分布式数据库系统概述
分布式数据库系统（Distributed Database System, DDBS）是指在地理位置不同的多台计算机（节点）上，通过网络连接，在逻辑上作为一个整体进行管理和使用的数据库系统，其核心目标是通过资源共享、提高可靠性和增强扩展性,来解决单机数据库在处理海量数据和高并发请求时的瓶颈问题。
核心特征
一个成熟的分布式数据库系统通常具备以下关键特征：
- 透明性 (Transparency)：用户在操作数据库时，无需感知数据的物理分布情况，包括：
- 位置透明：用户不需要知道数据存储的具体节点。
- 分片透明：用户无需关心数据是如何切分的。
- 复制透明：用户无需感知数据的备份副本。
- 故障透明：当某个节点失效时，系统能自动切换,用户感知不到中断。
- 局部自治 (Local Autonomy)：每个节点可以拥有自己的本地数据库管理系统,并能独立处理本地事务。
- 水平扩展性 (Scalability)
：可以通过增加廉价的服务器节点（Scale-out）来线性提升系统的处理能力。
- 高可用性 (High Availability)：通过数据冗余和自动故障转移机制,确保系统在部分硬件故障时仍能持续提供服务。
数据分布策略
为了实现高效的分布式存储,通常采用以下两种主要技术：
- 分片 (Fragmentation)：将一个逻辑上的大表拆分为多个小块。
- 水平分片 (Horizontal Fragmentation)：按行拆分，每一片包含部分行,但包含所有列。
- 垂直分片 (Vertical Fragmentation)：按列拆分，每一片包含部分列,但包含所有行。
- 复制 (Replication)：将相同的数据存储在多个不同的节点上。
- 全量复制：每个节点都拥有完整的数据副本。
- 部分复制：仅部分核心数据或热点数据进行多副本存储。
核心理论：CAP 定理
在设计分布式系统时，必须面对 CAP 定理 的权衡，该定理指出，在一个分布式系统中,以下三个特性无法同时完全满足：
- 一致性 (Consistency)：所有节点在同一时间看到的数据完全一致。
- 可用性 (Availability)：每个请求都能在有限时间内收到响应（无论成功或失败）。
- 分区容错性 (Partition Tolerance)：当网络发生分区（节点间通信中断）时,系统仍能继续运行。
在分布式环境下，分区容错性 (P) 是必须保证的，因此架构师必须在 一致性 (C) 和 可用性 (A) 之间做出取舍（即 CP 或 AP 架构）。
关键技术挑战
- 分布式事务 (Distributed Transactions)：如何在多个节点间保证事务的 ACID 特性，常用的协议包括 两阶段提交 (2PC) 和 三阶段提交 (3PC)。
- 共识算法 (Consensus Algorithms)：确保分布式节点之间达成一致意见，主流算法包括：
- Paxos：经典的共识协议,逻辑严密但实现复杂。
- Raft：设计目标是易于理解和实现,目前在许多现代分布式系统中广泛应用。
- 数据一致性模型：
- 强一致性：读到的永远是最新的数据。
- 最终一致性 (Eventual Consistency)：数据在经过一段时间的同步后，最终会达到一致（常见于 NoSQL 系统）。
分布式数据库的主要分类
- NewSQL：试图结合关系型数据库的 ACID 特性和 NoSQL 的 水平扩展性。
- 代表产品：TiDB、CockroachDB、Google Spanner。
- NoSQL：针对非结构化数据或超大规模并发场景，牺牲部分一致性以换取极高的可用性和扩展性。
- 键值存储 (Key-Value)：如 Redis、Riak。
- 文档存储 (Document)：如 MongoDB。
- 列族存储 (Column-family)：如 Apache Cassandra、HBase。
- 分布式关系型数据库：传统数据库厂商推出的分布式版本。
- 代表产品：Amazon Aurora、Oracle RAC。
首发原创文章，作者：王坚，如若转载，请注明出处：https://idctop.com/article/493026.html
