|
数据库读写压力大——读写分离
一、采用数据库作为读库
读多写少，那么多加一个数据库作为读库，只用来提供读服务。
 问题： 数据库系统一般都提供了数据复制的功能，直接使用数据库系统的自身机制。
数据复制延迟带来的就是短期的数据不一致。例如我们修改了用户信息，在这个信息还没有复制到读库是，我们从读库上读出来的信息就不是最新的。
我们的应用需要根据不同的情况来选择不同的数据库源。写操作要走主库，事务中的读也要走主库，即使不是事务中的读，考虑到备库的数据延迟，不同业务下选择也会有差异。
二、搜索引擎也是一个读库
大型网站的站内搜索功能
搜索功能有几种实现方式：
1、数据库中的like功能（代价大）
2、使用搜索引擎的倒排表方式（速度快）
搜索引擎要工作，首要一点是需要根据被搜索的数据来构建索引（数据复制）。
引入了搜索引擎之后，我们的应用也需要知道什么数据应该做搜索，什么数据应该走数据库。
 搜索集群的使用方式和读库是一样的。只是构建索引的过程基恩都是需要我们自己来实现的。 从两个维度对搜索系统构建索引的方式进行划分：
按照全量/增量划分：
全量方式用于第一次建立索引，而增量方式用户在全量的基础上持续更新索引。
按照实时/非实时划分：
体现在索引更新的时间上。
三、加速数据读取——增加缓存
1、数据缓存
缓存系统一般是用来保存和查询键值对的。缓存中放的是“热”数据而不是全部的数据，填充方式就是通过应用完成的，即应用访问缓存，如果数据不存在，则从数据库读出数据后放入缓存。随着时间的推移，当缓存容量不够需要清理数据时，最近不被访问的数据就被清除了。
使用这种方式有一个要求，即根据数据库记录的变化去更新缓存的代码要能够理解业务逻辑。
2、页面缓存
采用ESI或者类似的思路来做，也可uiba页面缓存与页面渲染放在一起处理。
web服务器前端有Apache/Nginx服务器。
对于ESI的处理是在Apache中进行。web服务器产生的请求响应结果返回Apache，Apache中的模块会对响应结果做处理解析找到ESI标签，然后去缓存中获取这些ESI标签对应的内容，如果这些内容不存在，那么Apache中的模块会通过web服务器去渲染这些内容，并且把结果放入缓存中，用内容换掉ESI
标签，返回给客户的浏览器。
 四、弥补关系型数据库的不足——分布式存储系统 常见的分布式系统有分布式文件系统、福不是Key-value系统和分布式系统和分布式数据库。
分布式存储系统自身起到了存储的作用，也就是提供数据的读写支持。相对于读写分离中的读“源”，分布式存储系统更多的是直接替代了主库。
 五、读写分离后，主库中业务的数据还是在一个数据库中，这个数据库的压力还是持续增加。解决这个问题，我们有数据垂直拆分和水平拆分两种选择。 1、垂直拆分
专库专用，不同的业务数据拆分 到不同的数据库，适用于业务过多
缺点：应用需要配置多个数据源，这就增加了所需的配置，但是带来每个数据库连接池的隔离
如何处理跨业务的事务？
一种是使用分布式事务，其性能要明显低于之前的单机事务。
另一种是去掉事务或者不去追求强事务支持，则原来在单库中可以使用的表关联的查询就需要改变实现了。
2、数据水平划分
把同一个表的数据拆到两个数据库中。适用于数据量大的数据库
  |
|
|
