探索MySQL-Cluster奥秘系列之数据节点(4)

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
RDS MySQL Serverless 高可用系列,价值2615元额度,1个月
云数据库 RDS MySQL,高可用系列 2核4GB
简介: 在前面的小节中,我们学习了MySQL-Cluster集群的管理节点和SQL节点相关的知识,那么接下来我们来了解下MySQL-Cluster集群的数据节点的内容。

这一小节中,我们来继续讲解 MySQL Cluster 中的基本概念:数据节点(主要讲解数据在数据节点的存储方式,以及针对数据节点本身,一些经常提到的专业术语)。

在 MySQL Cluster 集群环境中,数据是单独存储在指定的服务器上,在这些服务器上,MySQL 中的数据采用了分布式+数据冗余的方式来进行存储,也就是说,任何一个节点的宕机并不会导致数据的丢失,基于安全的考虑,在生产环境中数据节点的服务器配置,我们一般至少要配备 3 台。

讲到这里,有一个存储层面的知识点,那就是在 MySQL Cluster 集群中,数据在数据节点中是以 NDB 存储引擎的方式存储,而非我们熟知的 InnoDB 存储引擎。

不仅如此,在数据节点上的数据存储是可以配置多份镜像的(镜像指的是数据的副本),因为这些数据分散存储在多个数据节点上,如果某一个节点或某几个节点宕机,仍然存在数据丢失的风险。所以我们可以在数据节点上把这些数据进行多份的存储(具体存储几份是由参数 NoOfReplicas 来决定,该参数的配置我会在接下来的小节“Linux 安装和配置-SQL节点和数据节点配置”中进行演示)。

以上是数据在存储层面的几个注意事项,除此之外,你还要注意数据节点、节点组、段副本之间的关系,它们经常被混淆,接下来我们简单解释一下这 3 个术语。

数据节点

整体上讲,MySQL Cluster 环境中的每个数据节点服务都是由 ndbd 进程来提供服务的。

root       1297      1  0 Mar08 ?        00:00:22 /usr/local/mysql/bin/ndbd --initial
root       3436   3391  0 19:00 pts/1    00:00:00 grep --color=auto mysql

每个数据节点存储着一个或多个片段副本,也就是分配给该节点所在节点组的分区副本。

节点组

节点组,节点组由一个或多个节点组成,并存储分区或片段副本集,MySQL Cluster 集群中节点组的数量不能直接配置,节点组的数量是由数据节点数量和片段副本数量来决定的。即:节点组的个数=数据节点个数/NoOfReplicas 参数值。

段副本

段副本,即是一个集群分区的副本,节点组中的每个节点存储一个分片副本(有时也称为分区副本)。段副本的数量等于每个节点组的节点数量。一个段副本完全属于单个节点,一个节点可以存储多个片段副本。

好了,以上就是关于 MySQL Cluster 集群中,关于数据节点的理论性内容的讲解,从下一小节开始,我们将用 7 个小节结合实例来讲解 MySQL Cluster 集群的配置及日常使用。

相关实践学习
每个IT人都想学的“Web应用上云经典架构”实战
本实验从Web应用上云这个最基本的、最普遍的需求出发,帮助IT从业者们通过“阿里云Web应用上云解决方案”,了解一个企业级Web应用上云的常见架构,了解如何构建一个高可用、可扩展的企业级应用架构。
MySQL数据库入门学习
本课程通过最流行的开源数据库MySQL带你了解数据库的世界。   相关的阿里云产品:云数据库RDS MySQL 版 阿里云关系型数据库RDS(Relational Database Service)是一种稳定可靠、可弹性伸缩的在线数据库服务,提供容灾、备份、恢复、迁移等方面的全套解决方案,彻底解决数据库运维的烦恼。 了解产品详情: https://www.aliyun.com/product/rds/mysql 
目录
相关文章
|
7月前
|
缓存 NoSQL 关系型数据库
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
|
5月前
|
SQL 人工智能 关系型数据库
如何实现MySQL百万级数据的查询?
本文探讨了在MySQL中对百万级数据进行排序分页查询的优化策略。面对五百万条数据,传统的浅分页和深分页查询效率较低,尤其深分页因偏移量大导致性能显著下降。通过为排序字段添加索引、使用联合索引、手动回表等方法,有效提升了查询速度。最终建议根据业务需求选择合适方案:浅分页可加单列索引,深分页推荐联合索引或子查询优化,同时结合前端传递最后一条数据ID的方式实现高效翻页。
271 0
|
4月前
|
存储 关系型数据库 MySQL
在CentOS 8.x上安装Percona Xtrabackup工具备份MySQL数据步骤。
以上就是在CentOS8.x上通过Perconaxtabbackup工具对Mysql进行高效率、高可靠性、无锁定影响地实现在线快速全量及增加式数据库资料保存与恢复流程。通过以上流程可以有效地将Mysql相关资料按需求完成定期或不定期地保存与灾难恢复需求。
334 10
|
5月前
|
SQL 存储 缓存
MySQL 如何高效可靠处理持久化数据
本文详细解析了 MySQL 的 SQL 执行流程、crash-safe 机制及性能优化策略。内容涵盖连接器、分析器、优化器、执行器与存储引擎的工作原理,深入探讨 redolog 与 binlog 的两阶段提交机制,并分析日志策略、组提交、脏页刷盘等关键性能优化手段,帮助提升数据库稳定性与执行效率。
143 0
|
8月前
|
关系型数据库 MySQL Linux
在Linux环境下备份Docker中的MySQL数据并传输到其他服务器以实现数据级别的容灾
以上就是在Linux环境下备份Docker中的MySQL数据并传输到其他服务器以实现数据级别的容灾的步骤。这个过程就像是一场接力赛,数据从MySQL数据库中接力棒一样传递到备份文件,再从备份文件传递到其他服务器,最后再传递回MySQL数据库。这样,即使在灾难发生时,我们也可以快速恢复数据,保证业务的正常运行。
361 28
|
7月前
|
存储 SQL 缓存
mysql数据引擎有哪些
MySQL 提供了多种存储引擎,每种引擎都有其独特的特点和适用场景。以下是一些常见的 MySQL 存储引擎及其特点:
193 0
|
9月前
|
存储 SQL 关系型数据库
【YashanDB知识库】MySQL迁移至崖山char类型数据自动补空格问题
**简介**:在MySQL迁移到崖山环境时,若字段类型为char(2),而应用存储的数据仅为'0'或'1',查询时崖山会自动补空格。原因是mysql的sql_mode可能启用了PAD_CHAR_TO_FULL_LENGTH模式,导致保留CHAR类型尾随空格。解决方法是与应用确认数据需求,可将崖山环境中的char类型改为varchar类型以规避补空格问题,适用于所有版本。
|
9月前
|
SQL 关系型数据库 MySQL
【YashanDB知识库】字符集latin1的MySQL中文数据如何迁移到YashanDB
本文探讨了在使用YMP 23.2.1.3迁移MySQL Server字符集为latin1的中文数据至YashanDB时出现乱码的问题。问题根源在于MySQL latin1字符集存放的是实际utf8编码的数据,而YMP尚未支持此类场景。文章提供了两种解决方法:一是通过DBeaver直接迁移表数据;二是将MySQL表数据转换为Insert语句后手动插入YashanDB。同时指出,这两种方法适合单张表迁移,多表迁移可能存在兼容性问题,建议对问题表单独处理。
【YashanDB知识库】字符集latin1的MySQL中文数据如何迁移到YashanDB
|
9月前
|
缓存 NoSQL 关系型数据库
Redis和Mysql如何保证数据⼀致?
1. 先更新Mysql,再更新Redis,如果更新Redis失败,可能仍然不⼀致 2. 先删除Redis缓存数据,再更新Mysql,再次查询的时候在将数据添加到缓存中 这种⽅案能解决1 ⽅案的问题,但是在⾼并发下性能较低,⽽且仍然会出现数据不⼀致的问题,⽐如线程1删除了 Redis缓存数据,正在更新Mysql,此时另外⼀个查询再查询,那么就会把Mysql中⽼数据⼜查到 Redis中 1. 使用MQ异步同步, 保证数据的最终一致性 我们项目中会根据业务情况 , 使用不同的方案来解决Redis和Mysql的一致性问题 : 1. 对于一些一致性要求不高的场景 , 不做处理例如 : 用户行为数据 ,
|
10月前
|
SQL 关系型数据库 MySQL
基于SQL Server / MySQL进行百万条数据过滤优化方案
对百万级别数据进行高效过滤查询,需要综合使用索引、查询优化、表分区、统计信息和视图等技术手段。通过合理的数据库设计和查询优化,可以显著提升查询性能,确保系统的高效稳定运行。
433 9

推荐镜像

更多