读写分离有哪些解决方案?-问答-阿里云开发者社区-阿里云

开发者社区> 剑曼红尘> 正文

读写分离有哪些解决方案?

2020-03-31 11:37:01 1246 2

读写分离有哪些解决方案?

取消 提交回答
全部回答(2)
  • AA大大官
    2020-03-31 12:45:48

    一、数据库瓶颈

    不管是IO瓶颈,还是CPU瓶颈,最终都会导致数据库的活跃连接数增加,进而逼近甚至达到数据库可承载活跃连接数的阈值。在业务Service来看就是,可用数据库连接少甚至无连接可用。接下来就可以想象了吧(并发量、吞吐量、崩溃)。

    1、IO瓶颈 第一种:磁盘读IO瓶颈,热点数据太多,数据库缓存放不下,每次查询时会产生大量的IO,降低查询速度 -> 分库和垂直分表。

    第二种:网络IO瓶颈,请求的数据太多,网络带宽不够 -> 分库。

    2、CPU瓶颈 第一种:SQL问题,如SQL中包含join,group by,order by,非索引字段条件查询等,增加CPU运算的操作 -> SQL优化,建立合适的索引,在业务Service层进行业务计算。

    第二种:单表数据量太大,查询时扫描的行太多,SQL效率低,CPU率先出现瓶颈 -> 水平分表。

    二、分库分表 1、水平分库 image.png

    概念:以字段为依据,按照一定策略(hash、range等),将一个库中的数据拆分到多个库中。

    结果:

    每个库的结构都一样;

    每个库的数据都不一样,没有交集;

    所有库的并集是全量数据;

    场景:系统绝对并发量上来了,分表难以根本上解决问题,并且还没有明显的业务归属来垂直分库。

    分析:库多了,io和cpu的压力自然可以成倍缓解。

    2、水平分表

    image.png

    概念:以字段为依据,按照一定策略(hash、range等),将一个表中的数据拆分到多个表中。

    结果:

    每个表的结构都一样;

    每个表的数据都不一样,没有交集;

    所有表的并集是全量数据;

    场景:系统绝对并发量并没有上来,只是单表的数据量太多,影响了SQL效率,加重了CPU负担,以至于成为瓶颈。推荐:一次SQL查询优化原理分析

    分析:表的数据量少了,单次SQL执行效率高,自然减轻了CPU的负担。

    3、垂直分库

    image.png

    概念:以表为依据,按照业务归属不同,将不同的表拆分到不同的库中。

    结果:

    每个库的结构都不一样;

    每个库的数据也不一样,没有交集;

    所有库的并集是全量数据;

    场景:系统绝对并发量上来了,并且可以抽象出单独的业务模块。

    分析:到这一步,基本上就可以服务化了。例如,随着业务的发展一些公用的配置表、字典表等越来越多,这时可以将这些表拆到单独的库中,甚至可以服务化。再有,随着业务的发展孵化出了一套业务模式,这时可以将相关的表拆到单独的库中,甚至可以服务化。

    4、垂直分表

    image.png

    概念:以字段为依据,按照字段的活跃性,将表中字段拆到不同的表(主表和扩展表)中。

    结果:

    每个表的结构都不一样;

    每个表的数据也不一样,一般来说,每个表的字段至少有一列交集,一般是主键,用于关联数据;

    所有表的并集是全量数据;

    场景:系统绝对并发量并没有上来,表的记录并不多,但是字段多,并且热点数据和非热点数据在一起,单行数据所需的存储空间较大。以至于数据库缓存的数据行减少,查询时会去读磁盘数据产生大量的随机读IO,产生IO瓶颈。

    分析:可以用列表页和详情页来帮助理解。垂直分表的拆分原则是将热点数据(可能会冗余经常一起查询的数据)放在一起作为主表,非热点数据放在一起作为扩展表。这样更多的热点数据就能被缓存下来,进而减少了随机读IO。拆了之后,要想获得全部数据就需要关联两个表来取数据。

    但记住,千万别用join,因为join不仅会增加CPU负担并且会讲两个表耦合在一起(必须在一个数据库实例上)。关联数据,应该在业务Service层做文章,分别获取主表和扩展表数据然后用关联字段关联得到全部数据。

    三、分库分表工具 sharding-sphere:jar,前身是sharding-jdbc;

    TDDL:jar,Taobao Distribute Data Layer;

    Mycat:中间件。

    注:工具的利弊,请自行调研,官网和社区优先。

    四、分库分表步骤 根据容量(当前容量和增长量)评估分库或分表个数 -> 选key(均匀)-> 分表规则(hash或range等)-> 执行(一般双写)-> 扩容问题(尽量减少数据的移动)。

    扩展:MySQL:分库分表与分区的区别和思考

    五、分库分表问题 1、非partition key的查询问题 基于水平分库分表,拆分策略为常用的hash法。

    端上除了partition key只有一个非partition key作为条件查询

    映射法

    image.png

    基因法 image.png

    注:写入时,基因法生成user_id,如图。关于xbit基因,例如要分8张表,23=8,故x取3,即3bit基因。根据user_id查询时可直接取模路由到对应的分库或分表。

    根据user_name查询时,先通过user_name_code生成函数生成user_name_code再对其取模路由到对应的分库或分表。id生成常用snowflake算法。

    端上除了partition key不止一个非partition key作为条件查询

    映射法

    image.png

    冗余法

    image.png

    注:按照order_id或buyer_id查询时路由到db_o_buyer库中,按照seller_id查询时路由到db_o_seller库中。感觉有点本末倒置!有其他好的办法吗?改变技术栈呢?

    后台除了partition key还有各种非partition key组合条件查询

    NoSQL法

    image.png

    冗余法

    image.png

    2、非partition key跨库跨表分页查询问题 基于水平分库分表,拆分策略为常用的hash法。

    注:用NoSQL法解决(ES等)。

    3、扩容问题 基于水平分库分表,拆分策略为常用的hash法。

    水平扩容库(升级从库法)

    image.png

    注:扩容是成倍的。

    水平扩容表(双写迁移法)

    image.png

    第一步:(同步双写)修改应用配置和代码,加上双写,部署;

    第二步:(同步双写)将老库中的老数据复制到新库中;

    第三步:(同步双写)以老库为准校对新库中的老数据;

    第四步:(同步双写)修改应用配置和代码,去掉双写,部署;

    注:双写是通用方案。

    六、分库分表总结 分库分表,首先得知道瓶颈在哪里,然后才能合理地拆分(分库还是分表?水平还是垂直?分几个?)。且不可为了分库分表而拆分。

    选key很重要,既要考虑到拆分均匀,也要考虑到非partition key的查询。

    只要能满足需求,拆分规则越简单越好。

    七、分库分表示例 示例GitHub地址:https://github.com/littlecharacter4s/study-sharding

    来源:cnblogs.com/littlecharacter/p/9342129.html

    俩元

    0 0
  • 剑曼红尘
    2020-03-31 11:37:28

    读写分离是依赖于主从复制,而主从复制又是为读写分离服务的。因为主从复制要求slave不能写只能读(如果对slave执行写操作,那么show slave status将会呈现Slave_SQL_Running=NO,此时你需要按照前面提到的手动同步一下slave)。

    方案一

    使用mysql-proxy代理

    优点:直接实现读写分离和负载均衡,不用修改代码,master和slave用一样的帐号,mysql官方不建议实际生产中使用

    缺点:降低性能, 不支持事务

    方案二

    使用AbstractRoutingDataSource+aop+annotation在dao层决定数据源。 如果采用了mybatis, 可以将读写分离放在ORM层,比如mybatis可以通过mybatis plugin拦截sql语句,所有的insert/update/delete都访问master库,所有的select 都访问salve库,这样对于dao层都是透明。 plugin实现时可以通过注解或者分析语句是读写方法来选定主从库。不过这样依然有一个问题, 也就是不支持事务, 所以我们还需要重写一下DataSourceTransactionManager, 将read-only的事务扔进读库, 其余的有读有写的扔进写库。

    方案三

    使用AbstractRoutingDataSource+aop+annotation在service层决定数据源,可以支持事务.

    缺点:类内部方法通过this.xx()方式相互调用时,aop不会进行拦截,需进行特殊处理。

    0 0
添加回答
+关注
15
文章
2806
问答
相关电子书
更多
文娱运维技术
立即下载
《SaaS模式云原生数据仓库应用场景实践》
立即下载
《看见新力量:二》电子书
立即下载