数据库之互联网常用架构方案一览

以下文章来源于 ITPUB

1. 高可用

2. 高性能

3. 一致性

4. 扩展性

1. jdbc:mysql://vip:3306/xxdb

1、高可用分析：高可用，主库挂了，keepalive（只是一种工具）会自动切换到备库。这个过程对业务层是透明的，无需修改代码或配置。 

2、高性能分析：读写都操作主库，很容易产生瓶颈。大部分互联网应用读多写少，读会先成为瓶颈，进而影响写性能。另外，备库只是单纯的备份，资源利用率50%，这点方案二可解决。 

3、一致性分析：读写都操作主库，不存在数据一致性问题。 

4、扩展性分析：无法通过加从库来扩展读性能，进而提高整体性能。 

5、可落地分析：两点影响落地使用。第一，性能一般，这点可以通过建立高效的索引和引入缓存来增加读性能，进而提高性能。这也是通用的方案。第二，扩展性差，这点可以通过分库分表来扩展。

1. jdbc:mysql://vip:3306/xxdb

1. jdbc:mysql://master-ip:3306/xxdb

2. jdbc:mysql://slave1-ip:3306/xxdb

3. jdbc:mysql://slave2-ip:3306/xxdb

1. jdbc:mysql://vip:3306/xxdb

2. jdbc:mysql://slave1-ip:3306/xxdb

3. jdbc:mysql://slave2-ip:3306/xxdb

既然知道了数据不一致性产生的原因，有下面几个解决方案供参考：

1、直接忽略，如果业务允许延时存在，那么就不去管它。 

2、强制读主，采用主备架构方案，读写都走主库。用缓存来扩展数据库读性能 。有一点需要知道：如果缓存挂了，可能会产生雪崩现象，不过一般分布式缓存都是高可用的。

3、选择读主，写操作时根据库+表+业务特征生成一个key放到Cache里并设置超时时间（大于等于主从数据同步时间）。读请求时，同样的方式生成key先去查Cache，再判断是否命中。若命中，则读主库，否则读从库。代价是多了一次缓存读写，基本可以忽略。

**

第二类：DB和缓存一致性解决方案

先来看一下常用的缓存使用方式：

第一步：淘汰缓存；

第二步：写入数据库；

第三步：读取缓存？返回：读取数据库；

第四步：读取数据库后写入缓存。

注：如果按照这种方式，图一，不会产生DB和缓存不一致问题；图二，会产生DB和缓存不一致问题，即4.read先于3.sync执行。如果不做处理，缓存里的数据可能一直是脏数据。解决方式如下：

注：设置缓存时，一定要加上有效时间，以防延时淘汰缓存失败的情况！

1、架构演变

1、架构演变一：方案一 -> 方案一+分库分表 -> 方案二+分库分表 -> 方案四+分库分表； 

2、架构演变二：方案一 -> 方案一+分库分表 -> 方案三+分库分表 -> 方案四+分库分表； 

3、架构演变三：方案一 -> 方案二 -> 方案四 -> 方案四+分库分表； 

4、架构演变四：方案一 -> 方案三 -> 方案四 -> 方案四+分库分表；

2、个人见解

1、加缓存和索引是通用的提升数据库性能的方式； 

2、分库分表带来的好处是巨大的，但同样也会带来一些问题，详见前日推文。

3、不管是主备+分库分表还是主从+读写分离+分库分表，都要考虑具体的业务场景。绝大部分的数据库架构还是采用方案一和方案一+分库分表，只有极少部分用方案三+读写分离+分库分表。另外，阿里云提供的数据库云服务也都是主备方案，要想主从+读写分离需要二次架构。 

正文结束

推荐阅读 ↓↓↓

一个人学习、工作很迷茫？

点击「阅读原文」加入我们的小圈子！