这篇文章主要讲解了“怎么做数据库读写分离”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“怎么做数据库读写分离”吧!
创新互联公司主营宁远网站建设的网络公司,主营网站建设方案,APP应用开发,宁远h5小程序开发搭建,宁远网站营销推广欢迎宁远等地区企业咨询
实现方式
对于读写分离的使用,主要分为两种方式,客户端方式和代理方式。
客户端方式可以自己用 Spring 自带的 AbstractRoutingDataSource 来实现,也可以用开源的框架来实现,比如 Sharding-JDBC。
代理方式需要编写代理服务来对所有节点进行管理,应用不需要关注多个数据库节点信息。可以自己实现,也可以用开源的框架,也可以用商业的云服务。
数据延迟
谈到数据延迟,你先得理解主从架构的原理。对数据的增删改操作在主库上执行,查询在从库上执行,当数据刚插入到主库,然后马上去查询的时候,很有可能数据还没同步到从库上,就会出现查询不到的情况。
像我之前在某些网站发表文章,发表之后跳转到列表页面,发现没有新发表的文章,重新刷新下页面又有了,这一看这就是读写分离后的数据延迟导致的现象。
强制路由数据延迟要不要解决,一般取决于业务场景。对于实时性要求没有那么高的业务场景,允许一定的延迟,对于实时性要求高的场景,唯一的方式就是直接从主库进行查询,这样才能及时读到刚插入或者修改后最新的数据。
强制路由
就是一种解决方案,也就是将读请求强制分发到主库进行查询。大部分中间件都支持 Hint 语法/FORCE_MASTER/和/FORCE_SLAVE/。
以 Sharding-JDBC 举例,框架提供了 HintManager 来强制路由,使用方式如下:
HintManager hintManager = HintManager.getInstance(); hintManager.setMasterRouteOnly();
为了方便使用,建议封装一个注解,在需要实时查询的业务方法上加上注解,通过切面进行强制路由的设置。
注解使用:
@MasterRoute @Override public UserBO getUser(Long id) { log.info("查询用户 [{}]", id); if (id == null) { throw new BizException(ResponseCode.PARAM_ERROR_CODE, "id不能为空"); } UserDO userDO = userDao.getById(id); if (userDO == null) { throw new BizException(ResponseCode.NOT_FOUND_CODE); } return userBoConvert.convert(userDO); }
切面设置:
@Aspect public class MasterRouteAspect { @Around("@annotation(masterRoute)") public Object aroundGetConnection(final ProceedingJoinPoint pjp, MasterRoute masterRoute) throws Throwable { HintManager hintManager = HintManager.getInstance(); hintManager.setMasterRouteOnly(); try { return pjp.proceed(); } finally { hintManager.close(); } } }
事务操作
在事务中的读请求,走主库还是从库呢?对于这个问题,最简单的方式就是所有事务中的操作都走主库,在事务中经常会存在插入,然后再重新查询的场景,此时事务没提交,就算同步很快,从库也是没有数据的,所以只能走主库。
但还有一些请求,只需要查询从库就行了,如果针对所有事务中的操作都强制路由,也不是很好。在 Sharding-JDBC 中的做法挺好的,对于同一线程且同一数据库连接内,如有写入操作,以后的读操作均从主库读取,用于保证数据一致性。如果我们在数据写入之前有查询请求,还是走的从库,减轻主库压力。
动态强制路由
在功能开发的时候就决定了哪些接口要强制走主库,这个时候我们会在代码上进行路由的控制,也就是前面讲的自定义注解。如果有些是没有加的,但是在线上运行的时候发现还是要走主库才可以,这个时候就需要改代码重新发布了。
动态强制路由可以结合配置中心来实现,通过配置的方式来决定哪些接口要强制路由,然后在 Filter 中通过 HintManager 来设置,避免改代码重启。
也可以通过切面精确到业务方法级别的动态路由配置。
流量分发
场景一:
假设你有一个主节点,两个从节点,读请求较多,两个从节点压力有点大。这个时候只能增加第三个从节点来分担压力。现象是主库的压力并不大,写入较少,从成本来考虑,是否可以不增加第三个从节点呢?
场景二:
假设你有一个 8 核 64G 的主库,8 核 64G 的从库,4 核 32G 的从库,从配置上来看,4 核 32G 的从库处理能力肯定是要低于其他两个的,这个时候如果我们没有定制流量分发的比例,就会出现低配数据库压力过高而导致的问题。当然这个也能避免使用不同规则的从库。
上面的场景需要能够对请求进行管理,在 Sharding-JDBC 中提供了读写分离的路由算法,我们可以自定义算法来进行流量的分发管理。
实现算法类:
public class KittyMasterSlaveLoadBalanceAlgorithm implements MasterSlaveLoadBalanceAlgorithm { private RoundRobinMasterSlaveLoadBalanceAlgorithm roundRobin = new RoundRobinMasterSlaveLoadBalanceAlgorithm(); @Override public String getDataSource(String name, String masterDataSourceName, ListslaveDataSourceNames) { String dataSource = roundRobin.getDataSource(name, masterDataSourceName, slaveDataSourceNames); // 控制逻辑,比如不同的从节点(配置不同)可以有不同的比例 return dataSource; } @Override public String getType() { return "KITTY_ROUND_ROBIN"; } @Override public Properties getProperties() { return roundRobin.getProperties(); } @Override public void setProperties(Properties properties) { roundRobin.setProperties(properties); } }
基于 SPI 机制的配置:
org.apache.shardingsphere.core.strategy.masterslave.RoundRobinMasterSlaveLoadBalanceAlgorithm org.apache.shardingsphere.core.strategy.masterslave.RandomMasterSlaveLoadBalanceAlgorithm com.cxytiandi.kitty.db.shardingjdbc.algorithm.KittyMasterSlaveLoadBalanceAlgorithm
读写分离的配置:
spring.shardingsphere.masterslave.load-balance-algorithm-class-name=com.cxytiandi.kitty.db.shardingjdbc.algorithm.KittyMasterSlaveLoadBalanceAlgorithm spring.shardingsphere.masterslave.load-balance-algorithm-type=KITTY_ROUND_ROBIN
感谢各位的阅读,以上就是“怎么做数据库读写分离”的内容了,经过本文的学习后,相信大家对怎么做数据库读写分离这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是创新互联,小编将为大家推送更多相关知识点的文章,欢迎关注!