分布式关系型数据库RDS.PDFVIP

分布式关系型数据库 DRDS 最佳实践 分布式关系型数据库 DRDS 最佳实践 最佳实践 切分维度的选择是决定我们的分布式数据最重要的一个权衡性因素，需要审慎选择，一般而言，您可以按照以 下五个维度进行思考和权衡，包括数据均衡度考虑、事务边界因素、常用查询效率考虑、异构索引考虑、简单 性策略。 每一个应用业务类型可能都不太一样，也不太可能匹配所有因素的最优策略，具体采用何种方式，还 需要通过综合考量，每个因素都不能太走极端，否则会导致开发运维成本急剧增长。 容量和访问均衡 一般来说数据容量和访问均衡是我们考量的第一点，不均衡的数据分布和访问可能不能充分发挥数据拆分的能 力，让访问体验变差，同时带来成本上的损耗，相当于1+12的效果。所以一般来说拆分字段区分度比较大 ，数据分布和访问相对会比较均衡，但是这点也需要考虑到某一个拆分值是否有热点的问题。 那么按照这个原则，能否按主键拆分(区分度最大)呢？我们没有禁止按主键拆分，但是不推荐，因为按主键拆分 ，如果要保持最佳性能，你每个sql都需要带上这个主键字段(当然不带扫描所有数据分片也可以，只是性能会降 低)。 事务边界 事务边界越大(或者单个sql所执行的数据分片数)，那么系统的锁冲突概率越高，系统越难以扩展，性能越低。 因此，若想将您的系统做到很好的扩展性，那么一个最重要的原则就是想办法划小事务边界，并尽可能让事务 的边界限制在单台机器内。缩小事务边界的方式，主要有以下三类： 第一种方式：事务边界本来就很小 比如，您发现按照某个切分条件，数据分布均匀，并且事务边界只在单机内，不需要跨机事务，那么恭喜，这 个切分条件是非常合适的切分维度。 第二种方式：使用基于消息的最终一致模型，将强一致事务变为最终一致事务 针对事务的拆解，是个比较复杂的概念，我们会专门进行阐述，在这里只针对一个最常见的最终一致性事务拆 解模型做出简单说明。例如，当我们要通过分布式事务完成在两台数据库内的数据转账操作的时候，我们会发 现有些操作不得不通过网络而进行传递，这明显的增加了单次事务的延迟，极大的降低了性能。 第三种方式：谨慎的使用分布式事务 使用最终一致性事务，一般只能解决90%的业务场景，剩下的一些场景，可能还是需要使用分布式事务方式完 成。但分布式事务必然带来非常多的性能问题，因此，我们只建议在不得不使用分布式事务的时候，才使用。 常用查询 对于常用查询优化的核心要义，就是尽可能让您的一次前端请求，物理上直接发送到一台存储的机器上，尽可 1 分布式关系型数据库 DRDS 最佳实践 能避免那些需要将请求下发到多台机器的查询