加入收藏 | 设为首页 | 会员中心 | 我要投稿 湖南网 (https://www.hunanwang.cn/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 编程 > 正文

数据库之分库分表-垂直?水平?

发布时间:2019-03-17 22:26:51 所属栏目:编程 来源:尜尜人物
导读:一、数据库瓶颈 不管是IO瓶颈,照旧CPU瓶颈,最终城市导致数据库的活泼毗连数增进,进而迫近乃至到达数据库可承载活泼毗连数的阈值。在营业Service来看就是,可用数据库毗连少乃至无毗连可用。接下来就可以想象了吧(并发量、吞吐量、瓦解)。 1、IO瓶颈

端上除了partition key只有一个非partition key作为前提查询

映射法

基因法

注:写入时,基因法天生user_id,如图。关于xbit基因,譬喻要分8张表,23=8,故x取3,即3bit基因。按照user_id查询时可直接取模路由到对应的分库或分表。
按照user_name查询时,,先通过user_name_code天生函数天生user_name_code再对其取模路由到对应的分库或分表。id天生常用snowflake算法。

端上除了partition key不止一个非partition key作为前提查询

映射法

冗余法

注:凭证order_id或buyer_id查询时路由到db_o_buyer库中,凭证seller_id查询时路由到db_o_seller库中。感受有点舍本逐末!有其他好的步伐吗?改变技能栈呢?

靠山除了partition key尚有各类非partition key组合前提查询

NoSQL法

冗余法

2、非partition key跨库跨表分页查询题目(程度分库分表,拆分计策为常用的hash法)

注:用NoSQL法办理(ES等)。

3、扩容题目(程度分库分表,拆分计策为常用的hash法)

程度扩容库(进级从库法)

注:扩容是成倍的。

(编辑:湖南网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

热点阅读