数据库读写分离架构详解

RD：数据量太大，数据库扛不住了，帮忙申请一个从库，读写分离。

DBA：数据量多少？

RD：5000w左右。

DBA：读写吞吐量呢？

RD：读QPS约200，写QPS约30左右。

 

额，数据库读写分离虽然不难，但并不是所有的“数据库扛不住”的场景，都应该用读写分离。今天花1分钟简单介绍下这个场景。

 

什么是数据库读写分离？

一主多从，读写分离，主动同步，是一种常见的数据库架构，一般来说：

• 主库，提供数据库写服务

• 从库，提供数据库读服务

• 主从之间，通过某种机制同步数据，例如mysql的binlog

一个组从同步集群通常称为一个“分组”。

 

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

此时可以使用分组架构。

 

一句话，分组主要解决“数据库读性能瓶颈”问题，在数据库扛不住读的时候，通常读写分离，通过增加从库线性提升系统读性能。

 

什么是数据库水平切分？

水平切分，也是一种常见的数据库架构，一般来说：

• 每个数据库之间没有数据重合，没有类似binlog同步的关联

• 所有数据并集，组成全部数据

• 会用算法，来完成数据分割，例如“取模”

一个水平切分集群中的每一个数据库，通常称为一个“分片”。

 

水平切分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，如果希望：

• 线性降低单库数据容量

• 线性提升数据库写性能

此时可以使用水平切分架构。

 

一句话总结，水平切分主要解决“数据库数据量大”问题，在数据库容量扛不住的时候，通常水平切分。

 

我为什么不喜欢读写分离？

对于互联网大数据量，高并发量，高可用要求高，一致性要求高，前端面向用户的业务场景，如果数据库读写分离：

• 数据库连接池需要区分：读连接池，写连接池

• 如果要保证读高可用，读连接池要实现故障自动转移

• 有潜在的主库从库一致性问题

• 如果面临的是“读性能瓶颈”问题，增加缓存可能来得更直接，更容易一点

• 关于成本，从库的成本比缓存高不少

• 对于云上的架构，以阿里云为例，主库提供高可用服务，从库不提供高可用服务

 

所以，上述业务场景下，建议使用缓存架构来加强系统读性能，替代数据库主从分离架构。

 

当然，使用缓存架构的潜在问题：如果缓存挂了，流量全部压到数据库上，数据库会雪崩。因此，对缓存，一般也会做水平切分，确保不会同一时间全挂。

 

总结

• 读写分离，解决“数据库读性能瓶颈”问题

• 水平切分，解决“数据库数据量大”问题

• 对于互联网大数据量，高并发量，高可用要求高，一致性要求高，前端面向用户的业务场景，微服务缓存架构，可能比数据库读写分离架构更合适