mycat 学习记录(一)

首先先看下官方对mycat解释

什么是MYCAT?

一个彻底开源的,面向企业应用开发的大数据库集群

支持事务、ACID、可以替代MySQL的加强版数据库

一个可以视为MySQL集群的企业级数据库,用来替代昂贵的Oracle集群

一个融合内存缓存技术、NoSQL技术、HDFS大数据的新型SQL Server

结合传统数据库和新型分布式数据仓库的新一代企业级数据库产品

一个新颖的数据库中间件产品

初步了解下的我对MYCAT的理解......

mycat是对数据进行切分!!!



一 概述 

1.1 数据库切分概述

1.1.1 OLTP 和 OLAP

对于海量数据的处理,按照使用场景主要分为两种类型:联机事务处理(OLTP)和联机分析处理

  联机事务处理(OLTP)也称为面向交易的处理系统,其基本特征是原始数据可以立即送到计算机中心进行处理,并在很短时间内给出处理结果

联机分析处理(OLAP)是指通过多维的方式对数据进行分析、查询和报表。可以同数据挖掘工具、统计分析工具配合使用,增强决策分析功能

OLTP和OLAP的区别

1.1.2 关系型数据库和NoSql数据库

  上述的两类系统有多种技术实现方案,存储所以的数据库主要分为两大类:关系型数据库和NoSQL数据库。

  关系数据库,是建立在关系模型基础上的数据库,其借助于代数等数学概念和方法来处理数据库中的数据。主流的有mysql、oracle、DB2、SQL Server等

  NoSQL数据库,全称Not Only SQL 意思是使用关系型数据库的时候就使用关系型数据库,不适用的时候也没有必要非用关系型数据库不可

问题:既然Oracle 、mysql等传统关系型数据库已经非常成熟并且已大规模商用,那么 为什么还用NoSQL数据库呢?

答: 主要是由于随着互联网的迅速发展,数据量越来越大,对性能要求越来越高(这里的性能要求最直观的理解是在体验功能同一功能时牵扯到的表的有100万数据量和有1亿数据量时,程序响应均较快,客户感受不到区别),传统数据库存在先天性的缺陷,即单机(单库)性能瓶颈,并且扩展困难,这些缺陷自然无法满足日益增长的海量数据存储及其性能要求,所以才出现了各种不同的NoSQL产品,NoSQL根本性的优势在于云计算时代,简单、易于大规模分布式扩展,并且读写性能高

关系型数据库和NoSQL的对比

总结:虽然关系型数据库存在先天性的弊端,但目前NoSQL型数据库又无法将其替代,目前NoSQL只能作为传统数据库的补充存在,重点来了,核心问题就在如何规避传统数据库的缺点,让它变得易于扩展,可切分。mycat就是为了数据切分应运而出的。


1.1.3  那么,什么是数据切分

  简单的说就是通过某种特定的条件,将我们存放在同一个数据库的数据分散存放到多个数据库(主机)上面,以达到分散单台设备负载的效果。

  数据切分有两种切分模式 :数据的垂直切分 和 数据的水平切分

  数据的垂直切分 : 按照不同的表来切分到不同的数据库(主机)之上,这种切可以称之为数据的垂直切分。

  数据的水平切分:根据表中数据的逻辑关系,将同一个表中的数据按照某个字段的某个规则来分散到多个数据库(主机)上面。简单的理解就是按照数据行的切分,是将表中的某些行切分到一个数据库,而另外的某些行又切分到其他的数据库中。这种切分称之为数据的水平切分

总之一句话 垂直切分切的是表规则简单、实施方便,适合各业务之间耦合度低,相互影响很小,业务逻辑清晰的系统。水平切分切的是表里的数据,需要根据特殊的股则来切分,拆分的本身就复杂,后期的数据维护也复杂

1.2 垂直切分


垂直切分

首先系统业务清晰 各大业务模块关联少才可以进上图的垂直切分(本来是单数据库现在将用户系统的user表 订单系统的order表和支付系统的pay表放到三个数据库(单机)中)

优缺点:

优点:
- 拆分后业务清晰,拆分规则明确;

- 系统之间整合和扩展容易

- 数据维护简单

缺点:

- 部分业务表无法join,只能通过接口方式解决,提高了系统复杂度

- 收到业务不同的限制存在单库性能瓶颈,不易数据扩展性能提高;

- 事务处理复杂

ps: 由于垂直切分是按照业务的分类将表分散到不同的库,所以有些业务表会过于庞大,存在单库读写存储性能瓶颈,所以就需要水平拆分来做解决。

1.3 水平切分

相对于垂直切分(对多个表做文章),水平切分则是在表内做文章,它是按照某个字段的某种规则来分散到多个库之中,每个表中包含一部分数据。我们可以将数据的水平切分理解为是按照数据行进行的切分,就是将表中的某些行切分到一个数据库,而另外的某些行又切分到其他的数据库中


水平拆分示意图

好 第一天的学习结束

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
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,496评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,407评论 3 392
  • 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...
    开封第一讲书人阅读 162,632评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,180评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,198评论 6 388
  • 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...
    开封第一讲书人阅读 51,165评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,052评论 3 418
  • 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...
    开封第一讲书人阅读 38,910评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,324评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,542评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,711评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,424评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,017评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,668评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,823评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,722评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,611评论 2 353

推荐阅读更多精彩内容