数据库架构案例分析

 

原创 2015-12-08 杜亦舒 性能与架构
这篇文章是对又拍网公布的数据库案例的分析总结
 
又拍网是一个大型照片分享社区,数据库架构也是从简单到复杂发展起来的
 
数据库进化过程
 
(1)一主一从
 
最初是由一台主库和一台从库组成,当时从库只用作备份和容灾,当主库出现故障时,从库就手动变成主库
 
随着压力的增加,加上了memcached
 
(2)一主多从
 
通过添加多个从库来分流查询压力
 
(3)数据库拆分
 
随着数据量的增加,读写压力都迅速增加,决定进行数据库拆分,将数据存放到不同的数据库服务器中
 
数据库拆分
 
一般可以按两个纬度来拆分数据:
 
(1)垂直拆分
 
按功能模块拆分,多个数据库之间的表结构不同
 
(2)水平拆分
 
将同一个表的数据进行分块保存到不同的数据库中,数据库中的表结构相同
 
 
又拍网的核心业务对象是用户上传的照片,而照片数据的增加速度随着用户量的增加越来越快
 
压力基本上都在照片表上,垂直拆分不太适合,所以,采用了水平拆分的方式
 
拆分规则
 
常见的拆分方式是对表中某列值的范围或者hash值拆分,比如ID在0-10000之间的用户对应到数据库A,ID在10000-20000这个范围的对应到数据库B
 
这种方法实现起来比较方便高效,但是不能满足后续的伸缩性要求,如果需要增加数据库节点,必需调整算法或移动很大的数据集,比较难做到在不停止服务的前提下进行扩充数据库节点
 
又拍网采用的拆分方法是:映射表
 
这种方法是指建立一个索引表,保存每个用户ID和数据库ID的对应关系,每次读写用户数据时先从这个表获取对应数据库,新用户注册后,在所有可用的数据库中随机挑选一个为其建立索引
 
把索引表进行缓存,提高检索性能
 
数据迁移
 
如果需要平衡各个节点的压力,需要进行数据的迁移
 
例如要迁移用户A的数据
 
(1)将A状态置为迁移数据中,这个状态的用户不能进行写操作,并在页面上进行提示
 
(2)然后将用户A的数据全部复制到新增加的节点上
 
(3)更新映射表
 
(4)将用户A的状态置为正常
 
(5)将原数据库上的数据删除
 
迁移操作放在凌晨,减少对用户访问的影响
 
数据访问过程
 
 
 
拆分带来的问题
 
(1)跨库关联查询
 
如果需要查询的数据分布于不同的数据库,不便于通过JOIN的方式查询获得
 
比如要获得好友的最新照片,不能保证所有好友的数据都在同一个数据库里,需要通过多次查询,再进行聚合
 
有些需求可以通过保存多份数据来解决,例如用户A、用户B的数据库分别是DB1、DB2,当A评论了B作品时
 
先在B所在DB2中photo_comments表插入记录,记录B的哪个作品被谁评论了什么内容
 
然后在A所在DB1中user_comments表插入记录,记录A给哪个作者的哪个作品发表过评论
 
这样可以通过photo_comments得到B的某张照片的所有评论,也可以通过user_comments获得A发布过的所有评论
 
(2)不能保证数据的一致/完整性
 
跨库的数据没有外键约束,也没有事务保证,比如上面评论照片的例子,很可能出现成功插入photo_comments表,但是插入user_comments表时却出错了
 
可以在两个库上都开启事务,然后先插入photo_comments,再插入user_comments,然后提交两个事务,但不能完全保证这个操作的原子性
 
(3)自增ID
 
增加了一个专门用来生成ID的数据库,表结构很简单,只有一个自增字段id
 
例如要插入评论时,先在ID库的photo_comments表里插入一条空的记录,以获得一个唯一的评论ID
 
定期清理ID库的数据,以保证获取新ID的效率
 
数据库布局
 
整个数据库由多个子库构成
 
 
 
每个子库由两台物理服务器组成,两台都为master,互相复制
 
 
 
虽然都为master,但只有一个为工作状态,那么另一台就闲置了,为了节约成本,在两台服务器上放两个子库
 
 
 
 
posted @ 2018-08-12 00:53  micwin  阅读(531)  评论(0编辑  收藏  举报