数据库集群

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。