型数据库在面临大量业务时如何进行伸缩，包括读写分离、缓存和搜索引擎的运用，以及分库分表策略。同时，讨论了数据迁移和扩容的方法，如成倍扩容和增量存量同步。热点数据的管理和防范也是关键，通过预知和动态侦听热点，结合缓存和多级缓存策略来提升系统性能。此外，还涉及到了接口隔离、缓存降级、熔断限流等性能优化手段，以及在面试中设计高并发应用时应考虑的数据层面因素。
关系型数据库的伸缩
读写分离
-
缓存和搜索引擎本质上也是一种读写分离
-
-
商品是典型的读多写少的场景
-
-
-
-
分库分表
略知一二
分表
分库
- 业务量大的数据基本都得使用分库分表，不然单表的数据量大之后，性能太差
数据迁移和扩容
成倍扩容
- 直接让备库变为主库，实现二变四。
- 扩容成倍增加
增量存量同步
- 增量同步，存量迁移
- 当数据同步好之后，修改路由表
热点数据
热点数据的隔离方案
- 把访问频次特别高的数据单独抽取出来
- 热点商品的特征
- 数量少
- 访问频次非常高
- 存储方案
- 热点散列
- 热点库
- 多级缓存：解决秒杀问题的杀手锏
侦听动态热点
-
识别热点
-
隔离热点
- 缓存预热
- 访问单元隔离
- 数据隔离
- 接口隔离
-
性能优化
- 缓存
- 降级熔断
- 限流
面试题
设计一个支撑XXX并发量的应用，从数据层面有什么要考虑的？
- 底层数据：读写分离 + 集群扩展、备库、异构 + 分库分表
热点数据怎么防范
- 预知热点：热点库、本地缓存 + 多级缓存
- 动态热点：热点数据的侦听（接口参数聚合，日志埋点统计） + 通知送达节点
分库分表之后，业务量增加需要扩容，如何处理
分库分表数据的迁移和扩容（备库转主库，2N扩容）
扫一扫
5089
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
