面试突击MySQL:高并发情况下,数据库该如何设计?

转载:http://blog.itpub.net/70000181/viewspace-2776766/

面试题剖析

为什么要分库分表?(设计高并发系统的时候,数据库层面该如何设计?)

说白了,分库分表是两回事儿,大家可别搞混了,可能是光分库不分表,也可能是光分表不分库,都有可能。我先给大家抛出来一个场景:

假如我们现在是一个小创业公司(或者是一个BAT公司刚兴起的一个新部门),现在注册用户就20万,每天活跃用户就1万,每天单表数据量就1000,然后高峰期每秒钟并发请求最多就10。天,就这种系统,随便找一个有几年工作经验的,然后带几个刚培训出来的,随便干什么都可以。

结果没想到我们运气居然这么好,碰上个CEO带着我们走上了康庄大道,业务发展迅猛,过了几个月,注册用户数达到了2000万!每天活跃用户数100万!每天单表数据量10万条!高峰期每秒最大请求达到1000!同时公司还顺带着融资了两轮,进账了几个亿人民币啊!公司估值达到了惊人的几亿美金!这是小独角兽的节奏!

好吧,没事,现在大家感觉压力已经有点大了,为啥呢?因为每天多10万条数据,一个月就多300万条数据,现在咱们单表已经几百万数据了,马上就破千万了。但是勉强还能撑着。高峰期请求现在是1000,咱们线上部署了几台机器,负载均衡搞了一下,数据库撑1000QPS也还凑合。但是大家现在开始感觉有点担心了,接下来咋整呢..... .

在接下来几个月,我的天,CEO 太牛逼了,公司用户数已经达到1亿,公司继续融资几十亿人民币啊!公司估值达到了惊人的几十亿美金,成为了国内今年最牛逼的明星创业公司!天,我们太幸运了。

但是我们同时也是不幸的,因为此时每天活跃用户数上千万,每天单表新增数据多达 50万,目前一个表总数据量都已经达到了两三千万了!扛不住啊!数据库磁盘容量不断消耗掉!高峰期并发达到惊人的

5000~8000!别开玩笑了,哥。我跟你保证,你的系统支撑不到现在,已经挂掉了!

好吧,所以你看到这里差不多就理解分库分表是怎么回事儿了,实际上这是跟着你的公司业务发展走的,你公司业务发展越好,用户就越多,数据量越大,请求量越大,那你单个数据库一定扛不住。

 
image.png

分表

比如你单表都几千万数据了,你确定你能扛住么?绝对不行,单表数据量太大,会极大影响你的 sql 执行的性能,到了后面你的 sql可能就跑得很慢了。一般来说,就以我的经验来看,单表到几百万的时候,性能就会相对差一些了,你就得分表了。

分表是啥意思?就是把一个表的数据放到多个表中,然后查询的时候再查一个表。比如按照用户id来分表,将一个用户的数据就放在一个表中。然后操作的时候你对一个用户就操作那个表就好了。这样可以控制每个表的数据量在可控的范围内,比如每个表就固定在 200万以内。

分库

分库是啥意思?就是你一个库一般我们经验而言,最多支撑到并发2000,一定要扩容了,而且一个健康的单库并发值你最好保持在每秒1000 左右,不要太大。那么你可以将一个库的数据拆分到多个库中,访问的时候就访问一个库好了。

这就是所谓的分库分表,为啥要分库分表?你明白了吧。

 
image.png

你们具体是如何对数据库如何进行垂直拆分或水平拆分的?

水平拆分的意思,就是把一个表的数据给弄到多个库的多个表里去,但是每个库的表结构都一样,只不过每个库表放的数据是不同的,所有库表的数据加起来就是全部数据。水平拆分的意义,就是将数据均匀放在更多的库里,然后用多个库来扛更高的并发,还有就是用多个库的存储容量来进行扩容。

 
image.png

垂直拆分的意思,就是把一个有很多字段的表给拆分成多个表,或者是多个库上去。每个库表的结构都不一样,每个库表都包含部分字段。一般来说,会将较少的访问频率很高的字段放到一个表里去,然后将较多的访问频率很低的字段放到另外一个表里去。因为数据库是有缓存的,你访问频率高的行字段越少,就可以在缓存里缓存更多的行,性能就越好。这个一般在表层面上做得较多一些。

 
image.png

还有表层面的拆分,就是分表,将一个表变成N个表,就是让每个表的数据量控制在一定范围内,保证SQL 的性能。否则单表数据量越大,SQL性能就越差。一般是200万行左右,不要太多,但是也得看具体你怎么操作,也可能是500万,或者是100万。你的SQL越复杂,就最好让单表行数越少。

涉及高并发系统,我该怎么办?

如果不想只是单纯地做个底层CRUD的搬砖程序员,那么对于高并发系统设计这一类的问题,你必须得掌握!不用慌,小编整理了46问,贯穿整个高并发系统设计的问题,涉及: 基础、数据库、缓存、消息队列、分布式、维护、实战操练等7个部分的内容(并将每一问的答案解析整理完整)。

 
image.png
  1. 为什么要学习高并发系统设计?
  2. 高并发系统:它的通用设计方法是什么
  3. 架构分层:我们为什么一定要这么做
  4. 系统设计目标(一):如何提升系统性能
  5. 系统设计目标(二):系统怎样做到高可用
  6. 系统设计目标(三):如何让系统易于扩展
  7. 面试现场第一期:当问到组件实现原理时,面试官是在***难你吗?
  8. 池化技术:如何减少频繁创建数据库连接的性能损耗?
  9. 数据库优化方案(一):查询请求增加时,如何做主从分离
  10. 数据库优化方案(二):写入数据量增加时,如何实现分库分表
  11. 发号器:如何保证分库分表后ID的全局唯─性?
  12. NoSQL:在高并发场景下,数据库和 NoSQL 如何做到互补?
  13. 缓存:数据库成为瓶颈后,动态数据的查询要如何加速?
  14. 缓存的使用姿势(一):如何选择缓存的读写策略?
  15. 缓存的使用姿势(二):缓存如何做到高可用?
  16. 缓存的使用姿势(三):缓存穿透了怎么办?
  17. CDN:静态资源如何加速?
  18. 数据的迁移应该如何做?
  19. 消息队列:秒杀时如何处理每秒上万次的下单请求?
  20. 消息投递:如何保证消息仅仅被消费一次?
  21. 消息队列:如何降低消息队列系统中消息的延迟?
  22. 面试现场第二期:当问到项目经验时,面试官究竟想要了解什么
  23. 从“心”出发,我还有无数个可能
  24. 高并发系统设计期中测试题目解析
  25. 系统架构:每秒1万次请求的系统要做服务化拆分吗?
  26. 微服务架构:微服务化后系统架构要如何改造?
  27. RPC框架:10万 Q P S 下如何实现毫秒级的服务调用?
  28. 注册中心:分布式系统如何寻址?
  29. 分布式Trace :横跨几十个分布式组件的慢请求要如何排查?
  30. 负载均衡:怎样提升系统的横向扩展能力?
  31. A P I 网关:系统的门面要如何做呢?
  32. 多机房部署:跨地域的分布式系统如何做?
  33. Service Mesh:如何屏蔽服务化系统的服务治理细节?
  34. 给系统加上眼睛:服务端监控要怎么做?
  35. 应用性能管理:用户的使用体验应该如何监控?
  36. 压力测试:怎样设计全链路压力测试平台?
  37. 配置管理:成千上万的配置项要如何管理?
  38. 降级熔断:如何屏蔽非核心系统故障的影响?
  39. 流量控制:高并发系统中我们如何操纵流量?
  40. 面试现场第三期:你要如何准备—场技术面试呢?
  41. 计数系统设计(一):面对海量数据的计数器要如何做
  42. 计数系统设计(二):50万 Q PS下如何设计未读数系统
  43. 信息流设计(一):通用信息流系统的推理模式要如何做
  44. 信息流设计(二):通用信息流系统的拉模式要如何做
  45. 高并发下如何发现和排查问题?
  46. 我们如何准备抵抗流量峰值?

答案解析原件(如下图,内容过多近400页的 高并发系统设计文档,无法一一将答案上传)

1
原件获取;找微u;mf97532
 
image.png

此外,怎么肝下MySQL?

想肝MySQL说难也还行吧,不说别的,我准备了 167道超高频的MySQL面试问题(附解析,包含从基础-索引-锁-日志-调优等内容),想做Java高级程序员乃至Java架构师,想拿阿里P7-P8的offer,先将下面这些内容装进脑子里吧!

 
image.png

 

答案解析原件(如下图,内容过多64页的 167道超高频的MySQL面试文档,无法一一将答案上传,但已整理如下的文档)

image.png
posted @ 2023-04-06 14:28  小学生II  阅读(241)  评论(0编辑  收藏  举报