《阿里云认证的解析与实战-关系型数据库ACP认证》——PolarDB云原生关系型数据库的解析与实践(上)—— 二、PolarDB的架构原理

简介: 《阿里云认证的解析与实战-关系型数据库ACP认证》——PolarDB云原生关系型数据库的解析与实践(上)—— 二、PolarDB的架构原理

1. PolarDB架构

 image.png

PolarDB架构图

 

PolarDB架构,从上往下分为几层:

 

ECS:部署应用机器,相当于是client层

Proxy:代理层,做读写分离

DB的计算层:因为PolarDB计算、存储分离,所以分为计算层和存储层,此层是DB的计算层,拥有很多实例,一个实例是一个主节点,最多支持15个只读节点

RDMA:高速互联网络,计算层和存储层通过RDMA连接

Data Chunk Server:最底层,分布式存储。

 

PolarDB读写请求都是通过主节点下发,读请求只通过读节点下发。PolarDB的计算节点都是无状态的主节点和只读节点,数据文件存在底层的分布式文件系统中,各个计算节点同步时,只需要同步源数据信息。

 

总的来说,PolarDB的主要特性是:一写多读、计算与存储分离、读写分离、高速链路互联、共享分布式存储、数据多副本Parallel-Raft协议。

 

2. PolarDB多主架构

image.png

 

1) 基础功能

 

支持不同数据库在不同计算节点并发写入

目前最多支持32个节点同时写入

支持数据库跨节点动态调度,秒级切换

计算节点故障秒级完成切换

 

2) 应用场景

 

SaaS应用:满足高并发性能需求,实现租户间负载均衡

游戏:更好的性能和扩展能力,支持世界服架构

电商:满足高并发读写需求

 

3. 可用性管理

 image.png

 

PolarDB同时支持多节点架构和多可用区架构。

 

多节点架构:可以挂多个主节点、只读节点和计算层到同一个分布式存储上。如果主节点出现故障,会自动选择一个只读节点升级为新的主节点。对用户而言,体验就是感受到了20-30s的故障。

多可用区架构:如果整个可用区都发生故障时,可以切换到备可用区,可实现跨区容灾。

 

4. GDN全球数据库网络

image.png

全球数据库GDN

 

GDN:分布在全球地域的多个PolarDB数据库集群组成的一张网络,所有集群数据可以保持同步,可以实现全球容灾

主集群:只有一个集群有读写权限,就是主集群

从集群:从GDN中主机群同步数据的从属集群,一类是读服务,一类是写转发服务。

 

优势特点

 

如果业务有海外部署的需求,从集群就可以提供就近服务

整个PolarDB的GDN通过proxy来管理,用户不用担心自己的client向那个集群写,内核会自动判断当前的集群属于主集群还是从集群;是主集群则直接写入,是从集群则内核帮助转发

主集群可做跨国业务迁移。

 

5. PolarDB的访问方式

 image.png

 

访问模式:可读可写、只读

访问地址:集群地址、主地址

访问点:

 数据库的访问入口,也可以称为接入点

 每个集群提供多个访问点,每个访问点可以连接一个或者多个实际的物理节点

 新购买的PolarDB会提供两个访问点,分别叫主地址和集群地址。

 

主地址:是主节点的访问点,如果发生故障切换后,系统会把访问点自动指向新的主节点

集群地址:是在集群地址上,会自动整合集群下的多个节点,对外提供一个统一的读写地址。集群地址是通过数据库代理去访问,具有自动弹性、读写分离、负载均衡、一致性协调能力等。

新购的只读节点,会自动加入到集群中,可以根据业务的需求去创建最多三个自定义的集群地址。

在自定义的集群地址上可以指定任意多个只读节点,可以选择子集去定义集群地址。

 

6. 数据库代理

 

PolarDB数据库代理是位于数据库和应用程序之间的网络代理服务,用于代理应用程序访问数据库时的所有请求,具有高可用、高性能、可运维、简单易用等特点,支持自动读写分离、负载均衡、一致性级别、连接池等高级功能。用户可以连接PolarDB集群地址使用数据库代理的各项功能。

 image.png

 image.png

连接池是较为常见的一个需求,大多数用户想要解决连接数过多或者短连接业务频繁建立新连接类的业务,有可能导致实例连接负载过高的问题,连接池可以很好的隔离解决。

 

一致性是访问点的属性,主要是用户在主节点和只读节点上数据的一致性。三个选项分别是:最终一致性、会话一致性、强一致性。默认为最终一致性,在创建时或者控制台中都可以进行配置。

 

相关实践学习
使用PolarDB和ECS搭建门户网站
本场景主要介绍如何基于PolarDB和ECS实现搭建门户网站。
阿里云数据库产品家族及特性
阿里云智能数据库产品团队一直致力于不断健全产品体系,提升产品性能,打磨产品功能,从而帮助客户实现更加极致的弹性能力、具备更强的扩展能力、并利用云设施进一步降低企业成本。以云原生+分布式为核心技术抓手,打造以自研的在线事务型(OLTP)数据库Polar DB和在线分析型(OLAP)数据库Analytic DB为代表的新一代企业级云原生数据库产品体系, 结合NoSQL数据库、数据库生态工具、云原生智能化数据库管控平台,为阿里巴巴经济体以及各个行业的企业客户和开发者提供从公共云到混合云再到私有云的完整解决方案,提供基于云基础设施进行数据从处理、到存储、再到计算与分析的一体化解决方案。本节课带你了解阿里云数据库产品家族及特性。
相关文章
|
11月前
|
存储 Cloud Native 关系型数据库
PolarDB-PG IMCI实战解析:深度融合DuckDB,复杂查询性能最高百倍级提升
阿里云PolarDB PostgreSQL版创新融合DuckDB向量化引擎,推出IMCI列存索引,实现HTAP一体化。支持实时交易与复杂分析并行,查询性能提升60-100倍,兼容PG生态,秒级数据同步,助力企业高效挖掘数据价值。
1230 0
|
SQL 关系型数据库 分布式数据库
PolarDB 开源基础教程系列 7.5 应用实践之 TPCH性能优化
PolarDB在复杂查询、大数据量计算与分析场景的测试和优化实践.
577 7
|
关系型数据库 MySQL 分布式数据库
Super MySQL|揭秘PolarDB全异步执行架构,高并发场景性能利器
阿里云瑶池旗下的云原生数据库PolarDB MySQL版设计了基于协程的全异步执行架构,实现鉴权、事务提交、锁等待等核心逻辑的异步化执行,这是业界首个真正意义上实现全异步执行架构的MySQL数据库产品,显著提升了PolarDB MySQL的高并发处理能力,其中通用写入性能提升超过70%,长尾延迟降低60%以上。
|
存储 关系型数据库 分布式数据库
PolarDB开源进阶篇:深度解析与实战优化指南
PolarDB是阿里云开源的云原生数据库,采用计算-存储分离架构,结合高性能共享存储与Parallel Raft多副本一致性协议,实现微秒级延迟和卓越性能。本文深入解析其架构设计,涵盖智能调度层、性能优化技巧(如查询优化器调优和分布式事务提升)、高可用与容灾配置、扩展功能开发指南以及监控运维体系。同时,通过电商平台优化案例展示实际应用效果,并展望未来演进方向,包括AI结合、多模数据库支持及Serverless架构发展。作为云原生数据库代表,PolarDB为开发者提供了强大支持和广阔前景。
741 16
|
人工智能 API 开发者
HarmonyOS Next~鸿蒙应用框架开发实战:Ability Kit与Accessibility Kit深度解析
本书深入解析HarmonyOS应用框架开发,聚焦Ability Kit与Accessibility Kit两大核心组件。Ability Kit通过FA/PA双引擎架构实现跨设备协同,支持分布式能力开发;Accessibility Kit提供无障碍服务构建方案,优化用户体验。内容涵盖设计理念、实践案例、调试优化及未来演进方向,助力开发者打造高效、包容的分布式应用,体现HarmonyOS生态价值。
1083 27
|
存储 Cloud Native 关系型数据库
PolarDB开源:云原生数据库的架构革命
本文围绕开源核心价值、社区运营实践和技术演进路线展开。首先解读存算分离架构的三大突破,包括基于RDMA的分布式存储、计算节点扩展及存储池扩容机制,并强调与MySQL的高兼容性。其次分享阿里巴巴开源治理模式,涵盖技术决策、版本发布和贡献者成长体系,同时展示企业应用案例。最后展望技术路线图,如3.0版本的多写多读架构、智能调优引擎等特性,以及开发者生态建设举措,推荐使用PolarDB-Operator实现高效部署。
634 4
|
数据采集 JSON 数据可视化
JSON数据解析实战:从嵌套结构到结构化表格
在信息爆炸的时代,从杂乱数据中提取精准知识图谱是数据侦探的挑战。本文以Google Scholar为例,解析嵌套JSON数据,提取文献信息并转换为结构化表格,通过Graphviz制作技术关系图谱,揭示文献间的隐秘联系。代码涵盖代理IP、请求头设置、JSON解析及可视化,提供完整实战案例。
954 4
JSON数据解析实战:从嵌套结构到结构化表格
|
数据采集 机器学习/深度学习 存储
可穿戴设备如何重塑医疗健康:技术解析与应用实战
可穿戴设备如何重塑医疗健康:技术解析与应用实战
939 4
|
机器学习/深度学习 人工智能 Java
Java机器学习实战:基于DJL框架的手写数字识别全解析
在人工智能蓬勃发展的今天,Python凭借丰富的生态库(如TensorFlow、PyTorch)成为AI开发的首选语言。但Java作为企业级应用的基石,其在生产环境部署、性能优化和工程化方面的优势不容忽视。DJL(Deep Java Library)的出现完美填补了Java在深度学习领域的空白,它提供了一套统一的API,允许开发者无缝对接主流深度学习框架,将AI模型高效部署到Java生态中。本文将通过手写数字识别的完整流程,深入解析DJL框架的核心机制与应用实践。
1048 3
|
关系型数据库 测试技术 分布式数据库
刷新世界纪录!阿里云PolarDB凭借创新的「三层解耦」架构刷新TPC-C基准测试世界纪录
刷新世界纪录!阿里云PolarDB凭借创新的「三层解耦」架构刷新TPC-C基准测试世界纪录

推荐镜像

更多
  • DNS