五分钟DBA:浅谈伪分布式数据库架构

网友投稿 813 2023-04-07

五分钟DBA:浅谈伪分布式数据库架构

五分钟DBA:浅谈伪分布式数据库架构

【IT168 技术】12月25日消息,2010互联网行业技术研讨峰会今日在上海华东理工大学召开。本次峰会以“互联网行业应用最佳实践”为主题,定位于互联网架构设计、应用开发、应用运维管理,同时,峰会邀请了来自盛大、阿里巴巴、五分钟等互联网企业的多位嘉宾演讲,他们将同大家一起探讨数据库技术在互联网领域的深入应用。

以下是上海五分钟网络科技有限公司金官丁主题为“浅谈伪分布式数据库架构”的演讲全文:

接下来我们马上会看一下分布式数据库一个最独特的架构图。但是看之前,这四个是核心,是四个模块的核心,我们把四个名词解释一下,什么叫局部数据库管理系统,什么是GDBMS,什么是全局数据字典,什么是通信管理。什么是局部数据库管理系统,建立和管理局部数据库,提供场地自治能力,执行局部应用及全部查询的子查询。GDBMS就是提供分布透明性,协调全局事务执行,协调各局部DBMS完成全局应用,保证数据库全局一致性。全局数据字典就是存放全局概念模式、分片模式、分布模式的定义以及各模式之间影象的定义,存放有关用户存取权限的定义,保证全局用户的权限和数据库的安全。通信管理就是实现分布式数据库各场地之间消息和数据传递。

我们看一下结构,这是腹部市数据库最复杂的结构,每个场地,每个节点都有一个全局数据字典和全局数据库管理系统,但真实的产品当中都不会使用这种方式,为什么成本太高了,最关键的还不是成本,最关键的是开放难度。实现难度,维护那块东西。特别是数据的一致性,如何管理。但是有一个好处,任何一个全局管理系统数据库死了,没关系,任何场地都是一样的,相当于都是三头六臂,砍掉一双手还有一双手。

刚刚说的数据结构等等的东西定义的。然后说的伪分布式,就是不是分布式,只是一个名字,千万不要像迷恋NoSQL一样迷恋伪分布式这个名字,都是一样的。伪分布式我简单的理解就是多个集中式数据库加上数据库自身复制,再加上开发的软件加上其他的东西,什么是其他的东西,就是可有可无的,但是有会带来一些好处。

分布式数据库的优点蛮多的,罗列一下四点。一个是数据独立性,就包括逻辑独立性跟武力独立性,这两个东西是集中数据库里面才有的,分布式独立性是跟集中数据库没有的。如果我分布在不同的结点,如果一个分片存的东西越多,存复制的份数越多,你会增加什么后果,跟带来什么优点?第一个数据一次性控制就难度加大了,第二点数据的存储容量这块又会上去了,好处是什么呢?我查询的时候特别快。理由很简单,本来这个可以在A上,现在查B,我不用从A到B上面,B上面可以直接读到这份数据,这就是好处,所以有好处也有坏处。然后全局的一致性跟可串行性和可恢复性。

另外是商业产品的费用比较高,为什么呢?如果后面是柜子存储的话,价格还会是另外一个价格卖给你。然后硬件设备也不用好一点的,一般是存储,也会有廉价IBM的。查询性为什么会下降呢?如果我数据存在不同的节点,我查到C节点,我要在B节点,刚好没有这个数据怎么办呢?是不是要拉过来,所以这样的性能有所下降。

另外一个如果我们不买商业产品,我们自己开发,这个难度太大了,技术复杂度很高。第二个你没办法那么多措施,这是一个很浩大的工程。还是有很多等待它需要完善的地方。而且大数据量的情况下并不适合用,是适合用一些并不是很大量的数据,是高可用性,不是超大规模的数据。而且它的结点是有限制的。

伪分布式数据库我接下来就吹一下伪分布式数据库的优点,缺点有会提一下。伪分布式的优点就是提供了内饰分布式数据库的数据库透明性。解决集中式数据库的扩展局限性,也就是说垂直扩展的情况下,通过这个规模提出他的能力,达不到这个应用的情况下,形成一个局限性了。还有就是能够提高数据的性能,因为我把很多数据拆到很多不同的数据上面了,把数据都拆散了,我现在PC机又不错了,可用性又得到保障。我可以做一个自动的切换,可靠性也有了,这个可用性跟可靠性是不太一样的意思。可靠性是那个数据来的,可用性是没有节点那一块的,计算方法也不一样的。

实现技术也不难,有很多思路都有现成的,开发成本也不高。而且我拆分了数据库之后,对这个数据库的维护成本还是可控的。可以用一些自动化的东西,使成本控制在更低的一个角度。缺点也是有的,第一个,不支持分布式事务,那这样就没办法了。所以只能牺牲一些一致性。还有就是通过一些设计,一些场景,有些场景不需要这么高数据的一致性。还有就是数据拆分之后出现一些数据合并的难度也很简单。像ICS网站,我跟好友的关系。还有就是查询,我的分布在不同的结点上,我就改写成多条,发给多个节定上执行掉,把这个结果反回来之后再合并,再反馈应用。这样的话数据合并这块也增加了难度,有些应用要通过技巧弥补这个缺点。

这是罗列了一下伪分布式数据库的运用场景,我特别推荐前四个,第一种类型电子商务平台,还有SNS的平台,还有IM即时通信这块,还有电子邮箱,日志跟SNS游戏,这个东西有点一般是写为主,其实IM也是写为主,但还是不一样。另外还有一个查询量比较少。游戏行业还有一个特点就是来的也快,去的也可能比较快,来的时候可能跟猛兽一样,一天加了几十万用户不知道怎么加的。我就担心这个就有点麻烦了,而且用户数不是我可控的,没办法。电子商务平台也一样,B2C还稍微好一点,如果是B2C电子商务平台的话就麻烦了。像淘宝的收藏家,这些东西不要求那么多,然后又特别大,这个时候就可以用到伪分布式存储。像阿里巴巴产品的信息,我根据不想那么多,但明天早上就会更新,游戏行业叫外挂。这个时候要把这个压力分散,这个东西就惯用了。

什么场景下比较适合呢?我大致准备了三点,一个是大数据容量。什么意思?就是几百个G。至少上百个G才可以考虑是一个大容量。这时候会导致它的垂直升级扩展寿险,这种情况后面是一个浅,还有一种高并发型事务,就是这个事务时间性很高,但又是可以拆散到各个数据库完成的事务,比如我修改我个人的信息就可以拆散做。还有数据的中心远远大于读。SNS游戏我有一个结果,读写的比例是7:1到8:1的东西。当然日志是不算。

数据更新量很大的情况下可以考虑。伪分布式数据库的架构罗列在这两种东西,可能大家都会用到的一些模块,一个是前端通信模块,跟伪分布式的中间件通过通过什么完成?像SNS游戏的话,还有统计领域,我建议大家要JSON。JSON也有它的优点,我可以让前面的人关注它业务怎么开发,不关注后面是怎么写的,没关系,我不需要关心。后端一般是采用MySQL自己的通信,当然也有其他的。当然我推荐大家可以考虑MySQL的,当然看什么开发语言。通用也有通用的好处。

命令行管理接口,就是我可以把我的盘切换掉另外一个机器,命令就会看他看的是不是主机,如果是就会换掉另外一个去,然后我做完了以后就告诉他我已经好了,其实不用告诉他,卸载里面他自己会去检测,但你也可以再发一条命令。

我这里写的是两个机房,成为服务的公司没有电器没有概念就是一个网络的机房,只是一个北方一个南方,目前北方是先读分离再读写,同时两边进行,我这边可能超前了一点。中间就有很多好处,它有两根光的,每根都是1个G的,如果用1G的带宽把用户的访问请求发过来肯定核算。如果我把这些数据同步的通过这1G的光发过去就可行了。因为上市公司很多时候要异地机房,没有的话就会限制。这个模式就是中间件前面就是应用服务起,最下面是一个数据库继承的模式,我们每一组数据库都是双组复制,而且现在5.5可以异步也可以实时同步了。

我跟大家解释一下,怎样走过去,其实队列发过数据过去,比如我得到一个请求,除了本机的机房数据,同时发到我的一个队列,告诉队列你再把这个数据作为一个模式发到另外一个机房去。这样的话我就可以解决两个机房同步,而且我不需要增加额外的开发。而且中间件还可以做到一些高可用性。

然后比如我叫A名字,这个名字一进来之后,这个表的名字就会出现。也有数据库的名字,比如我们会叫某某某下划线1,或者是下划线2,第二个就是数据库路由表的方式,这就有很好的方式了。我不关心是多少,我一个库、两个库就够了。当我发现今天十几万,明天又十几万我觉得这靠普了,或者我再加一个机器,就写进去了,在写的过程当中,我们一般会等到零写慢了以后,再进一步分发。新用户写慢了一百万了,我这个数据就轮流写,A写一下B写一下,这样就有很多好处,一个游戏靠普了,才可以这样用,还有一点游戏都有它的寿命周期,像尤其的话一般SNS的游戏1、2年,那我怎么把这个用户处理呢?我又不能抛弃,就合并掉。然后这两个表我就不具体揭示了,我解释一下第二张表里面UID、DDIB里面的,为什么再加个72345的东西,因为SNS我们自己没有平台的,我们都做第三方平台的。怎么办,别人传给我的ID都不会让你知道他有多少用户、多少安装量。如果他告诉你,你就可以猜出他们有多少用户。

人人一开始给你1开始,后面就15位到30位不等。***也是很长的,你都猜不出来的,怎么办呢?我管你是什么东西,我只要做MD5操作,这样就有好处了。游戏了用过这个操作的,从第三方网站跳到游戏之后就不再用第三方的ID做用户的转换、用户的交换就可以用自己的ID了。包括物品的ID等等的东西,每个用户只有这一个有这个东西,我某某开头的,也是个好处。这就是生成器的设计,就是说我要实现MySQL自身增长的效果,还有我之前的增长有全局的唯一性,还有支持数据库给予的射精拆分,就是每个数据库里面永不了,还要再分表。时候可能很大,为什么要再拆分一下呢?这个就提到5.5,我一直提到他提到变更表的时候,不要锁表,也就不要堵住中心。我们测了一下还是会,虽然有提高,改变了以前很傻的模式。现在不会复制了,现在就是增加数据。但还是会锁表。那我怎么办,总不能老停机,这样损失的是钱,老板肯定不高兴。所以这时候我们就拆分一下,拆分成小表,我执行的操作就是10秒钟之内搞定的,这多快。然后数据库表这块,一个是表名称,然后还有我分表分多少个,如果分一个就写一,我们是这么设计的,你们可以自己控制。开始值一个是布长。

我怎么办呢?我起来先读一万个ID出去,用完再启一次,这块就是好处。换了这个程序的更换。两个模式都好用,通用型,不要把以前写的不好的,都想搬上来,这个不合适,会有很多问题,所以大家一定要控制这块。不是说简单应该说简洁是最好的。存储设计的时候就要考虑这些东西,这块就要先考虑到,如果考虑这些东西开发成本就降低了。比如我做SNS游戏就有一个,再也不要关心我的数据怎么分的,怎么存的。我只关心我的业务逻辑就够了,中间一定要记住千万不要跑业务逻辑,一跑就要上当了,就永无安宁了。这个一定要抵制,一定要坚持底线。所以这个大家控制的好,对公司长远的发展有一些好处,但这些东西也给公司带来成本,但也要慎用。

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:构建 MariaDB Galera Cluster 分布式数据库集群(一)
下一篇:从零开发分布式数据库中间件 二、构建MyBatis的读写分离数据库中间件
相关文章