DB

zhanghong

　　1.需求：
　　海量数据的存储和访问成为了系统设计的瓶颈问题。
　　2.实际环境：
　　        对于一个大型的互联网应用，每天几十亿的PV无疑对数据库造成了相当高的负载。对于系统的稳定性和扩展性造成了极大的问题。
　　3.解决方案：
　　       通过 数据切分来提高网站性能，横向扩展数据层实现了分布式数据访问层（DDAL） 已经成为架构研发人员首选的方式。
　　      水平切分数据库     可以降低单台机器的负载，同时最大限度的降低了了宕机造成的损失。
　　      负载均衡策略        有效的降低了单台机器的访问负载，降低了宕机的可能性；
　　      集群方案               解决了数据库宕机带来的单点数据库不能访问的问题；
　　      读写分离策略        最大限度了提高了应用中读取（Read）数据的速度和并发量。
　　4.分布式数据访问层（DDAL） - JDBC层 和 ORM层
　　      ORM - 对象关系映射（英语：Object Relational Mapping，简称ORM，或O/RM，或O/R mapping），是一种程序技术，用于实现面向对象编程语言里不同类型系统的数据之间的转换。从效果上说，它其实是创建了一个可在编程语言里使用的“虚拟对象数据库”。如：Hibernate,ibatis
　　5.什么(what)是数据切分
　　       通过一系列的切分规则将数据水平分布到不同的DB或table中，在通过相应的DB路由 或者 table路由规则找到需要查询的具体的DB或者table，以进行Query操作。
　　6.为什么(why)数据切分
　　        ●oracle 支持海量数据查询与存储，但价格昂贵。mysql免费，通过对mysql实现sharding（碎片）理念，来支持海量数据的查询与存储。
　　        ●只通过Replication机制来提高读写的吞吐和性能存在一定缺陷：它的有效很依赖于读操作的比例，Master往往会成为瓶颈所在，写操作需要顺序排队来执行，过载的话Master首先扛不住，Slaves的数据同步的延迟也可能比较大，而且会大大耗费CPU的计算能力，因为write操作在Master上执行以后还是需要在每台slave机器上都跑一次。
　　        ●Sharding可以轻松的将计算，存储，I/O并行分发到多台机器上，这样可以充分利用多台机器各种处理能力，同时可以避免单点失败，提供系统的可用性，进行很好的错误隔离。
　　        综合以上因素，数据切分是很有必要的
　　7.怎么（how）数据切分
　　       数据切分可以是物理 上的，对数据通过一系列的切分规则将数据分布到不同的DB服务器上，通过路由规则路由访问特定的数据库，这样一来每次访问面对的就不是单台服务器了，而是N台服务器，这样就可以降低单台机器的负载压力。
　　       对数据通过一系列的切分规则，将数据分布到一个数据库的不同表中，比如将article分为article_001,article_002等子表，若干个子表水平拼合有组成了逻辑上一个完整的article表，这样做的目的其实也是很简单的。提高了数据操作的效率，尤其是Write操作的效率。
　　
　　8.分布式数据方案提供功能
（1）提供分库规则和路由规则（RouteRule简称RR），将上面的说明中提到的三中切分规则直接内嵌入本系统，具体的嵌入方式在接下来的内容中进行详细的说明和论述；
（2）引入集群（Group）的概念，保证数据的高可用性；
（3）引入负载均衡策略（LoadBalancePolicy简称LB）；
（4）引入集群节点可用性探测机制，对单点机器的可用性进行定时的侦测，以保证LB策略的正确实施，以确保系统的高度稳定性；
（5）引入读/写分离，提高数据的查询速度；
　　
　　来自： http://www.iyunv.net/article/23345.htm
　　Replication: http://www.cnblogs.com/hustcat/archive/2009/12/19/1627525.html