关注后回复"领取",可免费领取软件测试必读的七本电子书和近500M性能测试资料。更多软件测试资料敬请期待更新！！！ WOT(World Of Tech)2015，互联网运维与开发者大会将在北京举行，会上58同城将分享《大数据量下，58同城mysql实战》的主题，干货分享抢先看。 一、基本概念 大数据量下，搞mysql，以下概念需要先达成一致 1)单库，不多说了，就是一个库 2）分片（sharding），水平拆分，用于解决扩展性问题，按天拆分表 3）复制（replication）与分组（group），用于解决可用性问题 4）分片 分组，这是大数据量下，架构的实际情况 二、大数据量下，mysql常见问题及解决思路 1）常见问题 如何保证可用性？ 各色各异的读写比，怎么办？ 如何做无缝倒库，加字段，扩容？ 数据量大，怎么解决？ 2）解决思路 2.1）可用性解决思路：复制 读库可用性 从库复制多个，例如：1主2从 从库挂了读主库，例如：1主1从 写库可用性 双主模式 “双主”当“主从”用 2.2）读写比解决思路-针对特性做设计 读多些少场景：提升读性能，3种常见方案： a）新建索引提高读性能，什么小技巧？ b）读写分离，增加从库扩展读性能 c）增加缓存来扩展读性能 a）b）c）方案存在什么问题？ 如何解决这些问题？ 读写相近场景：不要使用缓存，考虑水平切分 写多读少场景：不要使用缓存，考虑水平切分 2.3）无缝倒库[扩容，增加字段，数据迁移] 追日志方案 a）记录写日志 b）倒库 c）倒库完毕 d）追日志 e）追日志完毕 数据校验 f）切库 双写方案 a）服务双写 b）倒库 c）倒库完毕 数据校验 d）切库 2.4）数据量大解决思路：拆库 三、数据库拆库实战 四类场景覆盖99%拆库业务 a）“单key”场景，用户库如何拆分： user(uid, XXOO) b）“1对多”场景，帖子库如何拆分： tiezi(tid, uid, XXOO) c）“多对多”场景，好友库如何拆分： friend(uid, friend_uid, XXOO) d）“多key”场景，订单库如何拆分：order(oid, buyer_id, seller_id, XXOO) 1）用户库如何拆分 用户库，10亿数据量 user(uid, uname, passwd, age, sex, create_time); 业务需求如下 a）1%登录请求 = |
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
注册
登录
