数据库技术架构方案.docx
《数据库技术架构方案.docx》由会员分享，可在线阅读，更多相关《数据库技术架构方案.docx（10页珍藏版）》请在冰点文库上搜索。
数据库技术架构方案
数据库技术架构方案
一、数据库架构原则
∙高可用
∙高性能
∙一致性
∙扩展性
二、常见的架构方案
方案一：
主备架构，只有主库提供读写服务，备库冗余作故障转移用
jdbc:
mysql:
//vip:
3306/xxdb
1、高可用分析：
高可用，主库挂了，keepalive（只是一种工具）会自动切换到备库。
这个过程对业务层是透明的，无需修改代码或配置。
2、高性能分析：
读写都操作主库，很容易产生瓶颈。
大部分互联网应用读多写少，读会先成为瓶颈，进而影响写性能。
另外，备库只是单纯的备份，资源利用率50%，这点方案二可解决。
3、一致性分析：
读写都操作主库，不存在数据一致性问题。
4、扩展性分析：
无法通过加从库来扩展读性能，进而提高整体性能。
**5、可落地分析：
**两点影响落地使用。
第一，性能一般，这点可以通过建立高效的索引和引入缓存来增加读性能，进而提高性能。
这也是通用的方案。
第二，扩展性差，这点可以通过分库分表来扩展。
方案二：
双主架构，两个主库同时提供服务，负载均衡
jdbc:
mysql:
//vip:
3306/xxdb
1、高可用分析：
高可用，一个主库挂了，不影响另一台主库提供服务。
这个过程对业务层是透明的，无需修改代码或配置。
2、高性能分析：
读写性能相比于方案一都得到提升，提升一倍。
3、一致性分析：
存在数据一致性问题。
请看下面的一致性解决方案。
4、扩展性分析：
当然可以扩展成三主循环，但笔者不建议（会多一层数据同步，这样同步的时间会更长）。
如果非得在数据库架构层面扩展的话，扩展为方案四。
5、可落地分析：
两点影响落地使用。
第一，数据一致性问题，一致性解决方案可解决问题。
第二，主键冲突问题，ID统一地由分布式ID生成服务来生成可解决问题。
方案三：
主从架构，一主多从，读写分离
jdbc:
mysql:
//master-ip:
3306/xxdb
jdbc:
mysql:
//slave1-ip:
3306/xxdb
jdbc:
mysql:
//slave2-ip:
3306/xxdb
1、高可用分析：
主库单点，从库高可用。
一旦主库挂了，写服务也就无法提供。
2、高性能分析：
大部分互联网应用读多写少，读会先成为瓶颈，进而影响整体性能。
读的性能提高了，整体性能也提高了。
另外，主库可以不用索引，线上从库和线下从库也可以建立不同的索引（线上从库如果有多个还是要建立相同的索引，不然得不偿失；线下从库是平时开发人员排查线上问题时查的库，可以建更多的索引）。
3、一致性分析：
存在数据一致性问题。
请看下面介绍的一致性解决方案。
4、扩展性分析：
可以通过加从库来扩展读性能，进而提高整体性能。
（带来的问题是，从库越多需要从主库拉取binlog日志的端就越多，进而影响主库的性能，并且数据同步完成的时间也会更长）
5、可落地分析：
两点影响落地使用。
第一，数据一致性问题，一致性解决方案可解决问题。
第二，主库单点问题，笔者暂时没想到很好的解决方案。
注：
思考一个问题，一台从库挂了会怎样？
读写分离之读的负载均衡策略怎么容错？
方案四：
双主+主从架构，看似完美的方案
jdbc:
mysql:
//vip:
3306/xxdb
jdbc:
mysql:
//slave1-ip:
3306/xxdb
jdbc:
mysql:
//slave2-ip:
3306/xxdb
1、高可用分析：
高可用。
2、高性能分析：
高性能。
3、一致性分析：
存在数据一致性问题。
请看，一致性解决方案。
4、扩展性分析：
可以通过加从库来扩展读性能，进而提高整体性能。
（带来的问题同方案二）
5、可落地分析：
同方案二，但数据同步又多了一层，数据延迟更严重。
三、一致性解决方案
第一类：
主库和从库一致性解决方案：
注：
图中圈出的是数据同步的地方，数据同步（从库从主库拉取binlog日志，再执行一遍）是需要时间的，这个同步时间内主库和从库的数据会存在不一致的情况。
如果同步过程中有读请求，那么读到的就是从库中的老数据。
如下图。
既然知道了数据不一致性产生的原因，有下面几个解决方案供参考：
1、直接忽略，如果业务允许延时存在，那么就不去管它。
2、强制读主，采用主备架构方案，读写都走主库。
用缓存来扩展数据库读性能。
有一点需要知道：
如果缓存挂了，可能会产生雪崩现象，不过一般分布式缓存都是高可用的。
3、选择读主，写操作时根据库+表+业务特征生成一个key放到Cache里并设置超时时间（大于等于主从数据同步时间）。
读请求时，同样的方式生成key先去查Cache，再判断是否命中。
若命中，则读主库，否则读从库。
代价是多了一次缓存读写，基本可以忽略。
4、半同步复制，等主从同步完成，写请求才返回。
就是大家常说的“半同步复制”semi-sync。
这可以利用数据库原生功能，实现比较简单。
代价是写请求时延增长，吞吐量降低。
5、数据库中间件，引入开源（mycat等）或自研的数据库中间层。
个人理解，思路同选择读主。
数据库中间件的成本比较高，并且还多引入了一层。
第二类：
DB和缓存一致性解决方案
先来看一下常用的缓存使用方式：
第一步：
淘汰缓存；
第二步：
写入数据库；
第三步：
读取缓存？
返回：
读取数据库；
第四步：
读取数据库后写入缓存。
注：
如果按照这种方式，图一，不会产生DB和缓存不一致问题；图二，会产生DB和缓存不一致问题，即4.read先于3.sync执行。
如果不做处理，缓存里的数据可能一直是脏数据。
解决方式如下：
注：
设置缓存时，一定要加上失效时间，以防延时淘汰缓存失败的情况！
四、总结
1、架构演变
∙架构演变一：
方案一->方案一+分库分表->方案二+分库分表->方案四+分库分表；
∙架构演变二：
方案一->方案一+分库分表->方案三+分库分表->方案四+分库分表；
∙架构演变三：
方案一->方案二->方案四->方案四+分库分表；
∙架构演变四：
方案一->方案三->方案四->方案四+分库分表；
2、个人见解
1、加缓存和索引是通用的提升数据库性能的方式；
2、分库分表带来的好处是巨大的，但同样也会带来一些问题，详见数据库之分库分表-垂直？
水平？
3、不管是主备+分库分表还是主从+读写分离+分库分表，都要考虑具体的业务场景。
某8到家发展四年，绝大部分的数据库架构还是采用方案一和方案一+分库分表，只有极少部分用方案三+读写分离+分库分表。
另外，阿里云提供的数据库云服务也都是主备方案，要想主从+读写分离需要二次架构。
4、记住一句话：
不考虑业务场景的架构都是耍流氓。
升级会员 