互联网领域常见的数据库架构方案

Labs 导读

数据库设计是数据库系统中的重要组成部分。一个良好的数据库可以给系统带来清晰的数据统计与数据的详细分析，同时给后续的开发、拓展和维护带来极大的便捷。本文通过列举出当下互联网领域常见的数据库架构方案，结合数据库架构的设计原则，对各个方案场景初步浅析，帮助大家知晓各方案优劣及适用场景；并结合实践经验，给出各个方案后续典型的演化方向，供大家作为今后数据库架构选型参照。

作者：薛建正

单位：中国移动智慧家庭运营中心智慧互联产品部

Part 01 ●  数据库架构原则 ● 

 高可用

高可用指的是数据库应尽可能地使其服务持续可用，以消除或最小化停机时间。这可以通过减少单点故障、故障切换解决方案、数据冗余等方式实现。

 高性能

这指的是数据库在查询和数据操作上的处理速度。高性能数据库系统能迅速响应查询请求，甚至在处理大量数据时也能保持高性能。这在互联网场景下尤为重要，因为用户通常期望快速响应。

 一致性

在数据库领域，一致性指的是在任何给定时间点，所有的复制数据都必须相同。数据库系统采取多种策略来保证一致性，比如操作的原子性（一个操作要么全部成功，要么全部失败，不会出现部分完成的情况）和事务的隔离性（通过锁和其他并发控制机制来防止多个事务交叉执行产生的数据不一致问题）。

 扩展性

扩展性指的是数据库在增加硬件资源（如存储和处理能力）时能有效提升性能的能力。水平扩展（增加更多服务器）和垂直扩展（增强单个服务器能力）是两种常见的扩展策略。一个具有高扩展性的数据库能够应对数据增长和查询量的增长，保证数据库系统的性能和稳定性。

Part 02 ●  常见的架构方案 ● 

方案一：主备架构，只有主库提供读写服务，备库冗余作故障转移用

 

jdbc//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。

方案二：双主架构，两个主库同时提供服务，负载均衡

 

jdbc//vip:3306/xxdb

 

1、高可用分析：高可用，一个主库挂了，不影响另一台主库提供服务。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：读写性能相比于方案一都得到提升，提升一倍。

3、一致性分析：存在数据一致性问题。一致性解决方案。 

4、扩展性分析：当然可以扩展成三主循环，但笔者不建议（会多一层数据同步，这样同步的时间会更长）。如果非得在数据库架构层面扩展的话，扩展为方案四。 

5、可落地分析：两点影响落地使用。第一，数据一致性问题，一致性解决方案可解决问题。第二，主键冲突问题，ID统一地由分布式ID生成服务来生成可解决问题。

方案三：主从架构，一主多从，读写分离

 

jdbc//master-ip:3306/xxdb
jdbc//slave1-ip:3306/xxdb
jdbc//slave2-ip:3306/xxdb

 

1、高可用分析：主库单点，从库高可用。一旦主库挂了，写服务也就无法提供。

2、高性能分析：大部分互联网应用读多写少，读会先成为瓶颈，进而影响整体性能。读的性能提高了，整体性能也提高了。另外，主库可以不用索引，线上从库和线下从库也可以建立不同的索引（线上从库如果有多个还是要建立相同的索引，不然得不偿失；线下从库是平时开发人员排查线上问题时查的库，可以建更多的索引）。

3、一致性分析：存在数据一致性问题。请看，一致性解决方案。 

4、扩展性分析：可以通过加从库来扩展读性能，进而提高整体性能。（带来的问题是，从库越多需要从主库拉取binlog日志的端就越多，进而影响主库的性能，并且数据同步完成的时间也会更长） 

5、可落地分析：两点影响落地使用。第一，数据一致性问题，一致性解决方案可解决问题。第二，主库单点问题，笔者暂时没想到很好的解决方案。注：思考一个问题，一台从库挂了会怎样？读写分离之读的负载均衡策略怎么容错？

方案四：双主+主从架构，看似完美的方案

 

jdbc//vip:3306/xxdb
jdbc//slave1-ip:3306/xxdb
jdbc//slave2-ip:3306/xxdb

 

1、高可用分析：高可用。

2、高性能分析：高性能。 

3、一致性分析：存在数据一致性问题。请看，一致性解决方案。

4、扩展性分析：可以通过加从库来扩展读性能，进而提高整体性能。（带来的问题同方案二）

5、可落地分析：同方案二，但数据同步又多了一层，数据延迟更严重。

Part 03 ●  一致性解决方案 ● 

第一类：主库和从库一致性解决方案

注：图中圈出的是数据同步的地方，数据同步（从库从主库拉取binlog日志，再执行一遍）是需要时间的，这个同步时间内主库和从库的数据会存在不一致的情况。如果同步过程中有读请求，那么读到的就是从库中的老数据。如下图：

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。

4、半同步复制，等主从同步完成，写请求才返回。就是大家常说的“半同步复制”semi-sync。这可以利用数据库原生功能，实现比较简单。代价是写请求时延增长，吞吐量降低。

5、数据库中间件，引入开源（mycat等）或自研的数据库中间层。个人理解，思路同选择读主。数据库中间件的成本比较高，并且还多引入了一层。

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！

Part 04 ● 架构演变方案 ● 

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； 

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； 

架构演变三：方案一 -> 方案二 -> 方案四 -> 方案四+分库分表； 

架构演变四：方案一 -> 方案三 -> 方案四 -> 方案四+分库分表；

Part 05 ●  结语 ● 

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。 

4、记住一句话：不考虑业务场景的架构都是耍流氓。

　　审核编辑：汤梓红