前言：
相對于傳統行業(yè)的相對服務時間9x9x6或者9x12x5，因為互聯網電子商務以及互聯網游戲的實時性，所以服務要求7*24小時，業(yè)務架構不管是應用還是數據庫，都需要容災互備，在mysql的體系中，最好通過在最開始階段的數據庫架構階段來實現容災系統。所以這里從業(yè)務宏觀角度闡述下mysql架構的方方面面。
一，MySQL架構設計—業(yè)務分析
(1)讀多寫少
虛線表示跨機房部署，比如電子商務系統，一個Master既有讀也有些寫，對讀數據一致性需要比較重要的，讀要放在Master上面。
M(R)僅僅是一個備庫，只有M(WR)掛了之后，才會切換到M(R)上，這個時候M(R)就變成了讀寫庫。比如游戲系統，有很多Salve會掛載后面一個M(R)上面。
(2)讀多寫少MMS-電商
如果是電子商務類型的，這種讀多寫少的，一般是1個master拖上4到6個slave，所有slave掛載在一個master也足夠了。
切換的時候，把M1的讀寫業(yè)務切換到M2上面，然后把所有M1上的slave掛到M2上面去，如下所示：
(3)讀多寫少MMSS-游戲
如果是游戲行業(yè)的話，讀非常多蠻明顯的，會出現一般1個Master都會掛上10個以上的Slave的情況，所以這個時候，可以把一部分Slave掛載新的M(R)上面。至少會減少一些壓力，這樣至少服務器掛掉的時候，不會對所有的slave有影響，還有一部分在M(R)上的slave在繼續(xù)，不會對所有的slave 受到影響，見圖3，
(4)讀少寫多
意味著讀并不會影響寫的效率，所以讀寫都可以放在一個M1(WR)，而另外一個不提供讀也不提供寫，只提供standby冗余異地容災。
這個異地容災是非常重要的，否則如果是單機的，單邊的業(yè)務，萬一idc機房故障了，一般就會影響在線業(yè)務的，這種 造成業(yè)務2小時無法應用，對于在線電子商務交易來說，影響是蠻大的，所以為了最大限度的保證7*24小時，必須要做到異地容災，MM要跨idc機房。雖然對資源有一些要求，但是對HA來說是不可缺少的，一定要有這個MM機制。
做切換的時候，把所有的讀寫從M1直接切換到M2上就可以了。
(5)讀寫平分秋色
讀和寫差不多，但是讀不能影響寫的能力，把讀寫放在M1(WR)上，然后把一部分讀也放在M2(R)上面，當然M1和M2也是跨機房部署的。
切換的時候，把一部分讀和全部寫從M1切換到M2上就可以了。
二：MySQL架構設計—常見架構
(1)強一致性
對讀一致性的權衡，如果是對讀寫實時性要求非常高的話，就將讀寫都放在M1上面，M2只是作為standby，就是采取和上面的一(4)的讀少寫多的一樣的架構模式。
比如，訂單處理流程，那么對讀需要強一致性，實時寫實時讀，類似這種涉及交易的或者動態(tài)實時報表統計的都要采用這種架構模式
(2)弱一致性
如果是弱一致性的話，可以通過在M2上面分擔一些讀壓力和流量，比如一些報表的讀取以及靜態(tài)配置數據的讀取模塊都可以放到M2上面。比如月統計報表，比如首頁推薦商品業(yè)務實時性要求不是很高，完全可以采用這種弱一致性的設計架構模式。
(3)中間一致性
如果既不是很強的一致性又不是很弱的一致性，那么我們就采取中間的策略，就是在同機房再部署一個S1(R)，作為備庫，提供讀取服務，減少M1(WR)的壓力，而另外一個idc機房的M2只做standby容災方式的用途。
當然這里會用到3臺數據庫服務器，也許會增加采購壓力，但是我們可以提供更好的對外數據服務的能力和途徑，實際中盡可能兩者兼顧。
(4)統計業(yè)務
比如PV、UV操作、頁數的統計、流量的統計、數據的匯總等等，都可以劃歸為統計類型的業(yè)務。
數據庫上做大查詢的統計是非常消耗資源的。統計分為實時的統計和非實時的統計，由于mysql主從是邏輯sql的模式，所以不能達到100%的實時，如果是online 要嚴格的非常實時的統計比如像火車票以及金融異地結算等的統計，mysql這塊不是它的強項，就只有查詢M1主庫來實現了。
A，但是對于不是嚴格的實時性的統計，mysql有個很好的機制是binlog，我們可以通過binlog進行解析Parser，解析出來寫入統計表進行統計或者發(fā)消息給應用端程序來進行統計。這種是準實時的統計操作，有一定的短暫的可接受的統計延遲現象，如果要100%實時性統計只有查詢M1主庫了。
通過 binlog的方式實現統計，在互聯網行業(yè)，尤其是電商和游戲這塊，差不多可以解決90%以上的統計業(yè)務。有時候如果用戶或者客戶提出要實時read- time了，大家可以溝通一下為什么需要實時，了解具體的業(yè)務場景，有些可能真的不需要實時統計，需要有所權衡，需要跟用戶和客戶多次有效溝通，做出比較適合業(yè)務的統計架構模型。
B，還有一種offline統計業(yè)務，比如月份報表年報表統計等，這種完全可以把數據放到數據倉庫里面或者第三方Nosql里面進行統計。
(5)歷史數據遷移
歷史數據遷移，需要盡量不影響現在線上的業(yè)務，盡量不影響現在線上的查詢寫入操作，為什么要做歷史數據遷移?因為有些業(yè)務的數據是有時效性的，比如電商中的已經完成的歷史訂單等，不會再有更新操作了，只有很簡單的查詢操作，而且查詢也不會很頻繁，甚至可能一天都不會查詢一次。
如果這時候歷史數據還在online庫里面或者online表里面，那么就會影響online的性能，所以對于這種，可以把數據遷移到新的歷史數據庫上，這個歷史數據庫可以是mysql也可以是nosql，也可以是數據倉庫甚至hbase大數據等。
實現途徑是通過 slave庫查詢出所有的數據，然后根據業(yè)務規(guī)則比如時間、某一個緯度等過濾篩選出數據，放入歷史數據庫(History Databases)里面。遷移完了，再回到主庫M1上，刪除掉這些歷史數據。這樣在業(yè)務層面，查詢就要兼顧現在實時數據和歷史數據，可以在filter 上面根據遷移規(guī)則把online查詢和history查詢對接起來。比如說一個月之內的在online庫查詢一個月之前的在history庫查詢，可以把這個規(guī)則放在DB的遷移filter層和應用查詢業(yè)務模塊層。如果可以的話，還可以配置更細化，通過應用查詢業(yè)務模塊層來影響DB的遷移filter層，比如以前查詢分為一個月為基準，現在查詢業(yè)務變化了，以15天為基準，那么應用查詢業(yè)務模塊層變化會自動讓DB的filter層也變化，實現半個自動化，更加智能一些。
(6)MySQL Sharding
像oracle這種基于rac基于共享存儲的方式，不需要sharding只需要擴從rac存儲就能實現了。但是這種代價相對會比較高一些，共享存儲一般都比較貴，隨著業(yè)務的擴展數據的爆炸式增長，你會不停累計你的成本，甚至達到一個天文數字。
目前這種share disk的方式，除了oracle的業(yè)務邏輯層做的非常完善之外其他的解決方案都還不是很完美。
Mysql的sharding也有其局限性，sharding之后的數據查詢訪問以及統計都會有很大的問題，mysql的sharding是解決share nothing的存儲的一種分布式的方法，大體上分為垂直拆分和水平拆分。
(6.1)垂直拆分
可以橫向拆分，可以縱向拆分，可以橫向縱向拆分，還可以按照業(yè)務拆分。
6.1.1橫向拆分
Mysql庫里面的橫向拆分是指，每一個數據庫實例里面都有很多個db庫，每一個db庫里面都有A表B表，比如db1庫有A表B表，db2庫里也有A表和B表，那么我們把db1、db2庫的A表B表拆分出來，把一個庫分成2個，就拆分成db1、db2、db3、db4，其中db1庫和db2庫放A表數據，db3庫和 db4庫放B表的數據，db1、db2庫里面只有A表數據，db3、db4庫里面只有B表的數據。
打個比方，作為電商來說，每個庫里面都有日志表和訂單表，假如A表是日志表log表，B表是訂單表Order表，一般說來寫日志和寫訂單沒有強關聯性，我們可以講A表日志表和B表訂單表拆分出來。那么這個時候就做了一次橫向的拆分工作，將A表日志表和B表訂單表拆分開來放在不同的庫，當然A表和B表所在的數據庫名也可以保持一致(PS：在不同的實例里面)，如下圖所示：
PS：這種拆分主要針對于不同的業(yè)務對表的影響不大，表之間的業(yè)務關聯很弱或者基本上沒有業(yè)務關聯。拆分的好處是不相關的數據表拆分到不同的實例里面，對數據庫的容量擴展和性能提高的均衡來說，都是蠻有好處的。
6.1.2縱向拆分
把同一個實例上的不同的db庫拆分出來，放入單獨的不同實例中。這種拆分的適應場景和要求是db1和db2是沒有多少業(yè)務聯系的，類似6.1.2里面的A表和B表那樣。如果你用到了跨庫業(yè)務同時使用db1和db2的話，個人建議要重新考慮下業(yè)務，重新梳理下盡量把一個模塊的表放在一個庫里面，不要垮庫操作。
這種庫縱向拆分里面，單獨的庫db1，表A和表B是強關聯的。如下圖所示：
PS：看到很多使用mysql的人，總是把很多沒有業(yè)務關聯性的表放在一個庫里面，或者總是把很多個的db庫放在同一個實例里面，就像使用oracle那樣就一個 instance的概念而已。Mysql的使用一大原則就是簡單，盡量單一，簡單的去使用mysql，庫要嚴格的分開;表沒有關系的，要嚴格拆分成庫。這樣的話擴展我們的業(yè)務就非常方便簡單了，只需要把業(yè)務模塊所在的db拆分出來，放入新的數據庫服務器上即可。
6.1.3 橫向縱向拆分
有些剛起步的，開始為了快速出產品，就把所以的庫所有的表都放在一個實例上，等業(yè)務發(fā)展后，就面臨著數據拆分，這里就會把橫向縱向拆分結合起來，一起實現，如下圖所示：
6.1.4 業(yè)務拆分
跟水平拆分有點類似，但是有不同的地方。比如一個供應商，可能整個網站上有10個供應商，一個網站上面每一個供應商都有一定的量，而且供應商之間的數據量規(guī)模都差不多的規(guī)模，那么這個時候就可以使用供應商的緯度來做拆分。
比如usern庫中，a、b、c表都是強關聯的，都有完整的業(yè)務邏輯存在，這里只有用戶(供應商)緯度是沒有關聯的，那這個時候就可以把數據以用戶的緯度來進行拆分。
就是用戶1和用戶2各自都有一套完整的業(yè)務邏輯，而且彼此之間不關聯，所以就可以把用戶1和用戶2數據拆分到不同的數據庫實例上面。目前很多互聯網公司或者游戲公司有很多業(yè)務都是以用戶緯度進行拆分的，比如qunaer、sohu game、sina等。
(6.2) 水平拆分
水平拆分相對要簡單一些，但是難度偏大，會導致分布式的情況、跨數據的情況、跨事務的情況可以分為大概三類，1是歷史數據和實時數據拆分，2是單庫多表拆分，3是多庫多表拆分。
6.2.1 實時數據歷史數據的拆分
和歷史數據遷移是一樣的邏輯，就是要將online庫的數據遷移到listory的數據庫里面，對于實時的讀寫來說，數據是放在online db庫里面，對于時間較遠的數據來說，是放在歷史History DB記錄庫里面的，這里的歷史庫可以是mysql也可以是別的nosql庫等。
6.2.2 單庫多表拆分
主要不是解決容量問題，而是解決性能問題而擴展的，加入當前實例只有一個DB，有一個大表，一個大表就把整個實例占滿了，這個時候就不能拆分db了，因為只有一個單表，這個時候我們就只能拆表了，拆表的方式主要是解決性能問題，因為單個表越大，對于mysql來說遍歷表的樹形結構遍歷數據會消耗更多的資源，有時候一個簡單的查詢就可能會引起整個db的很多葉子節(jié)點都要變動。表的insert、update、delete操作都會引起幾乎所有節(jié)點的變更，此時操作量會非常大，操作的時候讀寫性能都會很低，這個時候我們就可以考慮把大表拆分成多個小表，工作經歷中是按照hash取模打散成16個小表，也有按照id主鍵/50 取模打散到50個小表當中，下圖實例是打散成2個小表。
6.2.3 多庫多表拆分
在單庫多表的基礎上，如果單庫空間資源已經不足以提供業(yè)務支撐的話，可以考慮多庫多表的方式來做，解決了空間問題和性能問題，不過會有一個問題就是跨庫查詢操作，查詢就會有另外的策略，比如說加一個logic db層來實現跨庫跨實例自動查詢，簡單如下圖所示：
6.2.4水平拆分小結
水平拆分原則：
– a. 盡量均勻的拆分維度。
– b. 盡量避免跨庫事務。
– c. 盡量避免跨庫查詢。
設計：
–a根據拆分維度，做mod進行數據表拆分，大部分都是取模的拆分機制，比如hash的16模原則等。
–b根據數據容量，劃分數據庫拆分
數據操作
–a跨事務操作：分布式事務，通過預寫日志的方式來間接地實現。
–b跨庫查詢：數據匯總or消息服務
6.2.5 案例說明
u 案例：
– 按照用戶維度進行拆分成64個分庫，1024個分表
- user_id%1024 拆分到1024張分表中
- 每個分庫中存放1024/64張分表
- 取模的時候，可以用id的最后4位數據或者3位數字來取模就可以了。
u 操作1：采用Configure DB
– 拆分之后的查詢操作，做一個Configure DB，這個DB存放的是所有實例的庫表的映射關系，當我APP發(fā)來有一個請求查詢user1的數據，那么這個user1的數據是存放在上千個實例中的哪一個庫表呢?這個關聯信息就在Configure DB里面，APP先去Configure DB里面取得user1的關聯系信息(比如是存放在d_01庫上的t_0016表里面)，然后APP根據關聯信息直接去查詢對應的d_01實例的 t_0016表里面取得數據。
u 操作2：采用Proxy
– 拆分之后的查詢操作，做一個Proxy，APP訪問Proxy，Proxy根據訪問規(guī)則就可以直接路由到具體的db實例，生成新的sql去操作對應的db實例，然后通過Proxy協議進行操作把操作結果返回給APP。
– 優(yōu)勢是Proxy和db實例是在一個網段，這樣Proxy與db實例的操作的時間是非常短的。
u 操作3：采用Data Engine
– 拆分之后的查詢操作，有一個Data Engine Service，這個DES里面配置了所有數據庫實例的映射關系，需要在APP應用端安裝一個Agent，是同步邏輯，在JDBC層實現，DES可以實現讀寫分離，原理可以參考TDDL的實現。
6.3 集群管理
縱向擴容：一個實例拆分成多個實例，縱向拆分比較簡單，修改的東西比較少，拆分的時候要通知到Configure DB或者DES，以免拆分之后查詢不到數據或者數據錄入不到新的db上面，如下圖所示：
橫向擴容：比較復雜，在縱向擴容成2個庫的基礎之上，再一次對庫的表進行擴容，所以需要及時通知Configure DB和DES更細庫和表的路由連接信息。
