Pecahan dan Replikasi Pangkalan Data

Apabila aplikasi berkembang, satu pangkalan data boleh menjadi kesesakan. Trafik tinggi, pertanyaan kompleks atau set data yang besar boleh memperlahankan proses.

Untuk mengendalikan beban yang semakin meningkat dan memastikan respons yang pantas, pangkalan data perlu diskalakan. Pelajaran ini meneroka dua teknik utama: Replikasi dan Pemecahan.

Replikasi pangkalan data ialah proses mencipta dan mengekalkan beberapa salinan pangkalan data.

Salinan ini, yang lazimnya berada pada pelayan berbeza, mempunyai dua tujuan utama:

• Prestasi Bacaan yang Lebih Baik: Mengagihkan permintaan bacaan merentas beberapa salinan.
• Ketersediaan Tinggi: Jika satu pelayan gagal, salinan lain boleh mengambil alih.

Model replikasi yang paling biasa ialah Master-Slave. Begini cara model ini berfungsi:

• Satu pelayan pangkalan data ditetapkan sebagai master. Pelayan ini mengendalikan semua operasi tulis, iaitu sisipan, pengemaskinian dan pemadaman.
• Pelayan lain ialah slave. Pelayan ini menerima salinan data master dan mengendalikan operasi bacaan.
• Perubahan daripada master sentiasa disegerakkan kepada slave.

Walaupun Master-Slave kukuh, replikasi Multi-Master membolehkan beberapa pelayan pangkalan data menerima operasi tulis.

Hal ini boleh meningkatkan lagi kebolehskalaan dan ketersediaan penulisan, tetapi turut menambahkan kerumitan yang ketara dalam mengurus ketekalan data dan menyelesaikan kemungkinan konflik apabila data yang sama dikemas kini pada master berbeza secara serentak.

Manfaat Replikasi:

• Kebolehskalaan Bacaan: Mengagihkan beban bacaan dan meningkatkan masa respons.
• Ketersediaan Tinggi: Menyediakan toleransi terhadap kegagalan; slave boleh menjadi master jika diperlukan.
• Pemulihan Bencana: Salinan data tersedia sekiranya berlaku kehilangan data pada satu pelayan.

Keburukan:

• Pendaman Penulisan: Semua operasi tulis masih melalui master.
• Data Lapuk: Slave mungkin ketinggalan berbanding master, lalu menyebabkan 'ketekalan akhirnya'.
• Kerumitan: Persediaan dan pengurusan memerlukan perancangan teliti.

Pemecahan pangkalan data ialah teknik yang memecahkan pangkalan data besar kepada bahagian yang lebih kecil dan mudah diurus, yang dipanggil pecahan. Setiap pecahan ialah pangkalan data lengkap yang berdikari.

Daripada satu pangkalan data yang sangat besar, anda mempunyai beberapa pangkalan data yang lebih kecil, setiap satunya menyimpan subset data keseluruhan anda. Teknik ini juga dikenali sebagai pembahagian mendatar.

Teras pemecahan ialah kunci pecahan (atau kunci pembahagian). Ini ialah lajur atau set lajur dalam data anda yang menentukan pecahan yang menjadi milik sesuatu baris.

Memilih kunci pecahan yang berkesan amat penting untuk pengagihan data yang sekata dan pertanyaan yang cekap. Pilihan yang biasa termasuk user_id, tenant_id atau rantau geografi.

Bagaimanakah kita menentukan data yang perlu ditempatkan di mana?

• Pembahagian Berdasarkan Julat: Data dibahagikan berdasarkan julat nilai dalam kunci pembahagian (contohnya, pengguna A-M pada Pecahan 1 dan N-Z pada Pecahan 2).
• Pembahagian Berdasarkan Cincangan: Fungsi cincangan digunakan pada kunci pembahagian, kemudian hasilnya menentukan pecahan. Kaedah ini biasanya menghasilkan pengagihan yang lebih sekata.
• Pembahagian Berdasarkan Direktori: Jadual carian (direktori) memetakan kunci pembahagian kepada pecahan yang sesuai.

Walaupun pembahagian data menawarkan kebolehskalaan yang besar, kaedah ini turut mendatangkan cabaran penting:

• Kerumitan yang Bertambah: Lebih banyak pangkalan data perlu diurus, diagihkan dan disandarkan.
• Carian Merentas Pecahan: Carian yang memerlukan data daripada beberapa pecahan adalah rumit dan selalunya kurang cekap.
• Pengimbangan Semula Data: Jika satu pecahan menjadi terlalu besar atau terlalu sibuk, pengagihan semula data merentas pecahan (pengimbangan semula) merupakan operasi yang sukar.
• Pemilihan Kunci Pembahagian: Kunci pembahagian yang kurang baik boleh menyebabkan pengagihan tidak sekata ("titik panas").

Kita telah meneroka dua teknik penskalaan pangkalan data yang berkuasa:

• Pereplikaan: Menyalin data untuk kebolehskalaan bacaan dan ketersediaan tinggi, selalunya menggunakan model Induk-Hamba.
• Pembahagian Data: Membahagikan data secara mendatar kepada pecahan yang berasingan, menggunakan kunci pembahagian untuk mengagihkan data dan meningkatkan skala operasi penulisan.

Kedua-dua teknik ini meningkatkan prestasi dan daya tahan dengan ketara, tetapi menambahkan kerumitan operasi. Pemilihan strategi yang tepat bergantung pada keperluan khusus dan corak trafik aplikasi anda.