数据库1 分钟抗住 10 亿请求！某些 App 怎么做到的？| 原力计划( 二 )
本文插图
把数据库划分为读库和写库 ， 读库可以有多个 ， 通过同步机制把写库的数据同步到读库 ， 使用数据库中间件（Mycat） ， 通过它来组织数据库的分离读写 。
瓶颈：业务逐渐变多 ， 不同业务之间的访问量差距较大 ， 不同业务直接竞争数据库 ， 相互影响性能 。
本文插图
第五次演进：数据库按业务分库
本文插图
把不同的业务数据保存到不同的数据库中 ， 业务之间的资源竞争降低 ， 访问量大的业务可以部署更多的服务器 。
瓶颈：用户数量增长 ， 单机的写库会逐渐达到性能瓶颈 。
本文插图
第六次演进：把数据库的大表拆成小表
其他环节同上 。
本文插图
比如针对订单生成 ， 可以按照月份 ， 甚至小时创建表 。
这种做法可以称作分布式数据库 ， 但逻辑上仍然是一个完整的数据库整体 ， 现在有一种架构叫MPP（大规模并行处理） ， 针对于各种这类问题的使用场景 。
瓶颈：数据库和tomcat都可以大规模水平扩展 ， 最终单机的nginx会成为瓶颈 。
本文插图
第七次演进：使用LVS让多个Nginx负载均衡
LVS是软件 ， 运行在操作系统内核态 ， 可以对TCP请求或高层网络协议进行转发 ， 分发的性能远高于Nginx ， 大概十几万 。
F5是硬件 ， 跟LVS做的事情类似 ， 但性能更高 ， 而且价格昂贵 。
本文插图
这种方式 ， 用户可达千万或上亿级别 。
瓶颈：LVS达到瓶颈 ， 或用户分布在不同的地区 ， 与服务器机房的距离不同 ， 导致访问延迟的不同 。
本文插图
第八次演进：DNS轮询实现机房间的负载均衡
本文插图
在DNS中配置一个域名对应多个IP 。
每个IP地址对应到不同的机房里的虚拟IP 。
做到机房级别的水平扩展 ， 已经是从请求并发量来讲 ， 过亿的处理方案 ， 十几亿或几十亿的并发 ， 暂时没人考虑 。
瓶颈：检索 ， 分析的需求越来越多 ， 单靠数据库无法解决各种各样的需求 。
本文插图
第九次演进：引入NoSQL数据库和搜索引擎
本文插图
数据量多到一定规模的时候 ， 关系型数据库不再适用 ， 而且数据量较大的查询 ， MySQL不一定能运行出结果 ， 对于海量数据的处理 ， 通过分布式文件系统HDFS来存储 ， 对于key-value类型的数据 ， 通过HBase、Redis等处理 ， 对于抓取查询 ， 可以通过ES等解决 ， 对于多维分析 ， 通过kylin、Druid等解决 。
引入更多的组件同时必然极大的提高系统复杂度 ， 不同的组件的数据还需要同步 ， 需要考虑一致性问题 。
推荐阅读
- 央视财经|美国大胃王10分钟吃掉75个热狗！第13次卫冕成功
- 手机|手机经常出现这 4 种故障？别花“冤枉钱”找人修，分分钟学会就能解决
- 封面新闻|美大胃王10分钟吃75个热狗 第13次卫冕冠军
- 值守|东湖边24小时轮岗值守易渍水点，“龙吸水”20分钟排水畅通主干道
- 互联网科技秀15分钟缓解颈椎压力 图拉斯按摩器就是让你舒服又自在
- 野区|十分钟破半经济的打法是全局观打法，只需要做到三点
- 缩短|北大医院：核酸检测由6个小时出报告缩短到45分钟
- 再见游戏|Caps再次拿出绝活，“中单大嘴直接25层书，每分钟伤害高达1476”
- 玩加电竞APP|英雄联盟：Mole佐伊15分钟超神，开始读书，V5第一局碾压拿下ES
- 只要快充技术能够达到一定的高度，电池容量高的也不过才4300多毫安，只需要13分钟就能充满