跳转至

第二部分：分布式数据

如果 多台机器 参与数据的存储和检索，会发生什么？

出于各种各样的原因，希望将数据库分布到多台机器上

  • 可伸缩性：负载分散到多台计算机；
  • 容错 / 高可用性：单台机器（或多台机器，网络或整个数据中心）出现故障的情况下仍然能继续工作
  • 延迟：全球范围部署多个服务器，从地理上最近的数据中心获取服务。

伸缩到更高负载

最简单的方法就是购买更强大的机器（有时称为 垂直伸缩，即 vertical scaling，或 向上伸缩，即 scale up），即 共享内存架构（shared-memory architecture）。

  • 问题：成本的增长速度快于负载的线性增长；提供有限的容错能力

另一种是共享磁盘架构（shared-disk architecture）“：多台具有独立处理器和内存的机器

  • 数据存储在机器之间共享的磁盘阵列上，这些磁盘通过快速网络连接
  • 竞争和锁定的开销限制了共享磁盘方法的可伸缩性\(^{[1]}\)

无共享架构

无共享架构\(^{[2]}\)（shared-nothing architecture，有时被称为 水平伸缩，即 horizontal scaling，或 向外伸缩，即 scaling out）

  • 运行数据库软件的每台机器 / 虚拟机都称为 节点（node）；
  • 每个节点只使用各自的处理器，内存和磁盘，节点间使用网络进行通信和协调；

虽然分布式无共享架构有许多优点，但它通常也会给应用带来额外的复杂度，有时也会限制你可用数据模型的表达力。

  • 某些情况下，一个简单的单线程程序可以比一个拥有超过 100 个 CPU 核的集群表现得更好\(^{[3]}\)

复制 vs 分区

数据分布在多个节点上有两种常见的方式：

  • 复制（Replication）：几个不同的节点上保存数据的相同副本，提供冗余；
  • 分区 (Partitioning)：将一个大型数据库拆分成较小的子集，从而不同的分区可以指派给不同的 节点（nodes，亦称 分片，即 sharding）；

复制和分区是不同的机制，但它们经常同时使用。

参考文献

  1. Ben Stopford: “Shared Nothing vs. Shared Disk Architectures: An Independent View,” benstopford.com, November 24, 2009.
  2. Michael Stonebraker: “The Case for Shared Nothing,” IEEE Database EngineeringBulletin, volume 9, number 1, pages 4–9, March 1986.
  3. Frank McSherry, Michael Isard, and Derek G. Murray: “Scalability! But at What COST?,” at 15th USENIX Workshop on Hot Topics in Operating Systems (HotOS),May 2015.