【数据库】分布式数据库

数据量不⼤时，单库单表即可⽀撑整个系统。当数据量达到⼀定规模后，则需通过分布式
数据库⽀持。
同时，单点数据库⽆法保证服务⾼可⽤，⼀旦出现宕机整个服务便 “停摆” 了
常⻅的分布式数据库实现⽅式有 “分库” 和 “分表”, 也被称作 “数据分⽚”

1. 数据分⽚
   单表查询能⼒上限: 约为 500 万 左右
   ⽅式: 分库、分表
2. 垂直拆分
   单表字段太多的时候会进⾏垂直拆分, 不是为了分布式存储，⽽是为了提升单表性能

3. ⽔平拆分
⽔平拆分既可以⽤在 “分表” 处理，也可⽤在 “分库” 处理

• 按范围拆分
  优点: 构建简单, 扩容极其⽅便.
  缺点: 不能随运营发展均衡分配资源
  示例
  
• 按余数拆分
  优点: 能够随着运营发展均匀分配负载
  缺点: 扩容不⽅便, 扩容时投⼊⼤
  示例
  

4. 分布式数据库的 ID

• 必须保证全服多机上产⽣的 ID 唯⼀
• 常⻅全局唯⼀ ID ⽣成策略

1. 基于存储的⾃增 ID
   可在 Redis 中为每⼀个表记录当前最新 ID 是多少, 获取下⼀个 ID 时进⾏⾃增
   优点: 思路简单, ID 连续
   缺点: 有存储依赖, ⼀旦 Redis 出现问题, 则会影响全部数据库存储
2. 基于算法确保唯⼀
   常⻅算法有 UUID、COMB、Snowflake、ObjectID 等
   优点: 快速、⽆存储依赖
   缺点: ⼀般产⽣的 ID 数值都⽐较⼤, 某些算法的 ID 并⾮是增序