ddia/part-ii.md
2020-10-23 23:37:58 +08:00

7.3 KiB
Raw Blame History

第二部分: 分布式数据

一个成功的技术,现实的优先级必须高于公关,你可以糊弄别人,但糊弄不了自然规律。

——罗杰斯委员会报告1986


在本书的第一部分中,我们讨论了数据系统的各个方面,但仅限于数据存储在单台机器上的情况。现在我们到了第二部分,进入更高的层次,并提出一个问题:如果多台机器参与数据的存储和检索,会发生什么?

你可能会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

如果你的数据量、读取负载、写入负载超出单台机器的处理能力,可以将负载分散到多台计算机上。

容错/高可用性

如果你的应用需要在单台机器(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,则可使用多台机器,以提供冗余。一台故障时,另一台可以接管。

延迟

如果在世界各地都有用户,你也许会考虑在全球范围部署多个服务器,从而每个用户可以从地理上最近的数据中心获取服务,避免了等待网络数据包穿越半个世界。

伸缩至更高的载荷

如果你需要的只是伸缩至更高的载荷load,最简单的方法就是购买更强大的机器(有时称为垂直伸缩vertical scaling向上伸缩scale up)。许多处理器,内存和磁盘可以在同一个操作系统下相互连接,快速的相互连接允许任意处理器访问内存或磁盘的任意部分。在这种**共享内存架构shared-memory architecture**中,所有的组件都可以看作一台单独的机器。

共享内存方法的问题在于,成本增长速度快于线性增长:一台有着双倍处理器数量,双倍内存大小,双倍磁盘容量的机器,通常成本会远远超过原来的两倍。而且可能因为存在瓶颈,并不足以处理双倍的载荷。

共享内存架构可以提供有限的容错能力,高端机器可以使用热插拔的组件(不关机更换磁盘,内存模块,甚至处理器)——但它必然囿于单个地理位置的桎梏。

另一种方法是共享磁盘架构shared-disk architecture,它使用多台具有独立处理器和内存的机器,但将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1。这种架构用于某些数据仓库但竞争和锁定的开销限制了共享磁盘方法的可伸缩性【2】。

无共享架构

相比之下,无共享架构shared-nothing architecture(有时称为水平伸缩horizontal scale向外伸缩scale out)已经相当普及。在这种架构中,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。节点之间的任何协调,都是在软件层面使用传统网络实现的。

无共享系统不需要使用特殊的硬件所以你可以用任意机器——比如性价比最好的机器。你也许可以跨多个地理区域分布数据从而减少用户延迟或者在损失一整个数据中心的情况下幸免于难。随着云端虚拟机部署的出现即使是小公司现在无需Google级别的运维也可以实现异地分布式架构。

在这一部分里,我们将重点放在无共享架构上。它不见得是所有场景的最佳选择,但它是最需要你谨慎从事的架构。如果你的数据分布在多个节点上,你需要意识到这样一个分布式系统中约束和权衡 ——数据库并不能魔术般地把这些东西隐藏起来。

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。在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【4】。另一方面无共享系统可以非常强大。接下来的几章将详细讨论分布式数据会带来的问题。

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

在几个不同的节点上保存数据的相同副本,可能放在不同的位置。 复制提供了冗余:如果一些节点不可用,剩余的节点仍然可以提供数据服务。 复制也有助于改善性能。 第五章将讨论复制。

分区 (Partitioning)

将一个大型数据库拆分成较小的子集(称为分区partitions),从而不同的分区可以指派给不同的节点node(亦称分片shard)。 第六章将讨论分区。

复制和分区是不同的机制,但它们经常同时使用。如图II-1所示。

图II-1 一个数据库切分为两个分区,每个分区都有两个副本

理解了这些概念,就可以开始讨论在分布式系统中需要做出的困难抉择。第七章将讨论事务(Transaction),这对于了解数据系统中可能出现的各种问题,以及我们可以做些什么很有帮助。第八章第九章将讨论分布式系统的根本局限性。

在本书的第三部分中,将讨论如何将多个(可能是分布式的)数据存储集成为一个更大的系统,以满足复杂的应用需求。 但首先,我们来聊聊分布式的数据。

索引

  1. 复制
  2. 分片
  3. 事务
  4. 分布式系统的麻烦
  5. 一致性与共识

参考文献

  1. Ulrich Drepper: “What Every Programmer Should Know About Memory,” akkadia.org, November 21, 2007.

  2. Ben Stopford: “Shared Nothing vs. Shared Disk Architectures: An Independent View,” benstopford.com, November 24, 2009.

  3. Michael Stonebraker: “The Case for Shared Nothing,” IEEE Database EngineeringBulletin, volume 9, number 1, pages 49, March 1986.

  4. 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.


上一章 目录 下一章
第四章:编码与演化 设计数据密集型应用 第五章:复制

  1. 网络附属存储Network Attached Storage, NAS存储区网络Storage Area Network, SAN ↩︎