数据库相关的东西，是最近想写的最后一个总结了。说到大数据，数据库集群，都是比较蛋疼的话题。动不动就要用Hadoop，spark，事实上mysql还是可以比较轻松支持起亿级数据的。mongodb在即时通讯上面很流行，因为有它的特殊性，node.js+mongodb是绝配，上次测session的持久化，数据比用redis还快，太神奇了。对于Hadoop，spark其实我没什么可说的，因为没有使用场景，但是更多人建议使用spark，其实Hadoop和spark的使用场景是有差异的，具体可以百度了解一下。对于mysql，之前在群里聊过，一般的架构就是读写分离，多组主从，分库分表，做好监控。数据库常用的方案：主从模式，双主模式，NDB Cluster等。无论是主从还是双主，需要客户端做好负载均衡。NDB Cluster 是个很好的方向但商业案例不多。具体 https://www.zhihu.com/question/21307639 。目前主从模式，双主模式还是比较简单易行的。通过读写分离，读的瓶颈可以得到缓解，但是写的瓶颈更加明显了，该如何解决写的瓶颈呢？大多数人提出的方案就是分库分表，但是分库分表很可能影响业务逻辑，比较蛋疼。当当开源了一个sharding－jdbc似乎挺好的解决这个问题，但是性能如何呢，我没有时间做测试。还有一个据说很牛逼的mycat，没怎么了解。如果引入cache（redis，memcached）做缓冲的，高并发需要解决很多一致性的问题，这个很心塞。简单写这个，没有什么深入的内容，只是小结一下别人生产环境中可用的方案 ，帮助我们在选择的时候做决定的。具体真的要深入的话，水比较深，交给专业的数据库工程师就好了。
数据库集群
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
- 文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
推荐阅读更多精彩内容
- 目录 环境准备 安装域控服务器 将服务器加入域控中 配置故障转移群集 安装与配置SQL Server 2014 配...
- //我所经历的大数据平台发展史（三）：互联网时代 • 上篇http://www.infoq.com/cn/arti...
- 云：白驹苍狗，聚散离合，变化万千。 这是我没接触云计算之前，大自然的云在我心中的形象，倏忽缥缈，形态万千。在接触云...
- 上一节，通过使用overlay网络，搭建了跨主机的docker容器集群。下面，在这个跨主机的docker容器集群环...
