Mobabel

Just One Pure ITer

Category: Distributed Architecture

[转]分库分表无限扩容 0

Database Partitioning&Scaling

[转]分库分表无限扩容

1. 正常情况下的服务演化之路 让我们从最初开始。 1-1. 1、单体应用 每个创业公司基本都是从类似 SSM 和 SSH 这种架构起来的，没什么好讲的，基本每个程序员都经历过。 1-2. 2、RPC 应用 当业务越来越大，我们需要对服务进行水平扩容，扩容很简单，只要保证服务是无状态的就可以了，如下图： 当业务又越来越大，我们的服务关系错综复杂，同时，有很多服务访问都是不需要连接 DB 的，只需要连接缓存即可，那么就可以做成分离的，减少 DB 宝贵的连接。如下图： 我相信大部分公司都是在这个阶段。Dubbo 就是为了解决这个问题而生的。 1-3. 3、分库分表 如果你的公司产品很受欢迎，业务继续高速发展，数据越来越多，SQL 操作越来越慢，那么数据库就会成为瓶颈，那么你肯定会想到分库分表，不论通过 ID hash 或者 range 的方式都可以。如下图： 这下应该没问题了吧。任凭你用户再多，并发再高，我只要无限扩容数据库，无限扩容应用，就可以了。 这也是本文的标题，分库分表就能解决无限扩容吗？ 实际上，像上面的架构，并不能解决。 其实，这个问题和...

[转]跨库分页的几种常见方案 0

Database Partitioning&Scaling

[转]跨库分页的几种常见方案

为什么需要研究跨库分页？ 互联网很多业务都有分页拉取数据的需求，例如： （1）微信消息过多时，拉取第N页消息； （2）京东下单过多时，拉取第N页订单； （3）浏览58同城，查看第N页帖子；

[转]1万属性，100亿数据，每秒10万吞吐，架构如何设计？ 0

Database Theory & Solution

[转]1万属性，100亿数据，每秒10万吞吐，架构如何设计？

有一类业务场景，没有固定的schema存储，却有着海量的数据行数，架构上如何来实现这类业务的存储与检索呢？58最核心的数据“帖子”的架构实现技术细节，今天和大家聊一聊。 1. 一、背景描述及业务介绍 什么是58最核心的数据？ 58是一个信息平台，有很多垂直品类：招聘、房产、二手物品、二手车、黄页等等，每个品类又有很多子品类，不管哪个品类，最核心的数据都是“帖子信息”。 画外音：像不像一个大论坛？

[汇总]数据库经验和理论 0

Database Theory & Solution

[汇总]数据库经验和理论

从单机到分布式，数据库服务的演变史 数据库“焕然新生”：架构视角下，云原生数据库的创新实践 分库分表，可能真的要退出历史舞台了！  

[转]acks参数对消息持久化的影响 0

Kafka Basic Theory

[转]acks参数对消息持久化的影响

（0）写在前面  面试大厂时，一旦简历上写了Kafka，几乎必然会被问到一个问题：说说acks参数对消息持久化的影响？ 这个acks参数在kafka的使用中，是非常核心以及关键的一个参数，决定了很多东西。 所以无论是为了面试还是实际项目使用，大家都值得看一下这篇文章对Kafka的acks参数的分析，以及背后的原理。

[转]自增主键用完了怎么办？ 0

Distributed Global ID Generator

[转]自增主键用完了怎么办？

1. 引言 在面试中，大家应该经历过如下场景 面试官:”用过mysql吧，你们是用自增主键还是UUID？” 你:”用的是自增主键” 面试官:”为什么是自增主键？” 你:”因为采用自增主键，数据在物理结构上是顺序存储，性能最好，blabla…” 面试官:”那自增主键达到最大值了，用完了怎么办？” 你:”what，没复习啊！！”    (然后，你就可以回去等通知了！) 这个问题是一个粉丝给我提的，我觉得挺有意(KENG)思(B)! 于是，今天我们就来谈一谈，这个自增主键用完了该怎么办！

[转]当我们在谈论高并发的时候究竟在谈什么? 0

Build High Performance System

[转]当我们在谈论高并发的时候究竟在谈什么?

1. 什么是高并发?

那么我们在谈论高并发的时候，究竟在谈些什么东西呢？