一个网站的访问量一般都不大,用单个数据库完全可以轻松应对。在那个时候,更多的都是静态网页,动态交互类型的网站不多。
上述架构下,我们来看看数据存储的瓶颈是什么?
数据量的总大小 一个机器放不下去时。
数据的索引(B+Tree) 一个机器的内存放不下时。
访问量(读写混合)一个实例不能承受
随着访问量的上升,几乎大部分使用MySQL架构的网站在数据库上都开始出现了性能问题,web程序不在仅仅专注在功能上,同时也在追求性能。程序员们大量使用的缓存技术来缓解数据库的压力,优化数据库的结构和索引。开始比较流行的是通过文件缓存来缓解数据库压力,但是访问量继续增大的时候,多台web机器通过文件缓存不能共享,大量的小文件缓存也带来了比较高的IO压力。这个时候Memcached就成为了一个非常时尚的技术产品。
由于数据库的写入压力增加,Memcached只能缓解数据库的读取压力。读写集中在一个数据库上让数据库不堪重负,大部分网站开始使用主从复制技术来达到读写分离,以及高书写性能和读库的可扩展性。Mysql的master-slave模式成为这个时候的网站标配。
在Memcached的高速缓存,Mysql的主从复制,读写分离的基础之上,这时mysql主库的写压力开始出现瓶颈,而数据量的持续猛增,由于MyISAM使用表锁,在高并发下会出现严重的锁问题,大量的高并发MySQL应用开始使用InnoDB引擎代替MyISAM。
同时开始流行使用分表分库来缓解写压力和数据增长的扩展问题。这个时候,分表分库成了一个热门技术,是面试的热门问题也是业界讨论的热门技术问题。也就在这个时候,Mysql推出了还不太稳定的表分区,这也给技术实力一般的公司带来了希望。虽然Mysql推出了Mysql Cluster集群,但性能也不能很好满足互联网的要求,只是高可靠性提供了非常大的希望。
Mysql数据库也经常存储一些大文本字段,倒是数据库表非常的大,在做数据库恢复的时候就导致非常的慢,不容易快速恢复数据。比如1000万4KB大小的文本就接近40GB的大小,如果能把这些数据从Mysql省去,Mysql将变得非常的小。关系数据库很强大,但是他并不能很好的应对所有的应用场景。Mysql的扩展性差(需要复杂的技术来实现),大数据下IO压力下,表结构更加困难,正是当前使用Mysql的开发人员面临的问题。
今天我们可以通过第三方平台(如:Google,Facebook等)可以很容易的访问和抓取数据。用户的个人信息,社交网络,地理位置,用户生产的数据和用户操作日志已经成倍的增加。我们如果要对这些用户数据进行挖掘,那SQL数据库已经不适合这些应用了,NoSQL数据库的发展也确能很好的处理这些大的数据。
NoSQL(NOSQL ==Not Only SQL) 意即“不仅仅是SQL”。
泛指非关系型的数据库。随着互联网 web2.0 网络的兴起,传统的关系数据库在应付 web2.0 网站,特别是超大规模和高并发的SNS类型的 web2.0 存动态网站已经显得力不从心,暴露了很多难以克服的困难,而非关系型的数据库则由于其本身的特点得到了非常迅速的发展。NoSQL数据库的生产就是为了解决大规模数据集合多重数据种类带来的挑战,尤其是大数据应用难题,包括差大规模数据的存储。
这些类型的数据存储不需要固定的模式,无需多余操作就可以横向扩展。
① 易扩展:
NOSQL数据库种类繁多。但是一个共同的特点都是去掉关系数据库的关系型特性。
数据之间无关系,这种就非常容易扩展。也无形之间,在架构层面上带来了可扩展的能力。
② 大数据量高性能:
NoSQL数据库都具有非常高的读写性能。尤其在大数据量下,同样表现优秀。
这得益于它的无关系性。数据库的结构简单。
一般MySQL使用Query Cache,每次表的更新Cache就失效,是一种大粒度的Cache,在针web2.0的交互频繁的应用,Cache性能不高。而NOSQL的Cache是记录级的,是一种细粒度的Cache,所以NOSQL在这个层面上来说就要性能高很多了。
③ 多样灵活的数据模型
NOSQL无需事先为存储数据建立字段,随着可以存储自定义的数据格式,而在关系数据库里,增删字段是一件非常麻烦的事情。如果是非常大数据量的表,增加字段简直就是一个噩梦。
④ 传统 RDBMS VS NOSQL
RDBMS :
NOSQL:
Redis官网:https://redis.io/
Memcache官网
Mongdb官网
KV:键值对
Cache:缓存
Persistence:持续化
…
大数据时代的3V:海量Volume,多样Variety,实时Velocity。
互联网需求的3高:高并发,高可扩(横向),高性能。
当下的应用是sql和nosql一起使用。
阿里巴巴中文网站商品信息如何存放的:
看看阿里巴巴中文网站首页(以女装、女包包为例)
和我们相关的,多数据源多数据类型的存储问题。
① 商品基本信息
如:名称、价格、出产日期、生产厂商等
关系型数据库:mysql/oracle目前淘宝在去o化(也即要拿下oracle)
注意:淘宝内部使用的mysql是自己改造过的
为什么去IOE?
在IT建设中,去除IBM小型机,Oracle数据库及WMC存储设备。
② 商品描述、详情、评价信息(多文字类)
多文字信息描述类,IO读写性能变差
文档数据库MongDB中
③ 商品图片
商品图片展示类
分布式的文件系统中
④ 商品的关键字
搜索引擎,淘宝内用
ISearch
⑤ 商品的波段性的热点高频信息
内存数据库
Tair、Redis 、Memcache
⑥ 商品的交易、价格计算、积分累计
外部系统,外部第3方支付接口
支付宝…
⑦ 总结大型互联网应用(大数据、高并发、多样数据类型)的难点和解决方案。
难点:
解决办法:
UDSL:在网站应用集群和底层数据源之间,构建一层代理,统一数据层。
以一个电商客户、订单、订购、地址模型来对比下 关系型数据库和非关系型数据库:
ER图(1:1 / 1:n / n:n,主外键等)
什么是BSON?
BSON是一种类json的一种二进制形式的存储形式,简称Binary JSON,它和 Json一样,支持内嵌的文档对象和数组对象。
为什么上述情况可以用聚合模型来处理?
高并发的操作是不太建议有关联查询的,互联网公司用冗余数据来避免关联查询。
分布式事务是支持不了太多的并发的。
聚合模型:
顾名思义是按列存储数据的。最大的特点是方便存储结构化和半结构化数据,方便做数据压缩,针对某一列或者某几列的查询有非常大的IO优势。
KV键值:典型介绍
文档型数据库(bson格式比较多):典型介绍
MongoDB是一个基于分布式文件存储的数据库。由C++语言编写,旨在为WEB应用提供可扩展的高性能数据存储解决方案。
MongoDB是一个介于关系型数据库和非关系型数据库之间的产品,是非关系数据库当中功能最丰富的,最像关系数据库的。
列存储数据库
图关系数据库
四者对比
① 传统的ACID分别是什么?
事务在英文是transaction,和现实世界中的建议很类似,他有如下四个特性:
原子性很容易理解,也就是说事务里的所有操作要么全部做完,要么都不做,事务成功的条件是事务里的所有操作都成功,只要有一个操作失败,整个事务就失败,需要回滚。比如银行转账,从A账户转100元至B账户,分为两个步骤:1)从A账户取100元;2)存入100元至B账户。这两部要么一起完成,要么一起不完成,如果只完成第一步,第二部失败,钱会莫名其妙少了100元。
一致性也比较容易理解。也就是说数据库要一直处于一致的状态。事务的运行不会改变数据库原本的一致性约束。
所谓的独立性是指并发的事物之间不会互相影响,一个事物要访问的数据正在被另一个事物修改,只要另外一个事物未提交,他所访问的数据就不受未提交事务的影响。比如现在有个交易是从A账户转100元至B账户,在这个交易还未完成的情况下,如果此时B查询自己的账户,是看不到新增的100元。
持久化是指一旦事务提交后,它所做的修改将会永久的保存在数据库上,即使出现宕机的也不会丢失。
② CAP
③ CAP的3进2【重点】
CAP理论就是说在分布式存储系统中,最多只能实现上面的亮点。而由于当前的网络硬件会出现延迟丢包等问题,所以**分区容忍性使我们必须要实现的**。
所以我们只能在一致性和可用性之间进行权衡,没有NoSQL系统能同时保证这三点。
=-------------开始---------------=
一致性与可用性的决择:
数据库事务一致性需求
很多web实时系统并不要求严格的数据库事务,对读一致性的要求很低,有些场合对写一致性要求并不高。允许实现最终一致性。
数据库的写实时性和读实时性需求
对关系数据库来说,插入一条数据之后立即查询,是很定可以读出来这条数据的,但是对于很多web应用来说,并不要求这么高的实时性,比方说发一条消息之后,过几秒乃至十几秒之后,我的订阅才看到这条动态是完全可以接受的。
对复杂的SQL查询,特别是多表关系查询的需求
任何大数据量的web系统,都非常忌讳多个大表的关联查询,以及复杂的数据分析类型的报表查询,特别是SNS类型的网站,从需求以及查询设计角度,就避免了这种情况的发生。往往更多的只是单表的主键查询,以及单表的简单条件分页查询,SQL的功能被极大的弱化了 。
=-------------结束---------------=
④ 经典CAP图
CAP理论的核心是:一个分布式系统不可能同时很好的满足一致性,可用性和可区容错性这三个需求,最多可以同时较好的满足两个。
因此,根据CAP原理将NoSQL数据库分成了满足CA原则、满足CP原则和满足AP原则三大类:
CA - 单个集群,满足一致性,可用性的系统,通常在可扩展性不上太强大。
CP - 满足一致性,区分容忍必性的系统,通常性能不是特别高。
AP - 满足可用性,分区容忍性的系统,通常可能对一致性要求低一些。
⑤ BASE
BASE就是为了解决关系数据库强一致性引起的问题而引起的可用性降低而提出的解决方案。
BASE其实是下面三个术语的缩写:
他的思想是通过系统放松对某一时刻数据一致性的要求来换取系统整体伸缩性和性能上改观。为什么这么说呢,缘由就于大型系统往往由于地域分布和极高性能的要求,可能分布式事物来完成这些指标,要想获得这些指标,必须采用另外一种方式来完成,BASE就是解决这个问题的办法。
⑥ 分布式+集群简介
分布式系统:
由多台计算机和通信的软件组件通过计算机网络连接(本地网络或广域网)组成。分布式系统时间里在网络之上的软件系统。正是因为软件的性能,所以分布式系统具有高度的内聚性和透明性。因此,网络和分布式系统之间的区别更多的在于高层软件(特别是操作系统),而不是硬件。分布式系统可以应用在不同的平台上如:PC、工作站、局域网和广域网上等。
简单来讲:
分布式:不同的多台服务器上面部署不同的服务模块(工程),他们之间通过Rpc/Rmi之间通信和调用,对外提供服务和组内协作。
集群:不同的多台服务器上面部署相同的服务模块,通过分布式调度软件进行统一的调度,对外提供服务和访问。
Redis:REmote DIctionary Server(远程字典服务)是完全开源免费的,用c语言编写,遵守BSD协议,是一个高性能的(key/value)分布式内存数据库,基于内存运行并支持持久化的NoSQL数据库,是当前最热门的Nosql数据库之一,也被人们称为数据结构服务器。
Redis与其他 key - value 缓存产品有以下三个特点:
内存存储和持久化:redis支持异步将内存中的数据写到硬盘上,同时不影响继续服务
取最新N个数据的操作,如:可以将最新的10条评论的ID放在Redis的List集合里面
模拟类似于HttpSession这种需要设定过期时间的功能。
发布、订阅消息系统
定时器、计算器
Http://redis.io/
Http://www.redis.cn/
VMWare虚拟机的安装
CentOS或者RedHad5的安装
1)如何查看自己的linux是32位还是64位:
getconf LONG_BIT
返回是多少就是几位
2)假如出现了不支持虚拟化的问题:
是“宿主机BIOS设置中的硬件虚拟化被禁用了。”
需要打开笔记本BIOS中的IVT对虚拟化的支持。
找到菜单“Security”–“System Security”,
将Virtualization Technology(VTx)和Virtualization Technology DirectedI/O(VTd)设置为 Enabled。
保存并退出BIOS设置,重启电脑。
VMTools的安装
设置共享目录
上述环境都OK后开始进行Redis的服务器安装配置。
下载地址:https://GitHub.com/dmajkic/redis/downloads
下载到的Redis支持32bit和64bit。根据自己实际情况选择,将64bit的内容cp到自定义盘符安装取名redis,如C:\redis 。 打开一个cmd窗口 使用cd命令切换目录到 C:\redis 运行 redis-server.exe redis.conf 。
如果想方便的话,可以把redis的路径加到系统的环境变量里,这样就省的在输路径了,后面的那个 redis.conf 可以省略,
如果省略,会启用默认的。输入之后,会显示如下界面:
这时候另启一个cmd窗口,原来不要关闭,不然就无法访问服务器了。
切换到redis目录下运行 redis-cli.exe -h 127.0.0.1 -p 6379 。
设置键值对 set myKey abc
重要提示:由于企业里面做redis开发,99%都是用Linux版的运用和安装,几乎不涉及到Windows版,上一步的讲解只是为了知识的完整性,windows版不作为重点,企业实战就认一个版:Linux
下载获得 redis-3.0.4.tar.gz 后将它放入我们的Linux目录 /opt 下
进入目录:cd redis-3.0.4
在 redis-3.0.4目录下执行 make
命令
运行 make 命令时故意出现的错误解析:【缺少gcc命令】
=-------------解决开始---------------=
1.安装gcc
gcc是linux下的一个编译程序,是C程序的编译工具。
GCC(GNU Compiler Collection) 是 GNU(GNU’s Not Unix) 计划提供的编译器家族,它能够支持 C, C++, Objective-C, Fortran, Java 和 Ada 等等程序设计语言前端,同时能够运行在 x86, x86-64, IA-64, PowerPC, SPARC 和 Alpha 等等几乎目前所有的硬件平台上。鉴于这些特征,以及 GCC 编译代码的高效性,使得 GCC 成为绝大多数自由软件开发编译的首选工具。虽然对于程序员们来说,编译器只是一个工具,除了开发和维护人员,很少有人关注编译器的发展,但是 GCC 的影响力是如此之大,它的性能提升甚至有望改善所有的自由软件的运行效率,同时它的内部结构的变化也体现出现代编译器发展的新特征。
能上网:yum install gcc-c++
不上网 :操作如下
① 从ISO镜像中安装gcc,按照下图操作
② 在终端中输入 cd/media/CentOS_5.2_Final/CentOS 回车 (或者输入pwd进行查看)
③ 分别执行如下命令:
rpm -ivh cpp-4.1.2-48.el5.i386.rpm 回车
rpm -ivh kernel-headers-2.6.18-194.el5.i386.rpm 回车
rpm -ivh glibc-headers-2.5-49.i386.rpm 回车
rpm -ivh glibc-devel-2.5-24.i386.rpm 回车
rpm -ivh libgomp-4.4.0-6.el5.i386.rpm 回车
rpm -ivh gcc-4.1.2-48.el5.i386.rpm 回车
④ 之后执行:gcc -v
2.二次make
3.Jemalloc/jemalloc.h:没有那个文件或目录
运行make distclean之后再 make
4.Redis Test【可以不用执行】
下载TCL的网址:http://www.linuxfromscratch.org/blfs/view/cvs/general/tcl.html
如果make完成后继续执行 make install
备份配置文件,以防出错:此时redis的配置文件在/opt 下,我们可以在根目录创建一个myredis目录,将 redis.conf 配置文件拷贝到myredis中。修改配置文件中的 daemonize
属性。
mkdir myredis
cp redis.conf /myredis
vim redis.conf
此时Redis的安装完成。。。
Redis-benchmark:性能测试工具,可以在自己本子运行,看看自己本子性能如何
查看默认安装目录:/usr/local/bin
查看我的redis是否启用:ps -ef|grep redis 或者 lsof -i : 6379
启动并连通测试:
关闭服务
单进程模型来处理客户端的请求。对读写等事件的响应是通过对 epoll 函数的包装来做到的。Redis的实际处理速度完全依靠主进程的执行效率。
Epoll
是Linux内核为处理大批量文件描述符而作了改进的epoll,是Linux下多路复用IO接口select/poll的增强版本,它能显著提高程序在大量并发连接中只有少量活跃的情况下的系统CPU利用率。
设置数据库的数量,默认数据库为0,可以使用 SELECT
命令在连接上指定数据库id
databases 16