Hello,你們好!我是樓下小黑哥,我又來了~數據庫
今天分享一下剛入職公司第一次發佈項目遇到的一個問題,一個數據庫讀寫分離的坑。緩存
事情是這樣的,剛入職的時候接到了這樣的一個業務需求:架構
每一個支付通道支付失敗的時候都會返回特定的錯誤碼,業務內部須要將通道特定的錯誤碼轉義成內部的錯誤碼,這樣對外就能夠統一返回咱們本身的錯誤碼。併發
這個需求其實不難,當時設計的系統架構以下:異步
新增規則的流程簡單分爲三步:ide
這裏之因此增長緩存,是由於這個場景每次支付都須要使用,使用緩存能夠避免每次都去數據庫讀取,增長讀取速度。性能
後續支付請求業務流程以下:學習
當緩存內映射規則不存在的時候,將會查詢數據庫,而後加載到緩存中。若是緩存內映射規則已存在,將會直接使用緩存內映射規則。測試
這個業務流程其實比較簡單,當時在測試環境測試也沒問題,後續發佈線上環境的卻碰到奇怪的問題。優化
新增規則以後,一段時間內,映射規則並無生效。查看日誌發現,查詢數據庫的時候,沒有數據。
這就很奇怪了,日誌顯示新增是成功,可是查詢卻沒有數據。可是過了一段時間,再次查詢卻又有了數據。
走查了下代碼,發現並無什麼問題,次日上班的時候請教了一下同事,才知道問題的緣由:
原來線上的數據庫採用主從架構,數據讀寫分離,數據查詢走的是從庫。數據寫入都是直接操做主庫,後續再同步到從庫。
因爲數據庫同步存在延時,這就致使數據同步的這段時間,主從數據將會不一致,從庫沒法查詢到最新的數據。
若是你以前的數據庫系統架構是單庫或者主備結構,當你第一次轉到數據讀寫分離架構,這個坑大機率也會踩到。
下面咱們首先了解一下數據庫系統架構,最後再來看下如何解決主從同步延時的致使數據不一致。
業務發展的前期,數據訪問量小,這時咱們能夠直接採用單庫的架構。
不過咱們通常不使用的上面的架構,由於存在單點的問題。若數據庫出現故障,這段期間業務將會不可用。咱們除了等待重啓,其餘沒什麼解決辦法。
因此咱們會增長一個備庫,實時同步主庫的數據。
一旦「主庫」出了故障,經過人工的方式,手動的將「主機」踢下線,將「備機」改成「主機」來繼續提供服務。
這種架構,部署維護簡單,業務開發也無需任何改造。
不過缺點也很明顯,備庫只有在主庫有問題的時候纔會被啓用,存在必定的資源浪費的狀況。
隨着業務發展,請求量不斷變大,數據量也不斷變大,業務變得更加複雜,很快數據將會到達瓶頸。
因爲大多數業務都是讀多寫少,因此數據庫讀的最容易成爲系統瓶頸。
這時候咱們能夠提升讀的性能,這時咱們的能夠採用的方案,增長從實例,主從同步,數據讀寫分離。
能夠看到這個架構與主備沒什麼區別,主要區別在於主從架構下,從庫與主庫同樣,時刻須要幹活,主庫提供寫服務,從庫只提供讀服務。
若是後續讀的壓力仍是太大,咱們還能夠增長從庫的數量,水平擴充讀的能力。
雖然主從架構幫咱們解決讀的瓶頸,可是因爲主從之間須要數據同步,這自然就存在必定延時。
在這延時窗口期內,從庫的讀只能讀到一箇舊數據,這也是上面案例問題的真正的緣由。
接下來咱們來看下有什麼辦法能夠優化這種狀況。
第一種解決辦法,很簡單,無他,無論他,沒有讀到也沒事。這時業務不須要任何改造,你好,我好,她也好~
若是業務對於數據一致性要求不高,咱們就能夠採用這種方案。
主從數據同步方案,通常都是採用的異步方式同步給備庫。
咱們能夠將其修改成同步方案,主從同步完成,主庫上的寫才能返回。
這種方案,咱們只須要修改數據庫之間同步配置便可,業務層無需修改,相對簡單。
不過,因爲主庫寫須要等待主從完成,寫請求的時延將會增長,吞吐量將會下降。
這一點對於如今在線業務,可能沒法接受。
對於須要強一致的場景,咱們能夠將其的讀請求都操做主庫,這樣讀寫都在主庫,就沒有不一致的狀況。
這種方案業務層須要改造一下,將其強制性讀主,相對改造難度較低。
不過這種方案相對於浪費了另外一個數據庫,增長主庫的壓力。
這種方案須要使用一箇中間件,全部數據庫操做都先發到中間件,由中間件再分發到相應的數據庫。
這時流程以下:
這種方案,能夠保持數據讀寫的一致。
可是系統架構增長了一箇中間件,總體複雜度變高,業務開發也變得複雜,學習成本也比較高。
這種方案與中間件的方案流程比較相似,不過改形成本相對較低,不須要增長任何中間件。
這時流程以下:
這種方案相對中間件的方案成本較低,可是呢咱們此時又引入一個緩存組件,全部讀寫之間就又多了一步緩存操做。
咱們引入主從架構,數據讀寫分離,目的是爲了解決業務快速發展,請求量變大,併發量變大,從而引起的數據庫的讀瓶頸。
不過當引入新一個架構解決問題時,勢必會帶來另一個問題,數據庫讀寫分離以後,主從延遲從而致使數據不一致的狀況。,
爲了解決主從延遲,數據不一致的狀況,咱們能夠採用如下這幾種方案:
上面的方案都有各自的優勢,固然也有相應的缺點,咱們須要根據本身的業務狀況,選擇相應的解決方案。
好了,今天的文章就到此。
我是樓下小黑哥,下週見~
歡迎關注個人公衆號:小黑十一點半,得到平常乾貨推送。若是您對個人專題內容感興趣,也能夠關注個人博客:studyidea.cn