提醒,本文较长,可提前收藏/转发。
本文将以“用户中心”为例,介绍“单KEY”类业务,随着数据量的逐步增大,数据库性能显著降低,数据库水平切分相关的架构实践:
如何来实施水平切分
水平切分后常见的问题
典型问题的优化思路及实践
一、用户中心
用户中心是一个非常常见的业务,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, login_name, passwd, sex, age, nickname, …)
其中:
uid为用户ID,主键
login_name, passwd, sex, age, nickname, …等用户属性
数据库设计上,一般来说在业务初期,单库单表就能够搞定这个需求,典型的架构设计为:
user-center:用户中心服务,对调用者提供友好的RPC接口
user-db:对用户进行数据存储
二、用户中心水平切分方法
当数据量越来越大时,需要对数据库进行水平切分,常见的水平切分算法有“范围法”和“哈希法”。
范围法,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:
user-db1:存储0到1千万的uid数据
user-db2:存储1到2千万的uid数据
范围法的优点是:
切分策略简单,根据uid,按照范围,user- center很快能够定位到数据在哪个库上
扩容简单,如果容量不够,只要增加user-db3即可
范围法的不足是:
uid必须要满足递增的特性
数据量不均,新增的user-db3,在初期的数据会比较少
请求量不均,一般来说,新注册的用户活跃度会比较高,故user-db2往往会比user-db1负载要高,导致服务器利用率不平衡
哈希法,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: