内容简介：典型数据库架构设计与实践 | 架构师之路
本文，将介绍数据库架构设计中的一些 基本概念 ， 常见问题 以及对应 解决方案 ，为了便于读者理解，将以“用户中心”数据库为例，讲解数据库架构设计的常见玩法。
一、用户中心
用户中心 是一个常见业务，主要提供用户注册、登录、信息查询与修改的服务，其核心元数据为：
User(uid, uname, passwd, sex, age,nickname, …)
其中：
-
uid 为用户 ID ，主键
-
uname, passwd, sex, age, nickname, … 等为用户的属性
数据库设计上，一般来说在业务初期，单库单表就能够搞定这个需求。
二、图示说明
为了方便大家理解，后文图片说明较多，其中：
-
“灰色”方框，表示 service ，服务
-
“紫色”圆框，标识 master ，主库
-
“粉色”圆框，表示 slave ，从库
三、单库架构
最常见的架构设计如上：
-
user-service ：用户中心服务，对调用者提供友好的 RPC 接口
-
user-db ：一个库进行数据存储
四、分组架构
什么是分组？
答 ：分组架构是最常见的 一主多从，主从同步，读写分离 数据库架构：
-
user-service ：依旧是用户中心服务
-
user-db-M(master) ：主库，提供数据库写服务
-
user-db-S(slave) ：从库，提供数据库读服务
主和从构成的数据库集群称为“组” 。
分组有什么特点？
答 ：同一个组里的数据库集群：
-
主从之间通过 binlog 进行数据同步
-
多个实例数据库结构完全相同
-
多个实例存储的数据也完全相同，本质上是将数据进行复制
分组架构究竟解决什么问题？
答 ： 大部分互联网业务读多写少 ， 数据库的读往往最先成为性能瓶颈 ，如果希望：
-
线性提升数据库读性能
-
通过消除读写锁冲突提升数据库写性能
-
通过冗余从库实现数据的“读高可用”
此时可以使用分组架构，需要注意的是， 分组架构中，数据库的主库依然是写单点 。
一句话总结， 分组解决的是“数据库读写高并发量高”问题 ，所实施的架构设计。
五、分片架构
什么是分片？
答 ：分片架构是大伙常说的 水平切分 (sharding) 数据库架构：
-
user-service ：依旧是用户中心服务
-
user-db1 ：水平切分成 2 份中的第一份
-
user-db2 ：水平切分成 2 份中的第二份
分片后，多个数据库实例也会构成一个数据库集群。
水平切分，到底是分库还是分表？
答 ： 强烈建议分库 ，而不是分表，因为：
-
分表依然公用一个数据库文件，仍然有磁盘 IO 的竞争
-
分库能够很容易的将数据迁移到不同数据库实例，甚至数据库机器上，扩展性更好
水平切分，用什么算法？
答 ：常见的水平切分算法有 “范围法”和“哈希法” ：
范围法 如上图：以用户中心的业务主键 uid 为划分依据，将数据水平切分到两个数据库实例上去：
-
user-db1 ：存储 0 到 1 千万的 uid 数据
-
user-db2 ：存储 0 到 2 千万的 uid 数据
哈希法 如上图：也是以用户中心的业务主键 uid 为划分依据，将数据水平切分到两个数据库实例上去：
-
user-db1 ：存储 uid 取模得 1 的 uid 数据
-
user-db2 ：存储 uid 取模得 0 的 uid 数据
这两种方法在互联网都有使用，其中 哈希法使用较为广泛 。
分片有什么特点？
答 ：同一个分片里的数据库集群：
-
多个实例之间本身不直接产生联系，不像主从间有 binlog 同步
-
多个实例数据库结构，也完全相同
-
多个实例存储的数据之间没有交集，所有实例间数据并集构成全局数据
分片架构究竟解决什么问题？
答 ：大部分互联网业务数据量很大， 单库容量容易成为瓶颈 ，此时通过分片可以：
-
线性提升数据库写性能，需要注意的是，分组架构是不能线性提升数据库写性能的
-
降低单库数据容量
一句话总结， 分片解决的是“数据库数据量大”问题 ，所实施的架构设计。
六、分组 + 分片架构
如果业务 读写并发量很高，数据量也很大 ，通常需要实施 分组 + 分片 的数据库架构：
-
通过分片来降低单库的数据量，线性提升数据库的写性能
-
通过分组来线性提升数据库的读性能，保证读库的高可用
七、垂直切分
除了水平切分，垂直切分也是一类常见的数据库架构设计， 垂直切分一般和业务结合比较紧密 。
还是以用户中心为例，可以这么进行垂直切分：
User(uid, uname, passwd, sex, age, …)
User_EX(uid, intro, sign, …)
-
垂直切分开的表，主键都是 uid
-
登录名，密码，性别，年龄等属性放在一个垂直表（库）里
-
自我介绍，个人签名等属性放在另一个垂直表（库）里
如何进行垂直切分？
答 ：根据业务对数据进行垂直切分时，一般要考虑属性的 “长度”和“访问频度” 两个因素：
-
长度较短，访问频率较高的放在一起
-
长度较长，访问频度较低的放在一起
这是因为，数据库会以行 (row) 为单位，将数 load 到内存 (buffer) 里，在内存容量有限的情况下，长度短且访问频度高的属性，内存能够 load 更多的数据，命中率会更高，磁盘 IO 会减少，数据库的性能会提升。
垂直切分有什么特点？
答 ：垂直切分和水平切有相似的地方，又不太相同：
-
多个实例之间也不直接产生联系，即没有 binlog 同步
-
多个实例数据库结构，都不一样
-
多个实例存储的数据之间至少有一列交集，一般来说是业务主键，所有实例间数据并集构成全局数据
垂直切分解决什么问题？
答 ：垂直切分即可以 降低单库的数据量 ，还可以 降低磁盘 IO 从而提升吞吐量 ，但它与业务结合比较紧密，并不是所有业务都能够进行垂直切分的。
八、总结
文章较长，希望至少记住这么几点：
-
业务初期用 单库
-
读压力大，读高可用，用 分组
-
数据量大，写线性扩容，用 分片
-
属性短，访问频度高的属性， 垂直拆分 到一起
希望大伙有收获。
==
以上所述就是小编给大家介绍的《典型数据库架构设计与实践 | 架构师之路》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
猜你喜欢:
- zookeeper典型应用场景解析
- 单例模式及典型应用
- Java XXE 漏洞典型场景浅析
- 利用jstack定位典型性能问题实例
- [译] Elasticsearch Top 5 典型应用场景
- 设计模式 | 享元模式及典型应用
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
