数据服务层 当数据库扼住系统性能咽喉，直接分库分表能解决吗？

当数据库扼住系统性能咽喉，直接分库分表能解决吗？

子库和子表是一种相对落后的优化方法，因为成本相对较高。

遇到数据库瓶颈：

-首先考虑SQL优化，这是最简单的方法。对现有系统没有影响。

-第二个是考虑数据库读写分离，这也是一个相对简单的方法。在数据库级配置中，系统级只需要调整获取数据库连接的逻辑即可。读取数据时，可以同时获得主库和从库连接。写入数据时，仅获取主库连接。

-考虑添加缓存层。数据缓存在缓存中，再次访问时不再从数据库检索。通常，缓存层对系统是透明的，对系统本身没有影响。但是，cache的引入也引入了相应的需要考虑的问题，如雪崩、命中率、分布式cache等]-还有一种非技术手段，就是改变需求。性能问题的原因是否不合理？还是要求太复杂？需求可以简化吗？这种方法对系统的影响相对较小。

-最后，考虑子数据库和子表。优先考虑子数据库，因为它比子表简单。将相应的表移动到新的数据库中，并调整系统的逻辑以获得数据库连接。在这里，我们需要考虑移动哪些表。在提高性能的前提下，我们首先尝试避免分布式事务。

-最后，考虑子表。子表的主要原因是单个表中的数据量很大。子表分为纵断面和横断面。垂直剪切是按列剪切的，例如用户表。常用信息为基本信息表，其他信息为明细表。横切是按行切割。例如，一个有1亿数据的表被分成10个有1000万数据的表。这涉及到数据应该存储在哪个表中或从哪个表中获取。在表被划分之后，可以对数据库进行进一步的优化。

-如果涉及分布式事务，应考虑如何保证分布式事务。理论上，2个，3个，帕克斯，帽子，底座。相应中间件的使用。

系统的设计和优化不是模仿的问题，而是需要根据实际场景进行处理。

数据服务层 数据贴源层是什么 大数据四层架构

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。