sql高并发量处理研究-阿里云开发者社区

开发者社区> 数据库> 正文

sql高并发量处理研究

简介:

关于数据库的高并发处理研究,虫子只是浅尝辄止。可能很多方面各位大牛都用过,虫子就来丢丑一下了。

基于web方面的减压虫子已经在博文http://www.cnblogs.com/dubing/archive/2011/06/22/2087025.html中介绍过 就不赘述了

本章我们着重介绍下基于数据库的解决方案

1.分库分表

按业务来算,横向分库、纵向分表。

2.数据库集群和库表散列
大型网站都有复杂的应用,这些应用必须使用数据库,那么在面对大量访问的时候,数据库的瓶颈很快就能显现出来,这时一台数据库将很快无法满足应用,于是我们需要使用数据库集群或者库表散列。

3.memcache分布式缓存

将系统中价值不大并且不需要即时更新的数据放进memcache中作为临时表来用,相当于在db层前挡了一招~ ~

4.合并请求

如果性能不佳,尽量将多个请求合并成一个请求。

5.镜像
镜像是大型网站常采用的提高性能和数据安全性的方式,镜像的技术可以解决不同网络接入商和地域带来的用户访问速度差异,比如ChinaNet和EduNet之间的差异就促使了很多网站在教育网内搭建镜像站点,数据进行定时更新或者实时更新。在镜像的细节技术方面,这里不阐述太深,有很多专业的现成的解决架构和产品可选。也有廉价的通过软件实现的思路,比如Linux上的rsync等工具。

6.读写分离

对于大数据量的表但是对于呈现读写要求不平均的话,读操作与写操作分离

7.建立高效的索引

虫子一般都是直接用sql的索引分析来操作

8.业务合并(根据实际项目来看,不一定好用)

将耦合度比较高的业务以存储过程的方式实现,不过系统的可维护性会变差

 

 

 本文转自 熬夜的虫子  51CTO博客,原文链接:http://blog.51cto.com/dubing/712424

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
数据库
使用钉钉扫一扫加入圈子
+ 订阅

分享数据库前沿,解构实战干货,推动数据库技术变革

其他文章