中大型网站的架构是如何演变的？( 四 ) _网站

文章插图

之前的部分我们对tomcat服务器左侧进行了优化，但是右侧的数据库还是孤零零的只有一台，这样的话，个人博客项目还好只有读操作，能够应付得了，但是如果我们扩展业务，将博客做成了csdn这样的博客平台，有大量的用户频繁进行读写操作，那我们的数据库还能应付嘛？肯定需要优化了，首先我们会想到的就是把数据库的读写进行分离。
数据库读写的分离一般需要设置主从数据库，主库只用来写数据，从库用来读取数据，而两个数据库之间则需要实现数据的同步，否则会出现数据差异，实现数据库同步的方法有很多，MySQL提供了一种方法是binlog，目前还是比较普遍的，具体的操作配置步骤这里不再描述，以后有机会会尝试写写。

六、NOSQL数据库 + 分布式搜索引擎

文章插图

读写分离做完之后，过不了多久会发现，如此多的用户读写数据，主从库的压力也在日益攀升，变得越来越大，那么如何优化读取、写入数据的速度呢？
1.引入redis数据库
既然我们的Mysql数据库读写压力那么大，那么我们就在它的前面添加一层NOSQL内存数据库作为盾牌,redis作为最常用的NOSQL数据库一直以来深受大家的欢迎，而且因为是内存中读写数据，所以效率也是非常的高，将它放到关系数据库的前面，用来存放一些高频率、热点的常用搜索数据，能够抵抗大量的搜索压力，这样的话在读写分离，redis分摊压力的情况下，Mysql的数据库压力会大规模降低。
2.增加分布式搜索引擎
你以为这就完了吗，不，还不够，为了优化搜索的速度，给用户带来更好的体验效果，引入分布式搜索引擎才是好的选择，目前行业内使用最广泛的分布式搜索引擎非Elasticsearch莫属。
Elasticsearch技术简称ES，是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。
Elasticsearch分布式搜索引擎可以进行分布式实时文件存储，并将每一个字段都编入索引，使其可以被搜索，并且可以扩展到上百台服务器，处理PB级别的结构化或非结构化数据，这样的话我们就可以通过这种方式构建索引，再去查询就更加减轻了关系数据库的压力。

七、NOSQL数据库（HA）+分库分表

文章插图

随着博客平台的发展，海量用户的暴增，搜索类目的多样性，用户体验的实时性，对网站提出了更高的要求，必须满足高并发、高可用、高性能的要求才能继续业务的发展，对于我们程序员而言要做的仍然需要更新当前的架构技术，以面对更强大的冲击和考验，那么我们还要如何优化我们的系统呢？第七个阶段我们又要引入三种方案：
1.NOSQL数据库的HA
通过在Mysql服务器前面添加redis服务器确实能够抵御不少的对Mysql数据库的读写压力，但是对于前面的盾牌来讲，难道它就没有压力吗，怎么降低redis服务器的压力呢，首先我们会想到去配置redis集群的方式加一台或者几台服务器，但是配置redis集群其实经常会出现错误，而且对于redis集群来说，经常要求redis服务器可以自动扩容，为了解决这些问题更好的管理redis集群，我们可以选择引入分布式 Redis 解决方案，前段时间redis官方的3.0出了稳定版，3.0就可以支持集群管理的功能。这里选择的是国产的分布式 Redis 解决方案-Codis 。
Codis 是一个分布式 Redis 解决方案, 对于上层的应用来说, 连接到 Codis Proxy 和连接原生的 Redis Server 没有明显的区别, 上层应用可以像使用单机的 Redis 一样使用, Codis 底层会处理请求的转发, 不停机的数据迁移等工作, 所有后边的一切事情, 对于前面的客户端来说是透明的, 可以简单的认为后边连接的是一个内存无限大的 Redis 服务。
2.分库分表
随着业务的递增，分库分表的技术也需要运用到如此庞大的项目中，主要是因为各种业务表正在变得越来越大，例如用户表、博客表等等，你会想到如果每个业务表都能分开存放那该多好，添加多个数据库服务器，每个服务器负责一块业务表的维护管理，数据库1存放用户数据，数据库2存放博客信息，从而达到进一步细分数据库的目的，而这种拆分数据库的方式就叫做的垂直拆分方式。