1. 首页
  2. 新技术赋能
  3. 新硬件

如何应对并发(4) – 分布式数据库及反范式设计

分布式数据库及反范式设计

当数据容量非常大,请求频次非常高,索引优化,异步更新,合并操作,需求裁剪这些都做到位了,你发现系统依然存在严重的瓶颈,需要扩展,这时候,我们再来谈分布式方案。

这个课题我四年前在Qcon架构师大会分享过,当场我看记录,好评数还可以,但事后有高手吐槽说我讲的玩意根本不算什么分布式数据库,可能他们看中硬核的东西,不过我这种野路子,关心的是实战中,中小型互联网公司遇到的数据库压力问题如何高效解决,简单有效是第一宗旨,您要是问一线的,比如淘宝怎么解决数据库压力,别问我,我不会。

今天偷懒了,我把以前文档的内容贴出来。 不过这也是原创哦,四年前的原创。

分库&拆表方案

l 基本认识

n 用分库&拆表是解决数据库容量问题的唯一途径。

n 分库&拆表也是解决性能压力的最优选择。

n 分库 不同的数据表放到不同的数据库服务器中(也可能是虚拟服务器)

n 拆表 一张数据表拆成多张数据表,可能位于同一台服务器,也可能位于多台服务器(含虚拟服务器)。

l 去关联化原则

n 摘除数据表之间的关联,是分库的基础工作。

n 摘除关联的目的是,当数据表分布到不同服务器时,查询请求容易分发和处理。

n 学会理解反范式数据结构设计,所谓反范式,第一要点是不用外键,不允许Join操作,不允许任何需要跨越两个表的查询请求。第二要点是适度冗余减少查询请求,比如说,信息表,fromuid, touid, message字段外,还需要一个fromuname字段记录用户名,这样查询者通过touid查询后,能够立即得到发信人的用户名,而无需进行另一个数据表的查询。

n 去关联化处理会带来额外的考虑,比如说,某一个数据表内容的修改,对另一个数据表的影响。这一点需要在程序或其他途径去考虑。

l 分库方案

n 安全性拆分

u 将高安全性数据与低安全性数据分库,这样的好处第一是便于维护,第二是高安全性数据的数据库参数配置可以以安全优先,而低安全性数据的参数配置以性能优先。参见运维优化相关部分。

n 基于业务逻辑拆分

u 根据数据表的内容构成,业务逻辑拆分,便于日常维护和前端调用。

u 基于业务逻辑拆分,可以减少前端应用请求发送到不同数据库服务器的频次,从而减少链接开销。

u 基于业务逻辑拆分,可保留部分数据关联,前端web工程师可在限度范围内执行关联查询。

n 基于负载压力拆分

u 基于负载压力对数据结构拆分,便于直接将负载分担给不同的服务器。

u 基于负载压力拆分,可能拆分后的数据库包含不同业务类型的数据表,日常维护会有一定的烦恼。

n 混合拆分组合

u 基于安全与业务拆分为数据库实例,但是可以使用不同端口放在同一个服务器上。

u 基于负载可以拆分为更多数据库实例分布在不同数据库上

u 例如,

l 基于安全拆分出A数据库实例,

l 基于业务拆分出B,C数据库实例,

l C数据库存在较高负载,基于负载拆分为C1,C2,C3,C4 实例。

l 数据库服务器完全可以做到 A+B+C1 为一台,C2,C3,C4各单独一台。

l 分表方案

n 数据量过大或者访问压力过大的数据表需要切分

n 纵向分表(常见为忙闲分表)

u 单数据表字段过多,可将频繁更新的整数数据与非频繁更新的字符串数据切分

u 范例 user表 ,个人简介,地址,QQ号,联系方式,头像 这些字段为字符串类型,更新请求少; 最后登录时间,在线时常,访问次数,信件数这些字段为整数型字段,更新频繁,可以将后面这些更新频繁的字段独立拆出一张数据表,表内容变少,索引结构变少,读写请求变快。

n 横向切表

u 等分切表,如哈希切表或其他基于对某数字取余的切表。等分切表的优点是负载很方便的分布到不同服务器;缺点是当容量继续增加时无法方便的扩容,需要重新进行数据的切分或转表。而且一些关键主键不易处理。

u 递增切表,比如每1kw用户开一个新表,优点是可以适应数据的自增趋势;缺点是往往新数据负载高,压力分配不平均。

u 日期切表,适用于日志记录式数据,优缺点等同于递增切表。

u 个人倾向于递增切表,具体根据应用场景决定。

n 热点数据分表

u 将数据量较大的数据表中将读写频繁的数据抽取出来,形成热点数据表。通常一个庞大数据表经常被读写的内容往往具有一定的集中性,如果这些集中数据单独处理,就会极大减少整体系统的负载。

u 热点数据表与旧有数据关系

l 可以是一张冗余表,即该表数据丢失不会妨碍使用,因源数据仍存在于旧有结构中。优点是安全性高,维护方便,缺点是写压力不能分担,仍需要同步写回原系统。

l 可以是非冗余表,即热点数据的内容原有结构不再保存,优点是读写效率全部优化;缺点是当热点数据发生变化时,维护量较大。

l 具体方案选择需要根据读写比例决定,在读频率远高于写频率情况下,优先考虑冗余表方案。

u 热点数据表可以用单独的优化的硬件存储,比如昂贵的闪存卡或大内存系统。

u 热点数据表的重要指标

l 热点数据的定义需要根据业务模式自行制定策略,常见策略为,按照最新的操作时间;按照内容丰富度等等。

l 数据规模,比如从1000万条数据,抽取出100万条热点数据。

l 热点命中率,比如查询10次,多少次命中在热点数据内。

l 理论上,数据规模越小,热点命中率越高,说明效果越好。需要根据业务自行评估。

u 热点数据表的动态维护

l 加载热点数据方案选择

n 定时从旧有数据结构中按照新的策略获取

n 在从旧有数据结构读取时动态加载到热点数据

l 剔除热点数据方案选择

n 基于特定策略,定时将热点数据中访问频次较少的数据剔除

n 如热点数据是冗余表,则直接删除即可,如不是冗余表,需要回写给旧有数据结构。

u 通常,热点数据往往是基于缓存或者key-value 方案冗余存储,所以这里提到的热点数据表,其实更多是理解思路,用到的场合可能并不多.

反范式设计(冗余结构设计)

l 反范式设计的概念

n 无外键,无连表查询。

n 便于分布式设计,允许适度冗余,为了容量扩展允许适度开销。

n 基于业务自由优化,基于i/o 或查询设计,无须遵循范式结构设计。

l 冗余结构设计所面临的典型场景

n 原有展现程序涉及多个表的查询,希望精简查询程序

n 数据表拆分往往基于主键,而原有数据表往往存在非基于主键的关键查询,无法在分表结构中完成。

n 存在较多数据统计需求(count, sum等),效率低下。

l 冗余设计方案

n 基于展现的冗余设计

u 为了简化展现程序,在一些数据表中往往存在冗余字段

u 举例,信息表 message,存在字段 fromuid,touid,msg,sendtime 四个字段,其中 touid+sendtime是复合索引。存在查询为 select * from message where touid=$uid order by sendtime desc limit 0,30;

u 展示程序需要显示发送者姓名,此时通常会在message表中增加字段fromusername,甚至有的会增加fromusersex,从而无需连表查询直接输出信息的发送者姓名和性别。这就是一种简单的,为了避免连表查询而使用的冗余字段设计。

n 基于查询的冗余设计

u 涉及分表操作后,一些常见的索引查询可能需要跨表,带来不必要的麻烦。确认查询请求远大于写入请求时,应设置便于查询项的冗余表。

u 冗余表要点

l 数据一致性,简单说,同增,同删,同更新。

l 可以做全冗余,或者只做主键关联的冗余,比如通过用户名查询uid,再基于uid查询源表。

u 实战范例1

l 用户分表,将用户库分成若干数据表

l 基于用户名的查询和基于uid的查询都是高并发请求。

l 用户分表基于uid分成数据表,同时基于用户名做对应冗余表。

l 如果允许多方式登陆,可以有如下设计方法

n uid,passwd,用户信息等等,主数据表,基于uid 分表

n ukey,ukeytype,uid 基于ukey分表,便于用户登陆的查询。分解成如下两个SQL

u select uid from ulist_key_13 where ukey=’$username’ and ukeytype=‘login’;

u select * from ulist_uid_23 where uid=$uid and passwd=’$passwd’;

n ukeytype定义用户的登陆依据,比如用户名,手机号,邮件地址,网站昵称等。 Ukey+ukeytype 必须唯一。

n 此种方式需要登陆密码统一,对于第三方connect接入模式,可以通过引申额外字段完成。

u 实战范例2:用户游戏积分排名

l 表结构 uid,gameid,score 参见前文实时积分排行。表内容巨大,需要拆表。

l 需求1:基于游戏id查询积分排行

l 需求2:基于用户id查询游戏积分记录

l 解决方案:建立完全相同的两套表结构,其一以uid为拆表主键,其二以gameid为拆表主键,用户提交积分时,向两个数据结构同时提交。

u 实战范例3:全冗余查询结构

l 主信息表仅包括 主键及备注memo 字段(text类型),只支持主键查询,可以基于主键拆表。所以需要展现和存储的内容均在memo字段重体现。

l 对每一个查询条件,建立查询冗余表,以查询条件字段为主键,以主信息表主键id 为内容。

l 日常查询只基于查询冗余表,然后通过in的方式从主信息表获得内容。

l 优点是结构扩展非常方便,只需要扩展新的查询信息表即可,核心思路是,只有查询才需要独立的索引结构,展现无需独立字段。

l 缺点是只适合于相对固定的查询架构,对于更加灵活的组合查询束手无策。

n 基于统计的冗余结构

u 为了减少会涉及大规模影响结果集的表数据操作,比如countsum操作。应将一些统计类数据通过冗余数据结构保存。

u 冗余数据结构可能以字段方式存在,也可能以独立数据表结构存在,但是都应能通过源数据表恢复。

u 实战范例:

l 论坛板块的发帖量,回帖量,每日新增数据等。

l 网站每日新增用户数等。

l 参见Discuz论坛系统数据结构,有较多相关结构。

l 参见前文分段积分结构,是典型用于统计的冗余结构。

l 后台可以通过源数据表更新该数字。

l RedisZset类型可以理解为存在一种冗余统计结构。

n 历史数据表

u 历史数据表对应于热点数据表,将需求较少又不能丢弃的数据存入,仅在少数情况下被访问。

以上为节选,缺失部分请点击 “查看原文”


分几次分享的意思其实很简单,这个文档很早就发布过,给很多人也分享过,但我总觉得效果不够好,不够好的原因是,很多人马马虎虎的看一遍下去,并不真的理解吸收,我还是希望有兴趣的读者多花一点时间思考这些技术问题,能透彻的理解其思路和逻辑,并真正用到工作中,提升代码和数据库操作的效率。

我们平时看技术文档,看技术专家分享的时候,多半存在这个问题,贪多嚼不烂,看着觉得对方方案很牛,但很多都只是听到了一点概念,最后真正吸收和落实的不多,我希望一些做技术的朋友能稍微慢下来,多吸收和领悟一下,然后在实践中用起来,这样,这个分享才是有意义的。

明天我会写一篇对一些技术人员吐槽的文章,谢谢。

原创: caozsay
文章来源:公众号【caoz的梦呓】(ID:caozsay)

免责声明:本文仅代表作者个人观点,与穷思笔记网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。

发表评论

登录后才能评论

联系我们

 

在线咨询:点击这里给我发消息

邮件:2267450086@qq.com

QR code