互联网 > 正文
人工智能网热度:

别逗了,你真以为分库分表就能无限扩容吗?

像我这样的菜鸟,总会有各种疑问,刚开始是对 JDK API 的疑问,对 NIO 的疑问,对 JVM 的疑问...

图片来自 Pexels

当工作几年后,对服务的可用性,可扩展性也有了新的疑问,什么疑问呢?其实是老生常谈的话题:服务的扩容问题。

正常情况下的服务演化之路

让我们从最初开始。

单体应用

每个创业公司基本都是从类似 SSM 和 SSH 这种架构起来的,没什么好讲的,基本每个程序员都经历过。

RPC 应用

当业务越来越大,我们需要对服务进行水平扩容,扩容很简单,只要保证服务是无状态的就可以了,如下图:

当业务又越来越大,我们的服务关系错综复杂,同时,有很多服务访问都是不需要连接 DB 的,只需要连接缓存即可,那么就可以做成分离的,减少 DB 宝贵的连接。

如下图:

我相信大部分公司都是在这个阶段。Dubbo 就是为了解决这个问题而生的。

分库分表

如果你的公司产品很受欢迎,业务继续高速发展,数据越来越多,SQL 操作越来越慢,那么数据库就会成为瓶颈。

那么你肯定会想到分库分表,不论通过 ID Hash 或者 Range 的方式都可以,如下图:

这下应该没问题了吧。任凭你用户再多,并发再高,我只要无限扩容数据库,无限扩容应用,就可以了。

这也是本文的标题,分库分表就能解决无限扩容吗?实际上,像上面的架构,并不能解决。

其实,这个问题和 RPC 的问题有点类似:数据库连接过多!

通常,我们的 RPC 应用由于是使用中间件进行数据库访问,应用实际上是不知道到底要访问哪个数据库的,访问数据库的规则由中间件决定,例如 Sharding JDBC。

这就导致,这个应用必须和所有的数据库连接,就像我们上面的架构图一样,一个 RPC 应用需要和 3 个 MySQL 连接。

如果是 30 个 RPC 应用,每个 RPC 的数据库连接池大小是 8,每个 MySQL 需要维护 240 个连接。

我们知道,MySQL 默认连接数是 100,最大连接数是 16384,也就是说,假设每个应用的连接池大小是 8 ,超过 2048 个应用就无法再继续连接了,也就无法继续扩容了。

注意,由于每个物理库有很多逻辑库,再加上微服务运动如火如荼,2048 并没有看起来那么大。

也许你说,我可以通过前面加一个 Proxy 来解决连接数的问题,实际上,代理的性能也会成为问题,为什么?

代理的连接数也是不能超过 16384 的,如果并发超过 16384,变成 163840,那么 Proxy 也解决不了问题。

怎么办?让我们再看看上面的架构图:

我们发现,问题是出在“每个 RPC 应用都要连所有的库”,导致扩容应用的同时,每个数据库连接数就要增加。

就算增加数据库,也不能解决连接数的问题。那怎么办呢?

单元化

单元化,听起来高大上,通常在一些 XXX 大会上,分享“关于两地三中心”,“三地五中心”,“异地多活”等等牛逼的名词的时候,单元化也会一起出现。

这里我们不讨论那么牛逼的,就只说“数据库连接数过多” 的问题。实际上,思路很简单:我们不让应用连接所有的数据库就可以了。

假设我们根据 Range 分成了 10 个库,现在有 10 个应用,我们让每个应用只连一个库,当应用增多变成 20 个,数据库的连接不够用了,我们就将 10 个库分成 20 个库。

这样,无论你应用扩容到多少个,都可以解决数据库连接数过多的问题。

注意:做这件事的前提是,你必须保证,访问你这个应用的 Request 请求的数据库一定是在这个应用的。

换个说法,当用户从 DNS 那里进来的时候,就知道自己要去那个应用了,所以,规则在 DNS 之前就定好了,虽然这有点夸张,但肯定在进应用之前就知道要去哪个库了。

所以,这通常需要一个规则,例如通过用户 ID Hash,由配置中心广播 Hash 规则。

这样,所有的组件都能保持一致的规则,从而正确的访问到数据库,如下图:

到这里,我们终于解决了无限扩容的问题。

最后

本文从单体应用开始,逐步讲述了一个正常后台的演进历程,知道了分库分表并不能解决“无限扩容”的问题。

只有单元化才能解决这问题,而单元化则带来更多的复杂性。但是好处不言而喻,单元化带来了更多的思路。

有了单元化,解决了无限扩容的问题,但是我们还没有考虑单点的问题,即服务的可用性。要知道,我们这里的数据库都是单点的。

这就是另一个话题——异地多活,下次再聊。

欢迎关注微信公众号:dcwlcm666;合作及投稿请联系:1519329887@qq.com

赞助商