数据库的这些性能优化，你做了吗？

在互联网项目中，当事务规划越来越大，数据也越来越多，随之而来的便是数据库压力会越来越大。

咱们可能会采取各种办法去数据库性能优化，比如之前文章说到的缓存计划，SQL优化等等，除了这些办法以外，这儿再共享几个针对数据库优化的惯例手段：「数据读写别离」与「数据库Sharding」。这两点基本上是大中型互联网项目中运用的十分遍及的计划了。

下面咱们来具体看一看，

一、从读写别离到CQRS

由于互联网事务场景，大多数是读多写少，因此进行数据库的读写别离是一件十分简略且有效率的计划。读写别离简略点来说便是把对数据的读操作和写操作进行分隔来，让这两种操作去访问不同的数据库，这样的话，就能够减轻数据库的压力了。

例如上图中，数据库会有一个「主实例」，这个首要用来供给写操作的(偶尔也会承当一点读操作)，除了「主实例」以外，还会有多个「从实例」(在图中显现的是 只读实例)，「从实例」的功用仅仅用来承当读操作的。

那上面就出现了多个数据库了，在多个数据库之间的数据是怎么保证共同性的呢?

其实，咱们常用的数据库就自带这类同步功用，比如 Mysql，它自己有一个master-slave功用，能够完成主库与从库数据的主动同步，是依据二进制日志仿制来完成的。在主库进行的写操作，会形成二进制日志，然后Mysql会把这个日志异步的同步到从库上，从库再主动履行一遍这个二进制日志，那么数据就跟主库共同了。

除了Mysql以外，像Oracle等商业数据库都有相似的功用，乃至是网络上还有很多开源的第三方数据同步工具，也有很多成熟好用的。

好了，「主实例」与「从实例」之间的数据同步问题解决了，那现在还有一个问题便是，项目中是怎样让 写恳求 去访问「主实例」，让 读恳求 去访问「从实例」的，这个路由规则是怎么完成的呢?

惯例的有2种办法：

运用编码办法这个办法首要是靠开发同学在编码的时分，依据读写不同的操作需求，去调用不同的数据源。例如在数据操作层(DAO层)将读数据与写数据分隔为两个办法(函数)，然后为这两个办法分别指定不同的数据库即可。可是这种办法有点硬编码的滋味了，而且对开发同学而言还得额外重视这个工作，多了一个编码本钱且容易不小心忽略掉。

运用中间件这种办法便是在后端数据库的前面，前置一个 数据库署理服务，如下图的：MySQL-Proxy 是Mysql供给的一个中间件，用于完成读写别离恳求，但这个组件实践用的人不多，咱们能够选择其它的一些开源的组件替代，例如：MyCat、ProxySQL 等等，但大致的原理比较相似，通过这个图很容易了解这个形式。

好了，基础的读写别离就讲完了，但感觉这个办法尽管实用是实用，便是不怎么有逼格。

OK，想要有逼格是吧，满足你，那咱们就来聊一聊另一个有逼格的读写别离概念: 「 CQRS 」

CQRS：Command Query Responsibility Segregation命令(增修改)和查询的职责别离

咱们仍是先看图，通过上图能够简略的了解一下CQRS

CQRS 要点着重的便是 Query(读) 和 Command(写)的别离，在事务上将职责别离明晰，Command 首要做事务逻辑的履行，Query来负责数据查询和展示。一同 这两种操作是依据不同的数据源，乃至是一个是数据库，别的一个是NoSQL都能够，Query去查询的数据源能够直接依照领域模型进行存储，而并不是依照数据模型去存储，这样查询出来就立即能够展示，而不必转换，且查询效率高。

其实CQRS是由鼎鼎大名的 Martin Fowler 提出，搞计算机的应该都知道。想要更深化的去学习CQRS，能够翻看Martin Fowler公开的资料。

二、Sharding(分库分表)

上面讲完了数据库的读写别离，现在咱们来聊一下数据库的Sharding。

随着数据库里的数据越来越大，单表查询的性能现已不能满足事务要求了，这个时分就需求进行分表处理了，将大表拆分为若干个小表，不同的分表中数据也不一样，这样能够分散查询压力，提高处理效率。

但是，当表越来越多，一切的数据都在一个数据库上时，网络IO以及文件IO也都会集中在一个数据库上，可能会超越单台服务器的容量， CPU、内存、文件IO、网络IO 都会成为体系的瓶颈，QPS/TPS也会超越单数据库实例的处理极限。那么这个时分就需求对数据库进行分片处理。

由于分表和分库的思路相似，因此下面统一来聊技术计划。其实分库分表仅仅咱们通俗的便于了解的说话，正确的描述应该是：数据分片

数据的分片首要有2种形式：

笔直拆分

水平拆分

两种拆分运用的场景是不同的：

笔直拆分，是指依照事务模块进行拆分。简略来讲，便是把事务紧密的模块的字段/表放在一同，放在同一个数据库或者服务器上。将不同事务的字段/表进行独立，拆到不同的数据库或者服务器上。比如一个游戏体系中，能够将玩家基本信息与道具公会等信息进行拆分。如图示例：

水平拆分，是指朴实的依照某种数据规则/格式进行拆分。例如 依照数据唯一ID的哈希散列拆分、依照数据的日期拆分、依照某种规模拆分等等。水平拆分需求注意的是，随着数据动态的变化，分片数量可能需求随之动态调整，别的便是水平分片是没有考虑事务特征的，因此在进行事务汇总查询或者分片中事物处理的时分就比较麻烦一些。如图示例：

别的，在实践运用中，两种拆分形式一般会结合在一同运用，作用更佳。

以上便是数据库性能优化之「数据读写别离」与「数据库Sharding」办法，欢迎我们一同交流。