关系数据库

读写分离

一主一从，一主多从，主负责读写，从只负责读

问题：主从延迟

解决：

• 写后读主
• 读从失败后读主
• 关键业务都在主上，非关键业务读写分离

分库

按业务模块将数据拆分到不同的库

问题：join、事务、成本

• 程序写逻辑查多个库后进行join
• 引入分布式事务(MySQL XA)，会降低性能，或者放弃事务
• 分库后，无法利用数据库自己的join和事务，业务逻辑也需要额外写很多，增加工作量

分表

垂直分表

将表中不常用的列分出去，用主键关联多个表，提升单表性能，不过会增加查询次数。

水平分表

适合单表上千万条数据时使用，比垂直分表更复杂，需要增加路由算法。

常见路由算法：范围路由、Hash路由、配置路由

join操作：需要程序多次join

count：对多个表进行count，建议转换为记录数表，更合理

order by：程序查多个表汇总排序

实现方案

代码封装

抽象出一个数据访问层专用于实现读写分离或者分库分表

实现简单，但不同语言不通用

中间件

MySQL Router，支持多种变成语言，支持标准SQL协议，业务无感知，但中间件的实现很复杂

NoSQL：Not Only SQL

KV存储：解决关系数据库无法存储数据结构的问题，以Redis为代表。

文档数据库：解决关系数据库强schema约束问题，以MongoDB为代表。

列式数据库：解决关系数据库大数据场景下I/O问题，以HBase、ClickHouse为代表。

全文搜索引擎：解决关系数据库的全文索引性能问题，以Elasticsearch为代表。

缓存

适用于读多写少，一次读取，多次使用的场景，能极大提升访问速度。

缓存穿透：查询的数据不存在，每次访问数据库

1. 缓存空值
2. 加布隆过滤器缓解

缓存雪崩：大量缓存同时失效或者过期

1. 加更新锁，单线程更新
2. 后台更新，业务线程和更新线程分离

缓存热点：热点数据访问压力大

对热点数据缓存多份，访问时分布式随机访问