探讨篇（四）：分布式数据访问解决方案
背景
如果数据在同一个服务的同一个数据库，通过SQL即可查询相对比较简单，但当数据被分布到不同服务不同的数据库中时，访问组合数据的操作就变的比较困难。针对这个问题，本文描述了服务读取不同服务的数据库的几种方法：服务间通信模式、数据缓存模式、数据复制模式、数据共享模式
本文的观点源自我在日常学习与实践过程中的思考，尚处于不断探索和验证的阶段。希望能“抛砖引玉”，激发更多的讨论与交流。让我们共同进步，在探讨与实证中寻求真知。
一、服务通信模式
如果一个服务需要读取它无法直接访问的数据库，只需要使用远程调用比如RPC协议访问另外一个服务即可，这也是很多团队采用的一种方式，如下图：
这看起来很简单，但技术充满挑战问题
•首先是数据网络延迟导致服务A性能下降。
•服务之间的耦合，为了满足服务A的访问量，B服务必须随着A服务的流量规模变化而变化。
| 服务通信模式优缺点 | ||
| 优点 | 1、没有数据量问题 | |
| 缺点 | 1、网络延迟导致性能问题，很常见的TP99跳点，抖动现象 2、可伸缩性和吞吐量问题 3、可用性问题 | |
二、数据缓存模式
在上面服务通信的基础上加上缓存，这是很多团队使用的第二种方式。数据保存在每个服务的内存中并持续同步，因此服务拥有完全相同的数据。缓存又分为本地缓存+分布式缓存的组合关系。
1.单机本地缓存，每个服务都包含自己的数据。这种模式对应服务之间无法共享，比如服务启动加载数据到本地缓存。
2.分布式缓存：数据服务之间共享。但这种模式不是有效的复制缓存模式，因为它不能解决服务间通信模式下存在的容错性问题，获取数据从服务调用变成了缓存服务。其次由于缓存数据是中心化及共享的，打破数据所有权，并且可能导致缓存和数据库数据不一致。
以下是每种实现方式优缺点如下：
实现方式一：本地缓存/分布式缓存+RPC远程调用
| 实现方式一：缓存前置（本地缓存/分布式缓存+RPC远程调用），它的核心思想是利用缓存来减少对远程服务的调用次数，从而提高系统的性能和响应速度 | |
| 优点 | 1、减少延迟：通过从本地或分布式缓存中读取数据，可以显著减少对远程服务的调用次数，从而降低响应时间和提高用户体验 2、减轻远程服务压力：缓存可以吸收大量读请求，减少远程服务的负载，特别是在高流量场景下。 |
| 缺点 | 1、数据一致性问题：缓存中的数据可能会过时，如果远程服务的数据发生变化，缓存中的数据需要及时更新，否则可能会导致数据不一致。 2、复杂性增加：缓存策略的引入增加了系统的复杂性，需要考虑缓存更新、失效策略、数据一致性保证等问题。 3、资源消耗：缓存需要占用额外的存储空间，如果数据量很大，缓存可能会消耗大量内存或磁盘空间。 |
实现方式二：通过RPC服务通讯同步推送数据+本地缓存
| 实现方式二：通过RPC服务通讯同步推送数据+本地缓存 | |
| 优点 | 1）实时性：服务B在数据发生变化时立即推送，服务A可以实时获取最新数据。 2）资源利用率高：只有在数据发生变化时才会进行通信，减少了无谓的资源消耗。 3）减少轮询压力：避免了定时任务轮询对服务器的压力。 |
| 缺点 | 1）复杂性：需要在服务B中实现推送逻辑，增加了系统的复杂性。 2）维护成本：推送机制需要额外的维护，包括失败重试、消息顺序保证等 |
实现方式三：通过定时任务worker，服务A通过RPC调用服务B拉数据
| 实现方式三：通过定时任务worker，服务A通过RPC调用服务B拉数据 | |
| 优点 | 1）无需变更现有服务：不需要修改服务B的代码，只需在服务A中添加定时任务。 |
| 缺点 | 1）性能开销：频繁的定时任务可能会对服务A和服务B的性能产生一定影响。 2）延迟性：数据更新可能存在延迟，特别是如果定时任务的频率不高。 3）资源占用：即使没有数据更新，定时任务也会占用系统资源。 4）灵活性差：如果数据更新频率变化较大，固定周期的定时任务可能不够灵活 |
实现方式四：通过异步MQ获取数据
| 实现方式四：通过异步MQ获取数据 | |
| 优点 | 1）异步、削峰、解耦：服务B在数据发生变化时只需发送消息，不需要等待服务A的处理结果。 2）容错性：MQ通常提供消息持久化机制，即使服务A暂时不可用，消息也不会丢失。 |
| 缺点 | 1）复杂性：引入MQ增加了系统的复杂性，需要考虑消息的顺序性、消息丢失、重复消费等问题。 2）延迟：虽然MQ可以提供实时消息传递，但在高并发或者网络问题的情况下，仍然可能存在延迟。 |
缓存模式优缺点：
| 缓存模式优缺点 | ||
| 优点 | 1、提高了数据访问性能 2、没有可伸缩性和吞吐量问题 3、良好容错性 | |
| 缺点 | 1、大数据量不友好（比如200M），可行性降低 2、高频更新不友好，无法保持完全同步，对于相对静态数据，比较合适 3、缓存数据和服务启动的服务依赖关系。常见机器扩容N台机器，N台同时通过RPC访问服务B，导致服务B流量暴涨，并且写分布式缓存流量暴涨（N台*每台缓存大小） 4、适合一致性较弱的场景，缓存一致性问题，可能导致数据陈旧 | |
三、数据复制模式
在数据复制模式中，表之间会进行数据复制，也就是在数据库A冗余数据库B数据。这样可以确保服务A直接访问数据库A获取到数据库B的数据。可以通过很多种实现方式：
| 实现方式四：binlog同步，需要注意binlog数据量 | |
| 优点 | 1）实时性：Binlog可以捕获数据库的实时变化，使得数据同步具有较低的延迟。 |
| 缺点 | 1）性能影响：虽然Binlog的开销相对较小，但在高并发写入的场景下，Binlog的生成和处理仍然会对数据库性能产生一定影响。 2）依赖数据库：这种同步方式依赖于MySQL的Binlog功能 |
这种方案改善了上面服务通信的性能，容错性，可伸缩性问题。某些场景可用，比如聚合，报表或者其他不适合高性能需求，高容错性的时候
| 数据复制模式优缺点 | ||
| 优点 | 1、良好的数据访问性能 2、没有可伸缩性和吞吐量问题 3、没有容错性问题 4、没有服务直接依赖 | |
| 缺点 | 1、数据一致性问题 2、数据归属权问题 3、需要数据同步 | |
四、数据共享模式
如果上面的3种方式都不行，那可以用兜底方式，用创建数据领域，把数据组合到共享的数据库，让服务A和服务B都能访问。
| 数据库共享模式优缺点 | ||
| 优点 | 1、良好的数据访问性能 2、没有可伸缩性和吞吐量问题 3、良好容错性 4、无服务依赖 5、数据保持一致 | |
| 缺点 | 1、数据所有权治理 2、数据访问安全 | |
总结
1.通过本文的探讨，大家可以更全面地了解分布式数据访问的挑战和可能的解决方案
2.每种模式都有其优势和不足以及应用场景，本文旨在通过对比分析，为实际应用中的选择提供指导。
3.如果以上文案有问题或者还有更好的方案，欢迎评论区留言补充完善，谢谢
