分布式数据库选型——数据水平拆分方案
概述
水平拆分的概念随着分布式数据库的推广已为大部分人熟知。分库分表、异构索引、小表广播、这些功能几乎是产品功能需求标配。然而有些客户使用分布式数据库后的体验不尽如意。
本文尝试从数据的角度总结分布式数据的复制(replication)和分区(partition)技术原理和方案,其中分区也有称为分片(sharding),希望能引起读者一些思考,在分布式数据库选型中能注意这些细节的区别,选择适合业务的数据水平拆分方案。
分布式数据库架构
分布式数据库以集群形式存在,有多个节点。集群架构有共享磁盘架构(shared-disk)和无共享架构(shared-nothing)。后者有时也称为水平扩展(horizontal scale)或向外扩展(scale out),本文主要总结无共享架构方案。
无共享架构的各个节点之间的通信都是软件层面使用网络实现
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
百度黄埔学院:业界首批「首席 AI 架构师」毕业!飞桨(PaddlePaddle)核心框架V 1.5 提前揭秘
雷锋网 AI 科技评论按:6 月 16 日,百度黄埔学院在北京迎来一期学员的毕业典礼。百度 AI 技术平台体系执行总监、深度学习技术及应用国家工程实验室副主任、黄埔学院院长吴甜为来自国家卫星气象中心、中油瑞飞、中信银行、神思电子、OPPO、广东电网、广东长隆集团、中国联通软件研究院、华为、爱奇艺等企业的 28 位业界首批「首席 AI 架构师」颁发了毕业证书,并针对「深度学习中文开源平台飞桨(PaddlePaddle)在企业中的应用」展开了圆桌讨论。 图 1 黄埔学院一期毕业典礼 百度黄埔学院:让 AI 和产业进行深度结合 「黄埔学院」的宗旨是「为中国产业界培养第一批首席 AI 架构师」,并由百度的 20 余位科学家与业务架构师作为导师为学员就细分技术领域和研究课题进行授课。 全部课程围绕问题定位、问题拆解、解决方案探讨
- 下一篇
POLARDB v2.0 技术解读
点击观看“POLARDB 2.0 升级发布会”:https://yq.aliyun.com/live/1136 回顾POLARDB 1.0 POLARDB 1.0 主要的改进包括采用了计算存储分离的架构,完全兼容MYSQL,性能是原生MySQL的6倍。一个用户集群可以在分钟级弹性扩展到16个计算节点,对业务完全透明的计算和存储分离代理,从库延迟仅毫秒级。存储为分布式块存储,可以弹性扩展至100TB的规模。存储层面采用多副本技术,使得数据库的RPO做到了0,完全没有丢失数据的风险。 POLARDB 1.0 完美的解决了传统数据库的如下痛点: 1、升级硬件需要迁移数据,升级周期长,无法从容应对突如其来的业务高峰。(POLARDB的计算节点可以分钟级扩容,任何时刻发现业务量突变即可快速扩容。) 2、金融级可靠性要求RPO=0,传统架构使用实例层同
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS8安装MyCat,轻松搞定数据库的读写分离、垂直分库、水平分库
- MySQL8.0.19开启GTID主从同步CentOS8
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题
- SpringBoot2整合Thymeleaf,官方推荐html解决方案
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- SpringBoot2整合Redis,开启缓存,提高访问速度
- CentOS6,CentOS7官方镜像安装Oracle11G