來源：cnblogs.com/skychen1218/p/16059148.html

• 前言
• 為什么數(shù)據(jù)庫會慢？
• 應(yīng)該站在哪個層面思考優(yōu)化,？
• 八大方案總結(jié)
• 減少數(shù)據(jù)量
• 數(shù)據(jù)歸檔
• 中間表（結(jié)果表）
• 數(shù)據(jù)序列化存儲
• 分庫分表
• 用空間換性能
• 分布式緩存
• 一主多從
• 選擇合適的存儲系統(tǒng)
• CQRS
• 數(shù)據(jù)同步方式
• 替換（選擇）存儲系統(tǒng)
• 結(jié)束

前言

毫不夸張的說咱們后端工程師,，無論在哪家公司,，呆在哪個團(tuán)隊,，做哪個系統(tǒng)，遇到的第一個讓人頭疼的問題絕對是數(shù)據(jù)庫性能問題,。如果我們有一套成熟的方法論,，能讓大家快速、準(zhǔn)確的去選擇出合適的優(yōu)化方案,，我相信能夠快速準(zhǔn)備解決咱么日常遇到的80%甚至90%的性能問題,。

從解決問題的角度出發(fā)，我們得先了解到問題的原因,；其次我們得有一套思考,、判斷問題的流程方式，讓我們合理的站在哪個層面選擇方案；最后從眾多的方案里面選擇一個適合的方案進(jìn)行解決問題,，找到一個合適的方案的前提是我們自己對各種方案之間的優(yōu)缺點(diǎn),、場景有足夠的了解，沒有一個方案是完全可以通吃通用的,，軟件工程沒有銀彈,。

下文的我工作多年以來，曾經(jīng)使用過的八大方案,，結(jié)合了平常自己學(xué)習(xí)收集的一些資料,，以系統(tǒng)、全面的方式整理成了這篇博文,，也希望能讓一些有需要的同行在工作上,、成長上提供一定的幫助。

為什么數(shù)據(jù)庫會慢,？

無論是關(guān)系型數(shù)據(jù)庫還是NoSQL,，任何存儲系統(tǒng)決定于其查詢性能的主要有三種：

• 查找的時間復(fù)雜度
• 數(shù)據(jù)總量
• 高負(fù)載

而決定于查找時間復(fù)雜度主要有兩個因素：

• 查找算法
• 存儲數(shù)據(jù)結(jié)構(gòu)

無論是哪種存儲，數(shù)據(jù)量越少,，自然查詢性能就越高,，隨著數(shù)據(jù)量增多，資源的消耗（CPU,、磁盤讀寫繁忙）,、耗時也會越來越高。

從關(guān)系型數(shù)據(jù)庫角度出發(fā),，索引結(jié)構(gòu)基本固定是B+Tree,，時間復(fù)雜度是O(log n)，存儲結(jié)構(gòu)是行式存儲,。因此咱們對于關(guān)系數(shù)據(jù)庫能優(yōu)化的一般只有數(shù)據(jù)量,。

而高負(fù)載造成原因有高并發(fā)請求、復(fù)雜查詢等,，導(dǎo)致CPU,、磁盤繁忙等，而服務(wù)器資源不足則會導(dǎo)致慢查詢等問題,。該類型問題一般會選擇集群,、數(shù)據(jù)冗余的方式分擔(dān)壓力。

應(yīng)該站在哪個層面思考優(yōu)化,？

從上圖可見,，自頂向下的一共有四層，分別是硬件,、存儲系統(tǒng),、存儲結(jié)構(gòu),、具體實(shí)現(xiàn)。層與層之間是緊密聯(lián)系的,，每一層的上層是該層的載體,；因此越往頂層越能決定性能的上限，同時優(yōu)化的成本也相對會比較高,，性價比也隨之越低,。以最底層的具體實(shí)現(xiàn)為例，那么索引的優(yōu)化的成本應(yīng)該是最小的,，可以說加了索引后無論是CPU消耗還是響應(yīng)時間都是立竿見影降低,；

然而一個簡單的語句，無論如何優(yōu)化加索引也是有局限的,，當(dāng)在具體實(shí)現(xiàn)這層沒有任何優(yōu)化空間的時候就得往上一層【存儲結(jié)構(gòu)】思考,，思考是否從物理表設(shè)計的層面出發(fā)優(yōu)化（如分庫分表、壓縮數(shù)據(jù)量等）,，如果是文檔型數(shù)據(jù)庫得思考下文檔聚合的結(jié)果,；如果在存儲結(jié)構(gòu)這層優(yōu)化得沒效果，得繼續(xù)往再上一次進(jìn)行考慮,，是否關(guān)系型數(shù)據(jù)庫應(yīng)該不適合用在現(xiàn)在得業(yè)務(wù)場景,？如果要換存儲，那么得換怎樣得NoSQL?

所以咱們優(yōu)化的思路,，出于性價比的優(yōu)先考慮具體實(shí)現(xiàn),，實(shí)在沒有優(yōu)化空間了再往上一層考慮。當(dāng)然如果公司有錢,，直接使用鈔能力,，繞過了前面三層，這也是一種便捷的應(yīng)急處理方式,。

該篇文章不討論頂與底的兩個層面的優(yōu)化,，主要從存儲結(jié)構(gòu)、存儲系統(tǒng)中間兩層的角度出發(fā)進(jìn)行探討,。

八大方案總結(jié)

數(shù)據(jù)庫的優(yōu)化方案核心本質(zhì)有三種： 減少數(shù)據(jù)量,、用空間換性能、選擇合適的存儲系統(tǒng),，這也對應(yīng)了開篇講解的慢的三個原因：數(shù)據(jù)總量,、高負(fù)載、查找的時間復(fù)雜度,。

這里大概解釋下收益類型： 短期收益，處理成本低,，能緊急應(yīng)對,，久了則會有技術(shù)債務(wù),；長期收益則跟短期收益相反，短期內(nèi)處理成本高,，但是效果能長久使用,，擴(kuò)展性會更好。

靜態(tài)數(shù)據(jù)意思是,，相對改動頻率比較低的,，也無需過多聯(lián)表的，where過濾比較少,。動態(tài)數(shù)據(jù)與之相反,，更新頻率高，通過動態(tài)條件篩選過濾,。

減少數(shù)據(jù)量

減少數(shù)據(jù)量類型共有四種方案：數(shù)據(jù)序列化存儲,、數(shù)據(jù)歸檔、中間表生成,、分庫分表,。

就如上面所說的，無論是哪種存儲,，數(shù)據(jù)量越少,，自然查詢性能就越高，隨著數(shù)據(jù)量增多,，資源的消耗（CPU,、磁盤讀寫繁忙）、耗時也會越來越高,。

目前市面上的NoSQL基本上都支持分片存儲,，所以其天然分布式寫的能力從數(shù)據(jù)量上能得到非常的解決方案。而關(guān)系型數(shù)據(jù)庫,，查找算法與存儲結(jié)構(gòu)是可以優(yōu)化的空間比較少,，因此咱們一般思考出發(fā)點(diǎn)只有從如何減少數(shù)據(jù)量的這個角度進(jìn)行選擇優(yōu)化，因此本類型的優(yōu)化方案主要針對關(guān)系型數(shù)據(jù)庫進(jìn)行處理,。

數(shù)據(jù)歸檔

注意點(diǎn)：別一次性遷移數(shù)量過多,，建議低頻率多次限量遷移。像MySQL由于刪除數(shù)據(jù)后是不會釋放空間的,，可以執(zhí)行命令OPTIMIZE TABLE釋放存儲空間,，但是會鎖表，如果存儲空間還滿足,，可以不執(zhí)行,。

建議優(yōu)先考慮該方案，主要通過數(shù)據(jù)庫作業(yè)把非熱點(diǎn)數(shù)據(jù)遷移到歷史表,，如果需要查歷史數(shù)據(jù),，可新增業(yè)務(wù)入口路由到對應(yīng)的歷史表（庫）,。

中間表（結(jié)果表）

中間表（結(jié)果表）其實(shí)就是利用調(diào)度任務(wù)把復(fù)雜查詢的結(jié)果跑出來存儲到一張額外的物理表，因為這張物理表存放的是通過跑批匯總后的數(shù)據(jù),，因此可以理解成根據(jù)原有的業(yè)務(wù)進(jìn)行了高度的數(shù)據(jù)壓縮,。

以報表為例，如果一個月的源數(shù)據(jù)有數(shù)十萬,，我們通過調(diào)度任務(wù)以月的維度生成,，那么等于把原有的數(shù)據(jù)壓縮了幾十萬分之一；接下來的季報和年報可以根據(jù)月報*N來進(jìn)行統(tǒng)計,，以這種方式處理的數(shù)據(jù),，就算三年、五年甚至十年數(shù)據(jù)量都可以在接受范圍之內(nèi),，而且可以精確計算得到,。

那么數(shù)據(jù)的壓縮比率是否越低越好？下面有一段口訣：

• 字段越多,，粒度越細(xì),，靈活性越高，可以以中間表進(jìn)行不同業(yè)務(wù)聯(lián)表處理,。
• 字段越少,，粒度越粗，靈活性越低,，一般作為結(jié)果表查詢出來,。

數(shù)據(jù)序列化存儲

在數(shù)據(jù)庫以序列化存儲的方式，對于一些不需要結(jié)構(gòu)化存儲的業(yè)務(wù)來說是一種很好減少數(shù)據(jù)量的方式,，特別是對于一些M*N的數(shù)據(jù)量的業(yè)務(wù)場景,，如果以M作為主表優(yōu)化，那么就可以把數(shù)據(jù)量維持最多是M的量級,。另外像訂單的地址信息,，這種業(yè)務(wù)一般是不需要根據(jù)里面的字段檢索出來，也比較適合,。

這種方案我認(rèn)為屬于一種臨時性的優(yōu)化方案,，無論是從序列化后丟失了部份字段的查詢能力，還是這方案的可優(yōu)化性都是有限的,。

分庫分表

分庫分表作為數(shù)據(jù)庫優(yōu)化的一種非常經(jīng)典的優(yōu)化方案,，特別是在以前NoSQL還不是很成熟的年代，這個方案就如救命草一般的存在,。

如今也有不少同行也會選擇這種優(yōu)化方式,，但是從我角度來看，分庫分表是一種優(yōu)化成本很大的方案,。這里我有幾個建議：

• 分庫分表是實(shí)在沒有辦法的辦法,，應(yīng)放到最后選擇,。
• 優(yōu)先選擇NoSQL代替,，因為NoSQL誕生基本上為了擴(kuò)展性與高性能,。
• 究竟分庫還是分表？量大則分表,，并發(fā)高則分庫
• 不考慮擴(kuò)容,，一部做到位。因為技術(shù)更新太快了,，每3-5年一大變,。

拆分方式

只要涉及到這個拆，那么無論是微服務(wù)也好,，分庫分表也好,，拆分的方式主要分兩種：垂直拆分、水平拆分 ,。

垂直拆分更多是從業(yè)務(wù)角度進(jìn)行拆分 ,，主要是為了降低業(yè)務(wù)耦合度；此外以SQL Server為例,，一頁是8KB存儲,，如果在一張表里字段越多，一行數(shù)據(jù)自然占的空間就越大,，那么一頁數(shù)據(jù)所存儲的行數(shù)就自然越少,，那么每次查詢所需要IO則越高因此性能自然也越慢；因此反之,，減少字段也能很好提高性能,。之前我聽說某些同行的表有80個字段，幾百萬的數(shù)據(jù)就開始慢了,。

水平拆分更多是從技術(shù)角度進(jìn)行拆分 ,，拆分后每張表的結(jié)構(gòu)是一模一樣的，簡而言之就是把原有一張表的數(shù)據(jù),，通過技術(shù)手段進(jìn)行分片到多張表存儲,，從根本上解決了數(shù)據(jù)量的問題。

路由方式

進(jìn)行水平拆分后,，根據(jù)分區(qū)鍵（sharding key）原來應(yīng)該在同一張表的數(shù)據(jù)拆解寫到不同的物理表里,，那么查詢也得根據(jù)分區(qū)鍵進(jìn)行定位到對應(yīng)的物理表從而把數(shù)據(jù)給查詢出來。

路由方式一般有三種區(qū)間范圍,、Hash,、分片映射表，每種路由方式都有自己的優(yōu)點(diǎn)和缺點(diǎn),，可以根據(jù)對應(yīng)的業(yè)務(wù)場景進(jìn)行選擇,。

區(qū)間范圍根據(jù)某個元素的區(qū)間的進(jìn)行拆分,，以時間為例子，假如有個業(yè)務(wù)我們希望以月為單位拆分那么表就會拆分像 table_2022-04,，這種對于文檔型,、ElasticSearch這類型的NoSQL也適用，無論是定位查詢,，還是日后清理維護(hù)都是非常的方便的,。那么缺點(diǎn)也明顯，會因為業(yè)務(wù)獨(dú)特性導(dǎo)致數(shù)據(jù)不平均,，甚至不同區(qū)間范圍之間的數(shù)據(jù)量差異很大,。

Hash也是一種常用的路由方式，根據(jù)Hash算法取模以數(shù)據(jù)量均勻分別存儲在物理表里,，缺點(diǎn)是對于帶分區(qū)鍵的查詢依賴特別強(qiáng),，如果不帶分區(qū)鍵就無法定位到具體的物理表導(dǎo)致相關(guān)所有表都查詢一次，而且在分庫的情況下對于Join,、聚合計算,、分頁等一些RDBMS的特性功能還無法使用。

一般分區(qū)鍵就一個,，假如有時候業(yè)務(wù)場景得用不是分區(qū)鍵的字段進(jìn)行查詢,，那么難道就必須得全部掃描一遍？其實(shí)可以使用分片映射表的方式,，簡單來說就是額外有一張表記錄額外字段與分區(qū)鍵的映射關(guān)系,。

舉個例子，有張訂單表,，原本是以UserID作為分區(qū)鍵拆分的,，現(xiàn)在希望用OrderID進(jìn)行查詢，那么得有額外得一張物理表記錄了OrderID與UserID的映射關(guān)系,。因此得先查詢一次映射表拿到分區(qū)鍵,，再根據(jù)分區(qū)鍵的值路由到對應(yīng)的物理表查詢出來。

可能有些朋友會問,，那這映射表是否多一個映射關(guān)系就多一張表,，還是多個映射關(guān)系在同一張表。我優(yōu)先建議單獨(dú)處理,，如果說映射表字段過多,，那跟不進(jìn)行水平拆分時的狀態(tài)其實(shí)就是一致的，這又跑回去的老問題,。

用空間換性能

該類型的兩個方案都是用來應(yīng)對高負(fù)載的場景,，方案有以下兩種：分布式緩存、一主多從。

與其說這個方案叫用空間換性能,，我認(rèn)為用空間換資源更加貼切一些,。因此兩個方案的本質(zhì)主要通數(shù)據(jù)冗余、集群等方式分擔(dān)負(fù)載壓力,。

對于關(guān)系型數(shù)據(jù)庫而言,，因為他的ACID特性讓它天生不支持寫的分布式存儲，但是它依然天然的支持分布式讀,。

分布式緩存

緩存層級可以分好幾種：客戶端緩存,、API服務(wù)本地緩存和分布式緩存 ,，咱們這次只聊分布式緩存。一般我們選擇分布式緩存系統(tǒng)都會優(yōu)先選擇NoSQL的鍵值型數(shù)據(jù)庫,，例如Memcached,、Redis,，如今Redis的數(shù)據(jù)結(jié)構(gòu)多樣性，高性能,，易擴(kuò)展性也逐漸占據(jù)了分布式緩存的主導(dǎo)地位,。

緩存策略也主要有很多種：Cache-Aside、Read/Wirte-Through,、Write-Back,，咱們用得比較多的方式主要Cache-Aside，具體流程可看下圖：

我相信大家對分布式緩存相對都比較熟悉了,，但是我在這里還是有幾個注意點(diǎn)希望提醒一下大家：

避免濫用緩存

緩存應(yīng)該是按需使用,，從28法則來看，80%的性能問題由主要的20%的功能引起,。濫用緩存的后果會導(dǎo)致維護(hù)成本增大,，而且有一些數(shù)據(jù)一致性的問題也不好定位。

特別像一些動態(tài)條件的查詢或者分頁,，key的組裝是多樣化的,，量大又不好用keys指令去處理，當(dāng)然我們可以用額外的一個key把記錄數(shù)據(jù)的key以集合方式存儲,，刪除時候做兩次查詢,，先查Key的集合，然后再遍歷Key集合把對應(yīng)的內(nèi)容刪除,。這一頓操作下來無疑是非常廢功夫的,，誰弄誰知道。

避免緩存擊穿

當(dāng)緩存沒有數(shù)據(jù),，就得跑去數(shù)據(jù)庫查詢出來,，這就是緩存穿透。假如某個時間臨界點(diǎn)數(shù)據(jù)是空的例如周排行榜，穿透過去的無論查找多少次數(shù)據(jù)庫仍然是空,，而且該查詢消耗CPU相對比較高,，并發(fā)一進(jìn)來因為缺少了緩存層的對高并發(fā)的應(yīng)對，這個時候就會因為并發(fā)導(dǎo)致數(shù)據(jù)庫資源消耗過高,，這就是緩存擊穿,。數(shù)據(jù)庫資源消耗過高就會導(dǎo)致其他查詢超時等問題。

該問題的解決方案也簡單,，對于查詢到數(shù)據(jù)庫的空結(jié)果也緩存起來,，但是給一個相對快過期的時間。有些同行可能又會問,，這樣不就會造成了數(shù)據(jù)不一致了么,？一般有數(shù)據(jù)同步的方案像分布式緩存、后續(xù)會說的一主多從,、CQRS,，只要存在數(shù)據(jù)同步這幾個字，那就意味著會存在數(shù)據(jù)一致性的問題,，因此如果使用上述方案,，對應(yīng)的業(yè)務(wù)場景應(yīng)允許容忍一定的數(shù)據(jù)不一致。

不是所有慢查詢都適用

一般來說,，慢的查詢都意味著比較吃資源的（CPU,、磁盤I/O）。舉個例子,，假如某個查詢功能需要3秒時間,，串行查詢的時候并沒什么問題，我們繼續(xù)假設(shè)這功能每秒大概QPS為100,，那么在第一次查詢結(jié)果返回之前,，接下來的所有查詢都應(yīng)該穿透到數(shù)據(jù)庫，也就意味著這幾秒時間有300個請求到數(shù)據(jù)庫,，如果這個時候數(shù)據(jù)庫CPU達(dá)到了100%,，那么接下來的所有查詢都會超時，也就是無法有第一個查詢結(jié)果緩存起來,，從而還是形成了緩存擊穿,。

一主多從

常用的分擔(dān)數(shù)據(jù)庫壓力還有一種常用做法，就是讀寫分離,、一主多從 ,。咱們都是知道關(guān)系型數(shù)據(jù)庫天生是不具備分布式分片存儲的，也就是不支持分布式寫,，但是它天然的支持分布式讀,。

一主多從是部署多臺從庫只讀實(shí)例,，通過冗余主庫的數(shù)據(jù)來分擔(dān)讀請求的壓力，路由算法可有代碼實(shí)現(xiàn)或者中間件解決,，具體可以根據(jù)團(tuán)隊的運(yùn)維能力與代碼組件支持視情況選擇,。

一主多從在還沒找到根治方案前是一個非常好的應(yīng)急解決方案，特別是在現(xiàn)在云服務(wù)的年代,，擴(kuò)展從庫是一件非常方便的事情,，而且一般情況只需要運(yùn)維或者DBA解決就行，無需開發(fā)人員接入,。

當(dāng)然這方案也有缺點(diǎn),，因為數(shù)據(jù)無法分片，所以主從的數(shù)據(jù)量完全冗余過去,，也會導(dǎo)致高的硬件成本,。從庫也有其上限，從庫過多了會主庫的多線程同步數(shù)據(jù)的壓力,。

選擇合適的存儲系統(tǒng)

NoSQL主要以下五種類型：鍵值型,、文檔型、列型,、圖型、搜素引擎 ,，不同的存儲系統(tǒng)直接決定了查找算法,、存儲數(shù)據(jù)結(jié)構(gòu)，也應(yīng)對了需要解決的不同的業(yè)務(wù)場景,。NoSQL的出現(xiàn)也解決了關(guān)系型數(shù)據(jù)庫之前面臨的難題（性能,、高并發(fā)、擴(kuò)展性等）,。

例如,，ElasticSearch的查找算法是倒排索引，可以用來代替關(guān)系型數(shù)據(jù)庫的低性能,、高消耗的Like搜索（全表掃描）,。而Redis的Hash結(jié)構(gòu)決定了時間復(fù)雜度為O(1)，還有它的內(nèi)存存儲,，結(jié)合分片集群存儲方式以至于可以支撐數(shù)十萬QPS,。

因此本類型的方案主要有兩種：CQRS、替換（選擇）存儲 ,，這兩種方案的最終本質(zhì)基本是一樣的主要使用合適存儲來彌補(bǔ)關(guān)系型數(shù)據(jù)庫的缺點(diǎn),，只不過切換過渡的方式會有點(diǎn)不一樣。

CQRS

CQS（命令查詢分離）指同一個對象中作為查詢或者命令的方法,，每個方法或者返回的狀態(tài),，要么改變狀態(tài)，但不能兩者兼?zhèn)?/p>

講解CQRS前得了解CQS，有些小伙伴看了估計還沒不是很清晰,，我這里用通俗的話解釋：某個對象的數(shù)據(jù)訪問的方法里,，要么只是查詢，要么只是寫入（更新）,。而CQRS（命令查詢職責(zé)分離）基于CQS的基礎(chǔ)上,，用物理數(shù)據(jù)庫來寫入（更新），而用另外的存儲系統(tǒng)來查詢數(shù)據(jù),。

因此我們在某些業(yè)務(wù)場景進(jìn)行存儲架構(gòu)設(shè)計時,，可以通過關(guān)系型數(shù)據(jù)庫的ACID特性進(jìn)行數(shù)據(jù)的更新與寫入，用NoSQL的高性能與擴(kuò)展性進(jìn)行數(shù)據(jù)的查詢處理,，這樣的好處就是關(guān)系型數(shù)據(jù)庫和NoSQL的優(yōu)點(diǎn)都可以兼得,，同時對于某些業(yè)務(wù)不適于一刀切的替換存儲的也可以有一個平滑的過渡。

從代碼實(shí)現(xiàn)角度來看,，不同的存儲系統(tǒng)只是調(diào)用對應(yīng)的接口API,，因此CQRS的難點(diǎn)主要在于如何進(jìn)行數(shù)據(jù)同步。

數(shù)據(jù)同步方式

一般討論到數(shù)據(jù)同步的方式主要是分推和拉：

• 推指的是由數(shù)據(jù)變更端通過直接或者間接的方式把數(shù)據(jù)變更的記錄發(fā)送到接收端,，從而進(jìn)行數(shù)據(jù)的一致性處理,，這種主動的方式優(yōu)點(diǎn)是實(shí)時性高。
• 拉指的是接收端定時的輪詢數(shù)據(jù)庫檢查是否有數(shù)據(jù)需要進(jìn)行同步,，這種被動的方式從實(shí)現(xiàn)角度來看比推簡單,，因為推是需要數(shù)據(jù)變更端支持變更日志的推送的。

而推的方式又分兩種：CDC（變更數(shù)據(jù)捕獲）和領(lǐng)域事件,。對于一些舊的項目來說,，某些業(yè)務(wù)的數(shù)據(jù)入口非常多，無法完整清晰的梳理清楚,，這個時候CDC就是一種非常好的方式,，只要從最底層數(shù)據(jù)庫層面把變更記錄取到就可。

對于已經(jīng)服務(wù)化的項目來說領(lǐng)域事件是一種比較舒服的方式,，因為CDC是需要數(shù)據(jù)庫額外開啟功能或者部署額外的中間件,，而領(lǐng)域事件則不需要，從代碼可讀性來看會更高,，也比較開發(fā)人員的維護(hù)思維模式,。

替換（選擇）存儲系統(tǒng)

因為從本質(zhì)來看該模式與CQRS的核心本質(zhì)是一樣的，主要是要對NoSQL的優(yōu)缺點(diǎn)有一個全面認(rèn)識,，這樣才能在對應(yīng)業(yè)務(wù)場景選擇與判斷出一個合適的存儲系統(tǒng),。這里我像大家介紹一本書馬丁.福勒《NoSQL精粹》，這本書我重復(fù)看了好幾遍,，也很好全面介紹各種NoSQL優(yōu)缺點(diǎn)和使用場景,。

當(dāng)然替換存儲的時候,，我這里也有個建議：加入一個中間版本，該版本做好數(shù)據(jù)同步與業(yè)務(wù)開關(guān),，數(shù)據(jù)同步要保證全量與增加的處理,，隨時可以重來，業(yè)務(wù)開關(guān)主要是為了后續(xù)版本的更新做的一個臨時型的功能,，主要避免后續(xù)版本更新不順利或者因為版本更新時導(dǎo)致的數(shù)據(jù)不一致的情況出現(xiàn),。在跑了一段時間后，驗證了兩個不同的存儲系統(tǒng)數(shù)據(jù)是一致的后,，接下來就可以把數(shù)據(jù)訪問層的底層調(diào)用替換了,。如此一來就可以平滑的更新切換。

結(jié)束

本文到這里就把八大方案介紹完了,，在這里再次提醒一句,，每個方案都有屬于它的應(yīng)對場景，咱們只能根據(jù)業(yè)務(wù)場景選擇對應(yīng)的解決方案,，沒有通吃,，沒有銀彈。

這八個方案里,，大部分都存在數(shù)據(jù)同步的情況,，只要存在數(shù)據(jù)同步，無論是一主多從,、分布式緩存,、CQRS都好，都會有數(shù)據(jù)一致性的問題導(dǎo)致,，因此這些方案更多適合一些只讀的業(yè)務(wù)場景。當(dāng)然有些寫后既查的場景,，可以通過過渡頁或者廣告頁通過用戶點(diǎn)擊關(guān)閉切換頁面的方式來緩解數(shù)據(jù)不一致性的情況,。