SQLServer在数据的高安全、高性能、高可用方面的技术已经比较成熟,这些技术和方案都是随着很多公司的业务和数据访问压力的增加而不断的升级和变迁的,
同时经历了方方面面的考验,证明了它们都是成熟可靠的,下面就这方面的技术方案和变迁过程来做一些分析。
阶段一:
裸奔时代:
优点:裸奔最大的好处就是简单,成本低。
缺点:一旦服务器出现问题,恢复起来比较麻烦;如果访问压力变大,服务器可能不堪重负。
阶段二:
单库+Mirror+BackUp
方案:
说明:Mirror有两种方式,同步和异步;同步方式能保证主库和Mirror端数据的一致性,而且不需要使用企业版,但是对主库的性能影响也比较大;异步方式需要企业版才支
持
,绝大部分时刻能保证数据的一致性,但是也有丢失小部分的数据可能,不过它主库的影响比较小。
优点:此方案对主库的数据提供了可靠的保护,一旦主库出现问题,从库能在比较短的时间内恢复,尤其是数据库很大时(从备份恢复需要的时间会很长),能尽快的恢复业
务使用,而且Mirror端能生成快照,能给实时性要求不高的业务使用。
缺点:Mirror会影响主库的部分性能(异步方式影响比较小),主库出现问题后,前端需要更改访问的IP地址(或者将从服务器的IP地址改成主服务器的IP地址),还需要账号、
权限
和作业等信息迁移
过去。
单库+Replication+ BackUp
方案:
优点:Replication端可以提供给前段访问,可以将读操作放到从库,分担主库的部分压力,还能提供数据库的备份功能,不过这种备份很可能数据会有丢失。
缺点:不能提供安全的数据保护功能,对主库有一些性能影响。
阶段三:
单库+Replication+Mirror+BackUp
方案:
优点:这种方案是前面两种方案的结合,既能够解决数据保护的问题,也能够提供读写分离的功能。
缺点:主库上既有Mirror又有Replication,这种方式对主库影响会比较大,而且实际证明,Mirror和Replication在同一台机器上部署,在一个出现问题时,会对另一个
造
成影响
。
阶段四:
Cluster
(双A
)+BackUp
方案:
说明:图中矩形部分代表存储,两台服务器做了双A的群集。
优点:Cluster能确保其中的一个服务器出现问题时所有的数据和服务能切换到另外一台机器,切换的时间很短,能尽快的恢复业务访问。
缺点:双A群集一般要求配置比较好,价格比较高;因数据都存放在存储上,所以群集不能保护数据,一旦数据或者存储出现问题,需要从备份中恢复数据;SQLServer的群
集
不能
提供负载均衡的功能
。
阶段五:
Cluster
(双A
)+Mirror+BackUp
方案:
说明:双A群集再加两个服务器上库的Mirror保护。
优点:这个方案能对数据提供可靠的保护,无论是服务器故障还是存储故障,都能保证数据的安全,而且数据恢复的时间比较短。
缺点:Mirror会消耗主服务器的部分性能,多了两台Mirror机器,成本会增加,如果存储出现问题,快速恢复的方案是启用Mirror机器,后面可能需要重做群集。
阶段六:
Cluster
(双A
)+Mirror+BackUp+Replication+
单分发方案:
说明:双A 群集,Mirror保护,单分发机器和读写分离方案。
优点:群集和Mirror能充分保护数据的安全,读写分离能提高系统整体的性能。
缺点:成本较高,单分发机存在单点故障,如果分发机器出现问题,将需要重建,此时读和写都将集中到主库,压力会比较大。
Cluster
(双A
)+Mirror+BackUp+Replication+
双分发方案:
优点:与单分发机相比,没有单点故障,即使某台分发机出现问题,也能保证读写分离机制继续运行。
缺点:成本增加,维护方面更复杂。
阶段七:
Cluster
(双A
)+
双存储+BackUp+Replication+
双分发方案:
优点:双存储方案使得数据能得到有效的保护,而且避开了Mirror和Replication同时在主库运行对主服务器造成的影响,节省主服务器资源,而且恢复比较方便。
缺点:成本增加。
阶段八:
Cluster
(双A
)+
双存储+BackUp+Replication+
双分发+SSB
异步方案:
此方式的主要优势是将数据流异步处理,缓解瞬时高流量主库的压力,因为此方案比较复杂,暂时不做说明,可以参考数据库架构
。
阶段九:
拆分业务和数据、采用分布式数据库、使用能负载均衡集群功能的数据库等。
此文档大致描述了随公司的发展、服务器压力的增加,数据库架构方面的变迁阶段,当然我们应该根据公司的具体情况,选择性的采用其中的技术,也可能是直接跳过某
些阶段,而上更高效的方案(如果成本能够接受),因此技术和方案的选择应该根据实际情况,灵活应对。
分享到:
相关推荐
数据库架构的升级和变迁 数据库架构的升级和变迁是随着公司的发展和服务器压力的增加而不断演进的。在这个过程中,数据库架构从简单的裸奔时代逐渐演进到 Cluster(双 A)+双存储+BackUp+Replication+双分发+SSB ...
总的来说,阿里数据库架构的变迁展示了从传统封闭式架构到分布式、云化的开放技术路线,这不仅提升了系统的稳定性和扩展性,也为应对未来的业务挑战和新技术趋势奠定了坚实的基础。在这个过程中,阿里积累了丰富的...
去哪儿网数据库架构变迁是一个关于在线旅游平台去哪儿网(Qunar)如何应对业务增长和数据处理挑战的专题。在技术日新月异的今天,数据库架构的演进是确保服务稳定性和性能的关键。本文将深入探讨去哪儿网在数据库...
去哪儿网的数据库架构变迁是一个典型的在线旅游平台在面临高并发、大数据量挑战时的技术演进过程。这篇PPT主要介绍了去哪儿网如何从传统的单机数据库架构逐渐转变为使用Galera集群的多主同步复制架构,以提升系统的...
小米网作为小米公司的官方在线销售平台,在其发展过程中,架构经历了数次重要的变迁。从小米网的诞生到成为国内知名的电子商务平台,每一个技术阶段都反映着小米在面对业务增长和技术挑战时的应对策略与实践。 最初...
### 互联网时代的架构变迁 #### 单机时代与单体架构 互联网的早期阶段,特别是在资源有限、人力资源紧张的情况下,为了能够快速推出产品或者上线网站,单机模式成为了一个非常实用的选择。在这种模式下,所有的...
从2010年最初的初创时期,到如今拥有超过11百万活跃用户(RU 11M+)、80百万月活跃用户(MAU 80M+)以及每天处理2亿2千万次页面浏览(MPV 220M+),知乎的技术架构经历了多次关键性的升级和优化,以应对不断增长的...
微服务架构将大型的单体应用拆分成一组小型、独立的服务,每个服务都可以独立部署、扩展和升级,减少了组件间的耦合。这种架构模式降低了复杂性,提高了敏捷性和可伸缩性。同时,容器技术,如Docker,也极大地推动了...
12年后的贴吧,经历了多次架构升级,已经能够处理3000亿+的PV,拥有12T+的数据和1000+的机器。在这个过程中,技术团队不断优化性能,例如批量处理速度达到154毫秒,实现了高可用性,即使面临单机或集群故障也能保证...
### 知乎架构变迁史概览 #### 一、引言 知乎作为中国最大的问答社区之一,自2010年成立以来经历了多次架构调整和技术迭代。本文将基于《知乎架构变迁史》PDF文档中的信息,深入探讨知乎的技术发展历程及其背后的...
【知乎架构变迁史】从初创时期的简单架构到应对大规模用户需求的复杂演进,知乎的技术栈和设计策略经历了显著变化。在2010年,知乎由两位工程师启动,使用Python作为主要开发语言,选择Tornado框架是因为其异步特性...
范钢的分享可能涉及在互联网+背景下,传统企业如何利用互联网技术进行业务创新和架构升级。话题可能涵盖云计算、大数据分析、物联网(IoT)以及如何构建支持新业务模式的灵活架构。 6. **阿里双11 分布式数据库实战...
### WinCC数据库SQL访问:深度解析与操作指南 在工业自动化领域,西门子的WinCC(Windows Control ...通过熟练掌握SSMS的使用和理解数据库架构,用户可以充分利用WinCC的潜力,实现高效的数据处理和优化生产流程。
2. 技术升级与商品数据库的发展:随着业务量的增加,淘宝必须对其商品体系架构进行升级,包括采用更高效的数据库管理系统(如分布式数据库),优化索引和查询机制,以支持快速的数据检索和处理。 3. 大数据和人工...
在深入分析Palo的知识点之前,有必要先了解一些背景知识,包括OLTP与OLAP的区别、数据分析架构的变迁,以及传统数据库面临的问题等。 **OLTP与OLAP** OLTP(Online Transaction Processing,联机事务处理)主要用于...
这些变化推动了对数据库性能、可扩展性和适应性的升级。特别是随着5G等通信技术的进步,数据量呈现指数级增长,非结构化数据如图片、语音、视频等成为主流,这对数据库的处理能力提出了新的挑战。 关系型数据库市场...
【架构变迁】和【架构升级】是随着业务需求变化而进行的必要调整。在早期的【史前时代】,阿里使用Perl和CGI技术,之后转向Java,利用Servlet和JDBC提升性能和可维护性。到了【石器时代】,引入了WebMacro和基于POJO...
在数字化转型的浪潮中,传统企业正面临数据库架构的转变,以适应互联网分布式应用的需求。早期的企业应用架构多基于Spring、Struts、SOA、J2EE、.NET等技术栈,搭配WebLogic、WAS等中间件和Oracle、DB2等集中式...
- **技术架构3.0**:为了应对更高的业务需求,宅米进行了第三次技术架构升级。 - 引入了大数据平台来处理海量数据。 - 采用了多种分布式计算框架如Kafka、Hadoop、Spark等来提高数据处理能力。 - 建立了完整的...