zoukankan
html css js c++ java
数据库的伸缩性
我主要来回顾一些一个慢慢变大的互联网应用如何应对数据库这一层的伸缩。
首先刚开始,人不多,压力也不大,搞一台数据库服务器就搞定了,此时所有的东东都塞进一个Server里,包括web server,app server,db server,但是随着人越来越多,系统压力越来越多,这个时候可能你把web server,app server和db server分离了,好歹这样可以应付一阵子,但是随着用户量的不断增加,你会发现,数据库这哥们不行了,速度老慢了,有时候还会宕掉,所以这个时候,你得给数据库这哥们找几个伴,这个时候Master-Salve就出现了,这个时候有一个Master Server专门负责接收写操作,另外的几个Salve Server专门进行读取,这样Master这哥们终于不抱怨了,总算读写分离了,压力总算轻点了,这个时候其实主要是对读取操作进行了水平扩张,通过增加多个Salve来克服查询时CPU瓶颈。一般这样下来,你的系统可以应付一定的压力,但是随着用户数量的增多,压力的不断增加,你会发现Master server这哥们的写压力还是变的太大,没办法,这个时候怎么办呢?你就得切分啊,俗话说“只有切分了,才会有
伸缩性
嘛”,所以啊,这个时候只能分库了,这也是我们常说的数据库“垂直切分”,比如将一些不关联的数据存放到不同的库中,分开部署,这样终于可以带走一部分的读取和写入压力了,Master又可以轻松一点了,但是随着数据的不断增多,你的数据库表中的数据又变的非常的大,这样查询效率非常低,这个时候就需要进行“水平分区”了,比如通过将User表中的数据按照10W来划分,这样每张表不会超过10W了。
综上所述,一般一个流行的web站点都会经历一个从单台DB,到主从复制,到垂直分区再到水平分区的痛苦的过程。其实数据库切分这事儿,看起来原理貌似很简单,如果真正做起来,我想凡是sharding过数据库的哥们儿都深受其苦啊。对于数据库伸缩的文章,哥们儿可以看看后面的参考资料介绍。
查看全文
相关阅读:
csharp:Validate email address using C#
Sql:SQL Server CREATE SEQUENCE statement
机器学习实战---SVD简化数据
机器学习实战---PCA降维
机器学习实战---使用FP-growth算法来高效发现频繁项集
机器学习实战---使用Apriori算法进行关联分析
机器学习实战---集成学习AdaBoost算法
支持向量机核函数的实现
支持向量机SMO算法实现(注释详细)
帧缓冲
原文地址:https://www.cnblogs.com/catkins/p/5270497.html
最新文章
MySQL基于日志还原数据
详解实时查看网卡流量的几款工具
如何在Linux上恢复误删除的文件或目录
云锵投资 2020 年 07 月简报
指令v-on:clcik 使用方法
Python函数 形参 什么是*args和**kwargs 用法
有了curl 复现请求 so easy
vue 的http请求方法---自带的vue-resource
路由
Vue2.x-生命周期钩子
热门文章
属性传值props (组件传值)
CLI注册局部组件---和---注册全局组件
组件的使用
改变其他vue对象里面的信息
vue常识笔记
使用socket链接数据库的方法
JDK下载的地址
VoIP语音通话研究【进阶篇(一):freepbx的first call】
Golang 编译Mac、Linux、Windows多平台可执行程序
部署一套完整的Kubernetes高可用集群(二进制,v1.18版)
Copyright © 2011-2022 走看看