3.3 數據分布

在對企業的數據分類有一個清晰的把握之后，還需要了解IT系統如何來產生與利用這些數據。這就要涉及數據在系統中如何分布的問題。

數據分布指分布式數據庫中數據根據需要劃分成邏輯片段，按某種策略將這些片段分散地存儲在各個節點上。近年來，云計算成為舉世矚目的成果。面對海量數據的管理，構建適合企業實情的分布式數據庫很有必要。

那么，什么是分布式數據庫呢？一個獲得人們普遍承認的定義為：分布式數據庫是由一組這樣的數據組成，它們在物理上分布在計算機網絡的不同節點（亦稱場地）上，邏輯上屬于同一個系統。

分布式數據庫具有以下特點。

1．數據獨立性

包括邏輯獨立性和物理獨立性兩方面，即用戶程序與數據的全局邏輯結構及數據的存儲結構無關。

2．集中與自治相結合的控制結構

數據的共享有兩個層次：全局共享和局部共享；相應的控制機構也有兩個層次：集中和自治。為保證數據庫的安全性和完整性，對全局共享數據庫采取集中控制，并由DBA負責監督和維護系統的正常運行；同時各局部DBMS也可以獨立管理局部數據庫，實現自治。

3．適當增加數據冗余度

在不同場地存儲同一數據的多個副本，進而做到方便檢索、提高系統查詢速度、可靠性和可用性，但也增加了系統維護的代價。

4．全局的一致性、可串行性和可恢復性

便利全局事務處理，但相關技術較集中式數據庫系統復雜性上升，難度加大。

3.3.1 數據分布的策略

目前，數據分布的基本策略分為集中式、分割式、復制式和混合式。

（1）集中式。數據片段全部安放在同一節點上。

評價：這種分布策略跟集中式數據庫沒有差別。

（2）分割式。所有數據只有一份，被分割成若干片段，每個片段被指派在某個特定節點上。

評價：可充分利用各節點上的存儲設備，當部分節點出現故障時其余部分仍可運行，但是當節點被破壞后沒有數據副本，因此也不能進行恢復。

（3）復制式。每個節點上都有一個完整的數據副本。

評價：可靠性高，響應速度快，數據庫恢復也較容易，但是要保持每個節點上數據的同步修改，需要付出高昂的通信代價；另外，系統數據容量只是所有節點中容量最小的一個。

（4）混合式。將數據分為若干子集，每個子集安置在不同的節點上，每個子集都在不同的節點存儲有副本，但每個節點均不存儲數據庫所有數據。

評價：兼顧了分割式與復制式的優點，但也包括了兩者的復雜性。

3.3.2 數據分布的兩個原則

為了確保該數據庫的可靠性，并盡可能的減少數據庫使用對網絡通信資源的消耗，在對數據庫數據分布設計時應滿足以下兩個原則。

（1）所有數據應有4個副本。

（2）應有1個副本跨地域存儲。

3.3.3 數據分布的應用

面對高速增長的海量數據和不斷多樣化的數據格式與用戶要求，老牌的關系數據庫已無法滿足現實需求。Google的Bigtable、Amazon的Dynamo系統，Hadoop的Hbase以及微軟的LiveMesh為代表的云端數據庫涌現出來。

3.3.4 案例分析：淘寶公司數據庫發展史

淘寶網誕生于2003年5月，是亞洲最大的網絡零售商圈，目前其業務跨越C2C（個人對個人）、B2C（商家對個人）兩大部分。國內著名互聯網分析機構艾瑞咨詢調查顯示，淘寶網占據國內電子商務80%以上的市場份額。

1．創立期：V1.0最早的淘寶網

成立初期，使用LAMP（Linux、Apache、MySQL和PHP）架構，如圖3-8所示。業界流行的免費開源組合。當時使用的MySQL數據庫主要存儲用戶、交易和商品信息，數據量少，表小；結構簡單，但符合當時需求。

2．成長期：V2.0持續發展

原有的MySQL數據已經無法滿足需求，出于對穩定性和高性能的考慮，淘寶網從2004年起建立集中式數據架構。采用IBM小型機+EMC存儲技術的方式，配合Oracle數據庫和Scale up擴展方式。雖然較初期有所進步，運轉速度加快，但存在多應用機器對應有限鏈接池、單點擴展性差的明顯缺陷，也難以滿足更高的數據存儲要求。

3．繁榮期：V3.0垂直擴展

2008年，淘寶網業務迅猛發展，單臺小型機達到瓶頸，開始進入大規模垂直拆分階段。建立松耦合、服務導向的架構體系（SOA），按用戶中心、商品中心等主題設置子應用，減少應用間的耦合。每個業務都有獨立的應用與數據庫環境，并具備單獨部署與擴展的能力。同時，非核心數據也從Oracle遷往MySQL，節省了費用。該版架構缺點是硬件成本和Oracle license費用高昂，并存在可怕的擴展預算。

4．成熟期：V4.0水平擴展

隨著淘寶網的不斷發展，系統壓力增長遠遠超過2倍/年，新業務不斷上線。再好的硬件也達到了瓶頸，于是淘寶提出“三去”策略，即去Oracle、去小型機、去高端存儲。充分運用分布式數據庫架構體系的思想，構建水平擴展構架體系，采取獨特的消息中間件同步方式（notify），如圖3-9和圖3-10所示，緩解主庫的壓力，具有低成本、可擴展、易維護的特點，也解決了“單庫天花板問題”。

同時，淘寶重視分布式環境中的監管問題，做到工具自動化，節省人力資源；報警，了解最新狀況；標準化，減少錯誤發生。

5．未來：云計算與平臺服務

淘寶目前考慮借鑒Amazon的S3、Ec2、Simple Db，進一步開放存儲服務和標準。屆時，持久層不一定需要數據庫。當然，這也不再屬于我們本章討論范疇。