不知道從何時起

　　“選數據庫必選分布式”成了一種潮流

　　數據查詢慢?上分布式!

　　應用總是癱?上分布式!

　　業務體量大?上分布式!

　　KPI考核不達標?上分布式!

　　“分布式數據庫”的療效

　　就這樣被神話了

　　跟數據和應用相關的各種疑難雜癥

　　仿佛都可以拿“分布式大法”來治

　　果真如此嗎?只能說

　　用戶心中的「成見」，像一座大山

　　過去幾年分布式數據庫造勢太猛

　　別管什么場景，只管整就完了!

　　這座大山是如何形成的？

　　上個十年，互聯網公司的業務大爆發，讓互聯網范式走上了神壇。

　　互聯網大廠的業務模型、中臺理念、應用架構以及分布式數據庫，甚至互聯網公司的從業人員，都成了香餑餑。

　　那么，由此帶來的香餑餑之一“分布式數據庫”，到底好不好?

　　不可否認，確實好!

　　分布式數據庫的最大優勢在于其橫向擴展能力，輕松處理超大規模數據和并發請求，比如電商平臺、社交媒體或其它超重載應用。

　　而這，恰恰是互聯網業務場景的特點↓

　　海量用戶，高速擴張，峰值秒殺，大批高端技術牛馬負責運維保障…

　　但是，一旦拋開互聯網業務，來到傳統企業級場景，你會發現↓

　　分布式數據庫沒那么神，甚至，還有一些劣勢——

　　業內曾經流傳著一個很著名的案例：

　　某銀行做分布式數據庫試點，用600臺x86服務器承載分布式數據，替換了一個三節點O記RAC。

　　性能和擴展性似乎上來了，但運維成本大幅增加(人力、電費、機房空間、備件)。

　　所以，技術選擇需要回歸業務本質，而非追逐技術潮流。

　　分布式數據庫絕對不是包治百病的良藥，任何場景，都需要對癥下藥。

　　數據庫到底應該如何選？

　　一、要搞清自己的業務需求和痛點，再對癥下藥↓

　　如果是面向海量用戶，超大數據量和增長潛力，并伴有高峰值并發、秒殺型的典型互聯網業務特征，這確實是分布式數據庫舒適區。

　　如果是復雜業務計算和數據熱點集中的場景，采用集中式庫更合適，比如12306客票、醫院HIS、外匯交易、生產調度、ERP等業務。

　　二、要對分布式祛魅，很多所謂的“分布式場景”，都跟分布式數據庫沒半毛錢關系。

　　1、“分布式應用”場景：

　　有的客戶希望用分布式的云原生架構，比如微服務化/分布式應用，支持敏捷開發DevOps。

　　分布式應用的本質，是將上層業務模塊解耦、拆分，每個模塊都可以獨立開發、維護、擴展，并實現容錯隔離。

　　如果只是應用解耦，而數據庫保持不變，很顯然這個過程與數據庫是不是分布式沒關系。

　　而如果在應用解耦過程中，同時將數據庫拆解并綁定到特定微服務應用中，那顯然數據庫面臨的壓力變小了，也與分布式更沒關系了。

　　至于敏捷開發、CICD、DevOps什么的，跟數據庫是不是分布式同樣沒關系。

　　2、“分布式用戶”場景

　　有些用戶的本意是希望節省成本，一套數據庫能滿足多個部門、多個應用的需求。

　　他們認為分布式數據庫能夠更好地滿足這樣多部門、多業務需求。

　　這種情況跟分布式毫無關系，這是數據庫的多租戶場景，采用支持多租戶模式的集中式數據庫成本更低、效果更佳。

　　3、“分布式標底”場景

　　前兩種只能算“錯誤認知”，而這一種就堪稱魔幻了。

　　有人只是覺得分布式數據庫更熱門、更拉風，就寫進了采購標底。

　　結果采購回來，實際部署的時候，卻當成單機版，集中式部署，妥妥“冤大頭”。

　　要知道這種把分布式數據庫當集中式部署的情況，綜合性能遠不如原生的集中式數據庫。

　　以上這三種“分布式”場景，都不需要“分布式數據庫”。

　　此時，選擇合適的集中式數據庫，能夠獲得更優的性能、更好的運維體驗，以及更低的成本。

　　選擇金倉，應對企業全棧場景

　　接下來，我們以金倉數據庫為例，講一講面對各種業務需求，具體如何選型。

　　作為國產數據庫領域的領軍企業，金倉數據庫產品線豐富，既有集中式產品，也有分布式數據庫，廣泛適配各種業務需求。

　　第一、分布式應用需求

　　乍一看，分布式應用很復雜，其實每個拆分后的微服務應用，相比單體應用，功能更加純粹、簡單，反而對數據庫的要求大大降低了。

　　所以，能扛起大型單體應用的金倉數據庫，針對分布式應用這點“小Case”，自然輕松拿捏。

　　同時，針對不同微服務模塊的業務特征，可以采用不同類型的數據庫來搭配，從而達到最優的效果。

　　比如一個微服務化的電商應用，包含用戶、商品、訂單、支付、統計分析等模塊，那么可以針對性的進行數據庫設計。

　　用戶服務：事務性、高可靠要求，采用KES主備集群;

　　商品服務：事務性，讀多寫少、緩存需求高，采用KES讀寫分離集群(支持Redis遷移)

　　訂單服務：事務性強、一致性要求高，并發讀寫壓力大，采用KES RAC;

　　支付服務：高事務性、金融級一致性，采用KES RAC;

　　統計分析服務：數據量巨大、實時復雜查詢分析，采用KES ADC。

　　第二、多租戶需求

　　在企業級場景，不同部門、不同業務系統，都對數據庫有要求。

　　以往解決這種問題，最簡單粗暴的辦法就是采購多個數據庫，多套物理硬件，各跑各的，大家都沒意見。

　　但這種方式會造成巨大的資源浪費，每個數據庫利用率都很低，運維、升級也要獨立完成。

　　想要實現多用戶、多部門共享，最佳的解決方案是采用數據庫的多租戶功能。

　　針對多租戶需求，金倉數據庫是提供兩大類四種場景的成熟解決方案，靈活滿足不同建設現狀、不同隔離級別、不同預算要求。

　　1、VM級多租戶

　　適用于客戶已建好有虛擬化/云平臺，金倉數據庫可以無縫融入，資源硬件共享、基于VM隔離，支持VM級擴縮容。

　　2、容器級多租戶

　　適用于客戶已有K8S容器化平臺層，金倉數據庫無縫融入，硬件、OS共享、基于容器隔離，支持pod級擴縮容。

　　3、數據庫實例級多租戶

　　適用于中小型應用，低成本投入，單個服務器跑多個業務系統。金倉數據庫天然支持多實例特性，每個業務獨占一個數據庫實例。

　　并且在部署的時候，可以利用多臺服務器池化，主備實例分開部署，提升數據庫冗余能力。

　　同時，金倉也支持分布式數據庫的多實例模式。

　　4、數據庫User級多租戶

　　這種模式，通過將數據庫創建若干資源組，實現整體資源池化，然后創建用戶租戶，并指定分配的資源組。

　　從而實現數據庫實例部署多租戶系統，租戶間資源隔離，提升軟硬件資源利用率，大幅降低成本。

　　第三、集中式高可用數據庫需求

　　大中型企業的生產級核心應用，都需要數據庫支持高可用集群，或者再明確一點，他們希望對Oracle RAC進行國產化替代。

　　此時，就輪到金倉的另兩個重磅數據庫產品登場了。

　　1、KES RAC，多寫共享存儲集群

　　看名字大家就秒懂了，這是對標Oracle RAC的場景。

　　KES RAC集群支持2-8個節點規模，讀寫請求橫向擴展(吞吐量加速比超過0.8)，提供“RPO=0、RTO<10s”可用性，滿足金融級一致性、高事務性和大規模并發讀寫需求。

　　2、KES RWC，讀寫分離集群

　　基于事務級別的讀寫分離，自動識別SQL語句讀寫種類，一主多備、一寫多讀。

　　KES RWC適用于大規模并發查詢、讀多寫少的中/重載業務場景，支持從實例、集群到多中心的高可用保障，數據零丟失，故障秒切換。

　　第四、真正的分布式數據庫需求

　　在企業級市場，確實存在一些真實的分布式數據庫需求：比如超大型應用(超高并發、海量存儲、橫向擴展)、極致高可用(跨中心多活、局部高容錯)等等。

　　針對這樣的現實需求和潛在需求，金倉數據庫提供了強大的“分布式三劍客”。

　　1、KES TDC，基于分布式存儲的透明分布式方案。

　　該方案對上層應用完全透明，不需要應用改造，可平滑遷移，并具備橫向擴展能力和節點故障容錯能力。

　　適用于超大型集團辦公平臺、政務核心平臺、醫療HIS系統、銀行信貸管理系統、港口TOS系統等…

　　2、KES Sharding，基于分布式中間件的分布式方案。

　　該方案需要應用支持分庫分表改造，適用于對并發、容量、吞吐量擴展性要求高的事務處理場景，如運營商網間結算、基金公司TA系統等。

　　3、KES ADC，基于分布式+融合多存儲引擎的分析性分布式方案。

　　該方案適用于大規模AP或者HTAP場景，類似數倉、實時數倉，諸如數據統一匯總平臺、大數據分析平臺、進出口貿易貨物統計系統等等。

　　最后，還是那句話：技術的選擇要回歸業務本質，而非追逐技術潮流。

　　明白這個道理，我們就掌握了消除成見、翻越大山的核心奧義。

　　怎么樣？您的數據庫選對了嗎？