本文将介绍数据库架构设计中的一些基本概念，常见问题以及对应解决方案，为了便于读者理解，将以“用户中心”为例，讲解数据库架构设计的常见玩法。
01
用户中心
用户中心是一个非常常见的业务，主要提供用户注册、登录、信息查询与修改的服务，其核心元数据为：
User(uid, uname, passwd, sex, age, nickname, …)
其中：
- uid为用户ID，主键。
- uname, passwd, sex, age, nickname, …等为用户的属性。
数据库设计上，一般来说在业务初期，单库单表就能够搞定这个需求。
为了方便大家理解，后文图片说明如下：
- “灰色”方框，表示service，服务。
- “紫色”圆框，标识master，主库。
- “粉色”圆框，表示slave，从库。
02
单库架构
最常见的架构设计如上：
- user-service：用户中心服务，对调用者提供友好的RPC接口。
- user-db：一个库进行数据存储。
03
分组架构
1. 分组架构究竟解决什么问题？
答：大部分互联网业务读多写少，数据库的读往往最先成为性能瓶颈，如果希望：
- 线性提升数据库读性能。
- 通过消除读写锁冲突提升数据库写性能。
- 通过冗余从库实现数据的“读高可用”。
此时可以使用分组架构，需要注意的是，分组架构中，数据库的主库依然是写单点。
04
分片架构
1. 分片架构究竟解决什么问题？
答：大部分互联网业务数据量很大，单库容量容易成为瓶颈，此时通过分片可以：
- 线性提升数据库写性能，需要注意的是，分组架构是不能线性提升数据库写性能的。
- 降低单库数据容量。
一句话总结，分片解决的是“数据库数据量大”问题，所实施的架构设计。
05
分组 分片架构
如果业务读写并发量很高，数据量也很大，通常需要实施分组 分片的数据库架构：
- 通过分片来降低单库的数据量，线性提升数据库的写性能。
- 通过分组来线性提升数据库的读性能，保证读库的高可用。
06
垂直切分
除了水平切分，垂直切分也是一类常见的数据库架构设计，垂直切分一般和业务结合比较紧密。
还是以用户中心为例，可以这么进行垂直切分：
User(uid, uname, passwd, sex, age, …)
User_EX(uid, intro, sign, …)
- 垂直切分开的表，主键都是uid。
- 登录名，密码，性别，年龄等属性放在一个垂直表（库）里。
- 自我介绍，个人签名等属性放在另一个垂直表（库）里。
1. 如何进行垂直切分？
答：根据业务对数据进行垂直切分时，一般要考虑属性的“长度”和“访问频度”两个因素：
- 长度较短，访问频度较高的放在一起。
- 长度较长，访问频度较低的放在一起。
这是因为，数据库会以行(row)为单位，将数load到内存(buffer)里，在内存容量有限的情况下，长度短且访问频度高的属性，内存能够load更多的数据，命中率会更高，磁盘IO会减少，数据库的性能会提升。
06
业务场景决定数据库架构
- 业务初期用单库。
- 读压力大，读高可用，用分组。
- 数据量大，写线性扩容，用分片。
- 属性短，访问频度高的属性，垂直拆分到一起。
本文以“用户中心”为例，对常见数据库架构设计进行了简要梳理与总结，但实际数据库架构设计远比此复杂，特别是水平切分的架构设计，不同业务场景的切分方式不尽相同。
感兴趣的可以订阅我的专栏，后续将要详细介绍，覆盖90%互联网业务特性的四类业务：
从《从“单KEY”类业务》中了解到：
- 水平切分方式
- 水平切分后碰到的问题
- 用户侧与运营侧架构设计思路
- 用户前台侧，“建立非uid属性到uid的映射关系”最佳实践
- 运营后台侧，“前台与后台分离”最佳实践
从《“1对多”类业务》这篇文章，能够了解到：
- “1对多”类业务，在架构上，采用元数据与索引数据分离的架构设计方法；
- 对于元数据的存储，在数据量较大的情况下，有三种常见的切分方法。
从《“多对多”类业务》这篇文章，能够了解到：
- 好友业务是一个典型的多对多关系，又分为强好友与弱好友；
- 数据冗余是一个常见的多对多业务数据水平切分实践；
- 冗余数据的常见三种方案；
- 实现一致性要实践的常见三种方案。
从《“多KEY”类业务》这篇文章，能够了解到：
- 前台、后台系统web/service/db分离解耦，避免后台低效查询引发前台查询抖动。
- 采用前台与后台数据冗余的设计方式，分别满足两侧的需求。
- 采用“外置索引”（例如ES搜索系统）或者“大数据处理”（例如HIVE）来满足后台变态的查询需求。
这个专栏系统的展开描述了“水平切分”这一个话题，在数据库架构设计过程中，除了水平切分，至少还会遇到这样一些问题：
- 可用性：不管是主库实例，还是从库实例，如果数据库实例挂了，如何不影响数据的读和写。
- 读性能：互联网业务大多是读多写少的业务，如果提升数据库的读性能是架构设计中必须考虑的问题。
- 一致性：数据一旦冗余，就可能出现一致性问题，如何解决主库与从库之间的不一致，如何解决数据库与缓存之间的不一致，也是需要重点设计的。
- 扩展性：如何在不停服务的情况下扩充数据表的属性，实施数据迁移，实施存储引擎的切换，架构设计上都是十分有讲究的。
- 分布式SQL语句：单库情况下，所有SQL语句的执行都没问题问题，一旦实施了水平切分，如何实现SQL的集函数，分页，非patition key上的查询都成了大问题。
