知识卡片

普通读书笔记卡

存算分离:用网络延迟换取计算与存储的独立弹性

理解等级:未标注

Shared-Nothing架构把计算资源和存储资源绑定在同一物理节点上, 优点是节点只处理本地数据、不依赖网络就能完成I/O,天然易于横向 扩展;但代价是数据划分策略一旦不合适(访问热点集中在少数节点), 就会造成资源浪费和性能瓶颈,而且计算和存储紧耦合意味着扩容时 必须连带一起扩,即便只是计算能力不够、存储空间还很充裕,也要 为不需要的存储资源买单,缩容或迁移时更要重新划分和搬迁大量 数据,可能造成业务长时间暂停。计算与存储分离架构反过来把两者 彻底拆开:计算节点专注CPU和内存,本身是无状态的,不存任何数据, 只把少量本地存储当缓存用;存储节点专注持久化容量,两者通过 网络(如SAN)连接。这样换来的好处是计算和存储可以独立扩缩—— 写入压力大就单独加存储节点,计算任务重就单独加计算节点,不再 被迫为不需要的那一半资源付费;而且计算节点因为不存数据,可以 做到秒级的启动和释放,弹性能力远超紧耦合架构。但这个自由不是 免费的:紧耦合架构里计算层通过本地磁盘I/O读存储,延迟是微秒 级;存算分离后计算层要经网络读远端存储,延迟涨到毫秒级——这 正是云原生数据库设计要重点优化的瓶颈所在,用网络延迟的代价, 换取了扩展弹性和成本优化的自由度。

这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    原书出处

    参考来源

    - 位置:《新型数据库系统:原理、架构与实践》第8章"云数据库 技术"8.2节"云数据库的核心技术"(源文件: _epub-src/EPUB/xhtml/Section0001_0010.xhtml) - 结论依据:原文明确"SN中的节点的计算和存储是紧耦合的。当SN 需要增加大量的节点或者释放大量的节点时,SN需要将大量的数据 进行重新划分并进行迁移……计算资源和存储资源分离的最大优势 是计算资源和存储资源的解耦……在传统的单机架构或者Shared- Nothing架构中,计算层是通过磁盘I/O来和存储层进行数据的传输, 延迟是微秒级别。然而,在计算和存储分离架构中,延迟可能会 达到毫秒级别",直接对比两种架构在扩容成本和延迟代价上的差异。 - 原始内容:计算资源和存储资源分离的最大优势是计算资源和存储 资源的解耦。这样,计算的扩展和存储的扩展相互独立,互不影响…… 由于计算层和存储层是通过网络进行数据的传输,因此系统性能 受限于网络的延迟和带宽。