一、单库架构
单库架构,是业务初期最常见的数据库架构。
-
user-service:用户中心服务,对调用者提供友好的RPC接口
-
user-db:一个库进行数据存储
二、分组架构
数据库分组架构,即最常见的一主多从,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(master):主库,提供数据库写服务
-
user-db-S(slave):从库,提供数据库读服务
主和从构成的数据库集群称为“一组”。
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
数据库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成为性能瓶颈,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高”问题,常实施的架构设计。
三、分片架构
数据库分片架构,是大伙最常说的水平切分(sharding):
-
user-service:依旧是用户中心服务
-
user-db1:水平切分成2份中的第一份
-
user-db2:水平切分成2份中的第二份
分片后,多个数据库实例也会构成一个数据库集群。
水平切分,到底是分库还是分表?
强烈建议分库,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数据库实例,甚至数据库机器上,扩展性更好
画外音:当然,分库后,数据库连接数会更多。
如何进行水平切分?
常见的方法是“范围法”和“哈希法”:
范围法如上,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。
哈希法如,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。
画外音:本例中哈希算法是“取模”。
哈希法在互联网数据库架构中,使用较为广泛。
分片架构,同一个集群里的各个分片:
-
多个实例之间本身不直接产生联系,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,所有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:
-
线性提升数据库写性能,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
一句话总结,分片解决的是“数据库数据量大”问题,常实施的架构设计。
四、分组+分片架构
如果业务读写并发量很高,数据量也很大,通常需要实施分组+分片的数据库架构:
-
通过分片来降低单库的数据量,线性提升数据库的写性能
-
通过分组来线性提升数据库的读性能,保证读库的高可用
画外音:大部分线上的真实架构,是这样子的。
五、垂直切分
数据库垂直切分,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,可以这么进行垂直切分:
User_Base(uid, uname, passwd, sex, age, …)
User_EX(uid, intro, sign, …)
-
垂直切分开的表,主键都是uid
-
登录名,密码,性别,年龄等属性放在一个垂直表(库)里
-
自我介绍,个人签名等属性放在另一个垂直表(库)里
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“访问频度”两个因素:
-
长度较短,访问频率较高的放在一起
-
长度较长,访问频度较低的放在一起
这是因为,数据库会以行(row)为单位,将数load到内存(buffer)里,在内存容量有限的情况下,长度短且访问频度高的属性,内存能够load更多的数据,命中率会更高,磁盘IO会减少,数据库的性能会提升。
垂直切分和水平切有相似的地方,又不太相同:
-
多个实例之间也不直接产生联系,即没有binlog同步
-
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,所有实例间数据并集构成全局数据
垂直切分解决什么问题?
垂直切分即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,但它与业务结合比较紧密,并不是所有业务都能够进行垂直切分的。
文章较长,简单总结:
-
业务初期用单库
-
读压力大,读高可用,用分组
-
数据量大,写线性扩容,用分片
-
属性短,访问频度高的属性,垂直拆分到一起