知识卡片
关系数据库的架构演进四阶段
互联网场景下关系数据库常见的两个性能瓶颈——大量并发读写导致单库负载压力过大、单表数据量过大导致检索效率低下——催生了一条依次递进的架构演进路径,理解每一步解决的是哪一个具体瓶颈,能看清为什么不能跳过某一步直接上分库分表。读写分离:随着用户规模上升单库TPS/QPS越来越低,按二八法则80%流量在读操作、20%在写操作,因此设置Master负责写、Slave负责读(一主一从或一主多从),主备间数据同步;需注意Master与Slave之间存在同步延迟,写入Master前最好也把同一份数据落到缓存中,避免高并发下从Slave读不到刚写入的数据。垂直分库:读写分离只能缓解、无法根治瓶颈,随着规模继续上升,需要按业务垂直划分,把原本冗余在单库中的数据表拆分到不同的业务库中——以MySQL为例,单表数据量超过500万行后读操作会逐渐成为瓶颈(写是顺序写,基本不受数据膨胀影响,只有读会遇到上限)。水平分表:把原本冗余在单库中的单个业务表拆分为n个”逻辑相关”的业务子表(如tab_0000、tab_0001),各自负责存储不同区间的数据,对外呈现为一个整体,这就是Sharding操作。水平分库:如果垂直分库后单一业务库的Master TPS依然过高,则进一步把水平分表后的业务子表按特定算法分散到n个业务子库中——这一步实施最复杂,需要专门的Sharding中间件负责路由。这四步呈现出一条清晰的规律:先解决”读写混在一起”的问题(读写分离),再解决”业务混在一起”的问题(垂直分库),最后解决”单表/单库容量到顶”的问题(水平分表/分库),每一步都是在前一步已经不够用之后才被迫采用的下一层级解法。
结构图:
flowchart LR
A[单库单表] --> B[读写分离<br/>Master写,Slave读]
B --> C[垂直分库<br/>按业务拆分到不同库]
C --> D[水平分表<br/>单表拆为n个逻辑相关子表]
D --> E[水平分库<br/>子表进一步分散到n个子库]
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
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:《超大流量分布式系统架构解决方案:人人都是架构师2.0》第5章《星罗棋布——分库分表方案》"5.1 关系数据库的架构演变"节(源文件:OEBPS/Text/0010.xhtml)
- 结论依据:原文依次说明"5.1.1 数据库读/写分离……5.1.2 数据库垂直分库……当MySQL单表的数据量超过500万行时,读操作就会逐渐成为瓶颈……5.1.3 数据库水平分库与水平分表……水平分表就是将原本冗余在单库中的单个业务表拆分为n个'逻辑相关'的业务子表",直接支撑本卡片结构。
- 原始内容:由 Master 负责写操作,而 Slave 作为备库……当MySQL单表的数据量超过500万行时,读操作就会逐渐成为瓶颈……水平分表就是将原本冗余在单库中的单个业务表拆分为n个"逻辑相关"的业务子表(如 tab_0000、tab_0001、tab_0002...)。