linux文件删除原理

1 读写分离

将数据库分为主从库，一个主库master用于写数据，多个从库slave轮询读取数据，主从库之间通过某种通讯机制数据同步，是一种常见的数据库架构。

1.1 为什么要读写分离

多数业务数据操作读多写少，随着量的增长，数据库的读会首先成为瓶颈，如果希望线性提升数据库的读写性能，就需要让读尽可能不相互影响。在使用读写分离之前我们应该首先考虑使用缓存能否解决问题，然后再考虑对数据库进行读写分组。读写分离意味着将一体的结构进行分散，在海量高并发请求下要考虑如下问题：

• 1 如果保证master的高可用，故障转移，熔断限流？
• 2 读写操作的区分规则，代码层面如何处理好读和写，尽量业务无感知？
• 3 数据一致性的容忍度，网络的不确定性会导致数据同步是一个不可忽视的问题。

2 分库

数据库垂直拆分、水平拆分统称分库，是指按照特定条件和维度，将同一个数据库中的数据拆分到多个数据库(主机)上以达到分散单库(主机)负载的效果，降低数据集的大小，以空间换时间提升性能。

2.1 数据库垂直拆分

根据业务对数据库中的表进行分组，同组的放到一个新的数据库（逻辑上，并非实例）中，需要从实际业务出发将大业务分割为小业务，比如商城的整个业务中用户相关表，订单相关表，物流相关表各自独立分类形成用户系统数据库，订单系统数据库，物流系统数据库，如下图：

好处：

• 业务清晰，职责单一；
• 易维护，易扩展；
• 数据服务化；

坏处：

• 提高了复杂度，形成跨库事务；
• 引发"木桶效应"，任何一个短板可能影响整个系统；
• 部分表关系不能join，只能通过服务调用来维系，甚至由于网络问题导致数据不一致；
  在需要分库的情况下，通常优先考虑垂直拆分；

2.2 数据库水平拆分

数据库垂直拆分后遇到单机数据库性能瓶颈后，就可以考虑数据库水平拆分。之所有先垂直拆分再水平拆分，是因为垂直拆分后数据业务清晰且单一，更加方便指定水平的标准。比如对商城业务垂直拆分后的用户系统进行水平拆分，就比对整个商城业务水平拆分好找维度，我们可以根据用户注册时间、用户的区域或者用户ID的范围、hash等条件，然后关联相关表的记录将数据进行拆分，如果放在整个商城业务上，你是以用户维度还是订单维度都不太好考虑。下面例子根据每100万为区间对用户系统水平拆分如下：

好处:

• 单个库的容量可控；
• 单条记录保证了数据完整性；
• 数据关系join；
• 避免跨库事务；

坏处：

• 拆分规则对编码有一定影响；
• 不同业务的分区交互需要统筹设计；

3 分表

分表也分为垂直拆分和水平拆分；

3.1 表垂直拆分

表垂直拆分就是纵向地把表中的列分为多个表，把表从"宽"变"窄"，一般遵循如下几点：

• 冷热分离，把常用的列放在一个表，不常用的放在另一个表；
• 大字段单独存放；
• 关联关系的列紧密放在一起；
  

3.2 表水平拆分

表水平拆分和库水平拆分思想上是一致的，只不过粒度不同，表结构维持不变，拆分后数据集的并集等于拆分前的数据集。

---

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至yj.mapple@gmail.com