数据库：用户心中的偏见是一座大山
文章出处公众号：特大号不知道从何时起
“选数据库必选分布式”成了一种潮水
https://i-blog.csdnimg.cn/img_convert/f695ff5e07ea7ef66749174f9f7e8de2.png
数据查询慢？上分布式！
应用总是瘫？上分布式！
业务体量大？上分布式！
KPI考核不达标？上分布式！
https://i-blog.csdnimg.cn/img_convert/3ee84ad036635a7ff9bda8cbb7d241b0.gif
“分布式数据库”的疗效
就这样被神话了
跟数据和应用相干的各种疑难杂症
仿佛都可以拿“分布式大法”来治
https://i-blog.csdnimg.cn/img_convert/26e76f34c76b31c2bc52c809c90b9c62.png
果真如此吗？只能说
用户心中的「偏见」，像一座大山
已往几年分布式数据库造势太猛
别管什么场景，只管整就完了！
https://i-blog.csdnimg.cn/direct/c2d2575240ca493abdb17342eac77a9a.png
这座大山是如何形成的？
上个十年，互联网公司的业务大爆发，让互联网范式走上了神坛。
互联网大厂的业务模子、中台理念、应用架构以及分布式数据库，甚至互联网公司的从业职员，都成了香饽饽。
https://i-blog.csdnimg.cn/img_convert/711dcdba264c0b1a2a73042b5f8976cf.png
那么，由此带来的香饽饽之一“分布式数据库”，到底好不好？
不可否认，确实好！
分布式数据库的最大上风在于其横向扩展本领，轻松处置惩罚超大规模数据和并发请求，比如电商平台、社交媒体或别的超重载应用。
https://i-blog.csdnimg.cn/img_convert/dadee8d5bbbdb7dc816f2830dd463a2c.gif
而这，恰好是互联网业务场景的特点↓
海量用户，高速扩张，峰值秒杀，大批高端技术牛马负责运维保障…
https://i-blog.csdnimg.cn/img_convert/2618ed3fbaeb502af502779e747d6700.png
但是，一旦抛开互联网业务，来到传统企业级场景，你会发现↓
分布式数据库没那么神，甚至，尚有一些劣势——
https://i-blog.csdnimg.cn/img_convert/9c8f48baac33c65caafce2f70e0484be.png
https://i-blog.csdnimg.cn/img_convert/16c2841a3e9656a58adad8d8e642dbf4.png
业内曾经传播着一个很著名的案例：
某银行做分布式数据库试点，用600台x86服务器承载分布式数据，替换了一个三节点O记RAC。
性能和扩展性好像上来了，但运维本钱大幅增长（人力、电费、机房空间、备件）。
https://i-blog.csdnimg.cn/img_convert/74b2a6e90e3de587adad4f8ecea845d3.png
以是，技术选择必要回归业务本质，而非追逐技术潮水。
分布式数据库绝对不是包治百病的良药，任何场景，都必要对症下药。
数据库到底应该如何选？
一、要搞清本身的业务需求和痛点，再对症下药↓
如果是面向海量用户，超大数据量和增长潜力，并伴有高峰值并发、秒杀型的典范互联网业务特征，这确实是分布式数据库舒服区。
https://i-blog.csdnimg.cn/img_convert/b32543dd83f657bdd3b2dbdb2b058182.png
如果是复杂业务计算和数据热点会合的场景，接纳会合式库更合适，比如12306客票、医院HIS、外汇交易、生产调度、ERP等业务
https://i-blog.csdnimg.cn/img_convert/34f2a4031fcc7985b5b3224b0498008a.png
二、要对分布式祛魅，很多所谓的“分布式场景”，都跟分布式数据库没半毛钱关系。
1、“分布式应用”场景：
有的客户希望用分布式的云原生架构，比如微服务化/分布式应用，支持敏捷开辟DevOps。
分布式应用的本质，是将上层业务模块解耦、拆分，每个模块都可以独立开辟、维护、扩展，并实现容错隔离。
如果只是应用解耦，而数据库保持稳定，很显然这个过程与数据库是不是分布式没关系。
https://i-blog.csdnimg.cn/img_convert/290494f4614837a4f43385cb264a54db.png
而如果在应用解耦过程中，同时将数据库拆解并绑定到特定微服务应用中，那显然数据库面临的压力变小了，也与分布式更没关系了。
至于敏捷开辟、CICD、DevOps什么的，跟数据库是不是分布式同样没关系。
https://i-blog.csdnimg.cn/img_convert/91b86586a5417b1f1f363272da7a38ac.gif
2、“分布式用户”场景
有些用户的本意是希望节省本钱，一套数据库能满足多个部分、多个应用的需求。
他们认为分布式数据库能够更好地满足这样多部分、多业务需求。
https://i-blog.csdnimg.cn/img_convert/1f1f583fe5dc3ad3381b29c42bb11182.png
这种情况跟分布式毫无关系，这是数据库的多租户场景，接纳支持多租户模式的会合式数据库本钱更低、结果更佳。
https://i-blog.csdnimg.cn/img_convert/8a092ff8ec15acf73ff7d471cd542031.png
3、“分布式标底”场景
前两种只能算“错误认知”，而这一种就堪称魔幻了。
有人只是觉得分布式数据库更热门、更拉风，就写进了采购标底。
https://i-blog.csdnimg.cn/img_convert/0b42a3d012ac3eceacf3b94e6a665ca7.png
结果采购返来，实际部署的时候，却当成单机版，会合式部署，妥妥“冤大头”。
要知道这种把分布式数据库当会合式部署的情况，综合性能远不如原生的会合式数据库。
https://i-blog.csdnimg.cn/img_convert/901101ad89adab6c9cb958ef8f94a618.png
以上这三种“分布式”场景，都不必要“分布式数据库”。
此时，选择合适的会合式数据库，能够获得更优的性能、更好的运维体验，以及更低的本钱。
选择金仓，应对企业全栈场景
接下来，我们以金仓数据库为例，讲一讲面临各种业务需求，具体如何选型。
作为国产数据库领域的领军企业，金仓数据库产物线丰富，既有会合式产物，也有分布式数据库，广泛适配各种业务需求。
https://i-blog.csdnimg.cn/img_convert/081d6551653ca46e6b96d083c1856439.png
https://i-blog.csdnimg.cn/img_convert/11abe7a0c66299f876ea4681196c19ce.gif
第一、分布式应用需求
乍一看，分布式应用很复杂，其实每个拆分后的微服务应用，相比单体应用，功能更加纯粹、简单，反而对数据库的要求大大低落了。
以是，能扛起大型单体应用的金仓数据库，针对分布式应用这点“小Case”，自然轻松拿捏。
https://i-blog.csdnimg.cn/img_convert/cd408ff3431b6ac65fd0a942ccfb1df0.gif
同时，针对差别微服务模块的业务特征，可以接纳差别类型的数据库来搭配，从而到达最优的结果。
比如一个微服务化的电商应用，包罗用户、商品、订单、付出、统计分析等模块，那么可以针对性的举行数据库设计。
https://i-blog.csdnimg.cn/img_convert/d6ccc8e8ceb7f7100169c3b4ae340e77.png
用户服务：事件性、高可靠要求，接纳KES主备集群；
商品服务：事件性，读多写少、缓存需求高，接纳KES读写分离集群(支持Redis迁移)
订单服务：事件性强、同等性要求高，并发读写压力大，接纳KES RAC；
付出服务：高事件性、金融级同等性，接纳KES RAC；
统计分析服务：数据量巨大、及时复杂查询分析，接纳KES ADC。
https://i-blog.csdnimg.cn/img_convert/11abe7a0c66299f876ea4681196c19ce.gif
第二、多租户需求
在企业级场景，差别部分、差别业务体系，都对数据库有要求。
以往解决这种题目，最简单粗暴的办法就是采购多个数据库，多套物理硬件，各跑各的，大家都没意见。
https://i-blog.csdnimg.cn/img_convert/0d60598a399e85890675e47555effbf9.png
但这种方式会造成巨大的资源浪费，每个数据库利用率都很低，运维、升级也要独立完成。
想要实现多用户、多部分共享，最佳的解决方案是接纳数据库的多租户功能。
https://i-blog.csdnimg.cn/img_convert/6f10e5f1bff15ab56787928f5142b6d9.png
针对多租户需求，金仓数据库是提供两大类四种场景的成熟解决方案，机动满足差别建设近况、差别隔离级别、差别预算要求。
https://i-blog.csdnimg.cn/img_convert/7b466a68d2effe3b70fffb514107fe80.gif
1、VM级多租户
适用于客户已建好有虚拟化/云平台，金仓数据库可以无缝融入，资源硬件共享、基于VM隔离，支持VM级扩缩容。
https://i-blog.csdnimg.cn/img_convert/6aa2d3099c65b3d9f1347d11bc73b105.gif
2、容器级多租户
适用于客户已有K8S容器化平台层，金仓数据库无缝融入，硬件、OS共享、基于容器隔离，支持pod级扩缩容。
https://i-blog.csdnimg.cn/img_convert/840377377b5c1c07a14ddad4116554a0.png
3、数据库实例级多租户
适用于中小型应用，低本钱投入，单个服务器跑多个业务体系。金仓数据库自然支持多实例特性，每个业务独占一个数据库实例。
https://i-blog.csdnimg.cn/img_convert/c9a0f41df0c426d379e03d6ff2bca6ca.gif
而且在部署的时候，可以利用多台服务器池化，主备实例分开部署，提升数据库冗余本领。
同时，金仓也支持分布式数据库的多实例模式。
https://i-blog.csdnimg.cn/img_convert/8dcbe1e5c72fe21c4a8f34bf12127185.gif
4、数据库User级多租户
这种模式，通过将数据库创建若干资源组，实现整体资源池化，然后创建用户租户，并指定分配的资源组。
从而实现数据库实例部署多租户体系，租户间资源隔离，提升软硬件资源利用率，大幅低落本钱。
https://i-blog.csdnimg.cn/img_convert/c1e5bcd1584be3306043820495553f2b.gif
https://i-blog.csdnimg.cn/img_convert/11abe7a0c66299f876ea4681196c19ce.gif
第三、会合式高可用数据库需求
大中型企业的生产级焦点应用，都必要数据库支持高可用集群，大概再明白一点，他们希望对Oracle RAC举行国产化替换。
https://i-blog.csdnimg.cn/img_convert/5664772127be5baf9ccce285ed39e3f8.png
此时，就轮到金仓的另两个重磅数据库产物登场了。
1、KES RAC，多写共享存储集群
看名字大家就秒懂了，这是对标Oracle RAC的场景。
KES RAC集群支持2-8个节点规模，读写请求横向扩展（吞吐量加速比凌驾0.8），提供“RPO=0、RTO<10s”可用性，满足金融级同等性、高事件性和大规模并发读写需求。
https://i-blog.csdnimg.cn/img_convert/493136d0f1c1cc272e057205835774e5.gif
2、KES RWC，读写分离集群
基于事件级别的读写分离，自动识别SQL语句读写种类，一主多备、一写多读。
KES RWC适用于大规模并发查询、读多写少的中/重载业务场景，支持从实例、集群到多中心的高可用保障，数据零丢失，故障秒切换。
https://i-blog.csdnimg.cn/img_convert/6811a286a99dea89daddc9015308b2d6.png
https://i-blog.csdnimg.cn/img_convert/11abe7a0c66299f876ea4681196c19ce.gif
第四、真正的分布式数据库需求
在企业级市场，确实存在一些真实的分布式数据库需求：比如超大型应用（超高并发、海量存储、横向扩展）、极致高可用（跨中心多活、局部高容错）等等。
针对这样的实际需求和潜在需求，金仓数据库提供了强盛的“分布式三剑客”。
https://i-blog.csdnimg.cn/img_convert/72d94688e5618053ac64e8044b81639c.png
1、KES TDC，基于分布式存储的透明分布式方案。
该方案对上层应用完全透明，不必要应用改造，可平滑迁移，并具备横向扩展本领和节点故障容错本领。
适用于超大型集团办公平台、政务焦点平台、医疗HIS体系、银行信贷管理体系、港口TOS体系等…
https://i-blog.csdnimg.cn/img_convert/1052bbd87f7d8f3ecf73cebfa4a20c74.png
2、KES Sharding，基于分布式中间件的分布式方案。
该方案必要应用支持分库分表改造，适用于对并发、容量、吞吐量扩展性要求高的事件处置惩罚场景，如运营商网间结算、基金公司TA体系等。
https://i-blog.csdnimg.cn/img_convert/56069bd2a2660031269e6417060a206e.png
3、KES ADC，基于分布式+融合多存储引擎的分析性分布式方案。
该方案适用于大规模AP大概HTAP场景，类似数仓、及时数仓，诸如数据同一汇总平台、大数据分析平台、进出口贸易货品统计体系等等。
https://i-blog.csdnimg.cn/img_convert/fc51e2b60db5be1092bcd92088add0ff.png
https://i-blog.csdnimg.cn/img_convert/d51319ea9d260e52b6906655ccb4cab4.gif
最后，还是那句话：技术的选择要回归业务本质，而非追逐技术潮水。
明白这个道理，我们就掌握了消除偏见、翻越大山的焦点奥义。
https://i-blog.csdnimg.cn/img_convert/6b3ebcc59f551c524d228b511e0df133.png
怎么样？您的数据库选对了吗
https://i-blog.csdnimg.cn/img_convert/376d887126fdaa0ca44385aab1410629.png
？
https://i-blog.csdnimg.cn/img_convert/82798e3e33b11c0f12186455a49b4882.png
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]