數據庫軟件架構演進分析

本篇內容主要講解“數據庫軟件架構演進分析”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“數據庫軟件架構演進分析”吧!

初始階段架構

應用服務、數據庫、文件服務所有資源都放在一臺服務器上。

應用服務和數據服務以及文件服務分離架構

隨著系統訪問量的再度增加，應用服務的機器壓力在高峰期會上升到比較高，這時候就開始考慮增加一臺應用服務器所以開始把應用服務，數據庫，文件服務分布部署在獨立的資源上。

使用緩存架構

再隨著系統訪問特點出現了二八定律，80%的業務訪問集中在20%的數據上，這時候需要使用本地緩存數據，遠程分布式緩存數據，提高訪問數據速度，但是緩存的數據量有限，同時存在與應用服務爭用內存的情況。這樣數據庫中訪問較集中的一小部分數據存儲在緩存服務器中，建設數據庫的訪問次數，降低數據庫的訪問壓力。

使用應用服務器集群架構

再之后做完數據庫的分庫分表后，數據庫的壓力已經降低了，業務不斷成熟又開始每天看訪問量暴增，發現用戶訪問系統越來越慢，這時候就發現數據庫壓力一切正常，應用服務后臺阻塞了很多服務請求，應用服務器對每個請求也是比較快的，原因是請求的數量太高了，導致請求都在排隊等待，響應速度變慢了。這樣開始使用多臺服務器通過負載均衡同時向外部提供服務，解決單臺服務器處理能力和存儲空間上限的問題。使用集群解決系統高并發，海量數據問題。通過向集群中追加資源，提升系統的并發處理能力，使得服務器的負載壓力不再成為整個系統的瓶頸。

數據庫讀寫分離架構

系統訪問量高速增長后，慢慢發現系統又開始變慢了，發現數據庫寫入、更新的這些操作部分，數據庫連接的資源競爭激烈，導致系統變慢。我們需要引入主備部署。把數據庫劃分成讀庫和寫庫，通過引入主從數據庫服務，讀和寫操作在不同的數據庫服務處理，讀庫可以有多個，通過同步機制把寫庫的數據同步到讀庫，對于需要查詢最新寫入數據場景，可以通過在緩存中多寫一份，通過緩存獲取最新數據。

反向代理和CDN加速架構

采用CDN和反向代理加速系統的訪問速度，為了應付復雜的網絡環境和不同地區用戶訪問，通過CDN和反向代理加快用戶訪問的速度，通過減輕后端服務器的負載壓力。CDN和反向代理都是緩存靜態資源。

分布式系統和分布式數據庫

隨著系統的不斷運行，數據量開始大幅度增長，這時候發現分庫后查詢仍然會有些慢，于是數據庫采用分布式，文件系統也采用分布式。因為單一服務都滿足不了大型系統用戶量和業務持續增長的需求，數據庫的讀寫分離也隨著業務發展最終也無法滿足需求，需要使用分布式數據庫以及分布式文件系統來支撐。常見數據庫拆分手段是業務分庫，根據不同的業務部署在不同的服務器上。

NOSQL數據庫和搜索引擎架構

隨著業務越來越復雜，對數據存儲和檢索的需求也越來越復雜，系統需要采用一些非關系型數據庫（NOSQL，搜索引擎）來實現。應用服務通過統一數據訪問模塊訪問各種數據，減輕應用服務管理諸多數據源的麻煩。

業務拆分

系統按照業務進行拆分改造，應用服務器按照業務區分進行分別部署。為了應用日益復雜的業務場景，通常使用分而治之的手段將整個系統業務分廠不同的產品線，應用之間通過連接建立關系，也可以通過消息進行數據分發，通過訪問同一個數據存儲來構建一個關聯的完整系統。通過縱向拆分應用服務，將一個大應用拆分為多個小應用，如果新的業務較為獨立，那么就直接將其設計部署為一個獨立的web應用系統，通過梳理業務，將較少相關的業務剝離出來即可。通過橫向拆分，將復用的業務拆分出來，獨立部署為分布式服務，新增業務只需要調用這些分布式服務，需要識別出可以復用的業務，設計服務接口，規范服務依賴關系。

分布式服務

公共的應用模塊被提取出來，部署在分布式服務器上供應用服務調用。隨著業務越拆越小，應用系統整體復雜程度指數級別上升，由于所有應用要和所有的數據庫連接，最終導致數據庫連接資源又不足了，拒絕服務訪問。當服務越來越多，服務URL配置管理變得非常困難，負載均衡器的單節點壓力越來越大。

當進一步發展，服務間依賴關系變得錯中復雜，甚至分不清哪個應用要在哪個應用之前啟動，架構師也不能完整描述應用的架構關系。 服務的調用量越來越大，服務的容量問題暴露，每個服務需要多少臺機器支撐，什么時候應該加機器。 服務多了，溝通成本也開始上升，調用某個服務失敗該找誰，服務的參數都有什么約定。 一個服務有多個業務消費者，如果確保服務質量，隨著服務的不停升級，總有些意想不到的事情發生，比如cache寫錯了導致內存溢出，故障不可避免，每次核心服務一掛，影響一大片，如何控制故障的影響面，服務是否可以功能降級或者資源劣化。針對以上問題，微服務架構可以一定程度解決。

到此，相信大家對“數據庫軟件架構演進分析”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！