认识达内从这里开始

数据库技术的应用随着互联网的不断发展而被众多程序员掌握，而本文我们就通过案例分析来简单了解一下，分布式数据库应用策略分析。

一、基本均衡策略的分析

列表的均衡策略使用的场景主要是依据几个列表值，如省份，大区，按月存储等，多个列表值可以存储到同一个节点中;

范围的均衡策略，根据需求确定数据的大小值，然后根据每个节点的存储计算能力和节点数决定每个节点分配范围，即按照节点能力进行加权平均分配，范围小的数据分为到id小的节点上;需要增加节点的时候，从以前大节点的大值开始，为新添加的节点重新分配数据的范围;这种均衡策略的应用场景比较广泛，可以使用在自增的虚拟id，用户id，时间等字段上面;而且在分布式数据库中执行select查询的时候，涉及到order，group，非等值join等需要排序的操作，并且这些操作的字段是均衡字段的时候，洗牌(shuffle)就可以忽略，因为节点id是顺序的，节点id小的节点中存储的数据小，再加上均衡字段上通常有索引，排序的操作会非常高效。

这种均衡策略也有一些不足，数据是否平均分布依赖为每个节点分配的大小值;如果数据是虚拟id作为分割字段，递增，插入的数据基本上都是在大的节点中，其他节点基本上没有插入，只有查询;如果数据是用户id作为分割字段，新注册的用户id是递增，那么新注册的用户数据基本上都是在大的节点中，数据分步有个明显的特征，连续注册的用户的数据基本都在相同的节点中，这样在高峰期，推广期，活动期某些节点的负载比较高，负载就会出现不均衡;

取余的均衡策略能够解决范围的均衡策略节点负载可能不均衡的问题，数据理论上是平均分布的;但是如果节点之间的性能是不平均的，那么就存在木桶效应，每个节点的存储容量和性能大值(性能瓶颈)就是性能差的那个节点;同时这种均衡策略不具备范围的均衡策略中某些场景中洗牌和排序的高效特征。

二、基本均衡策略下的数据重新分布

前面提到规则需要动态调整，或者数据重新分布，这里指的是调整某个均衡策略内部的参数或者规则数据本身，而非转换均衡策略，这三种均衡策略下的数据重新分布如下：

列表的均衡策略需要将变动的列表数据重新分布，如上面的例子中将黑龙江省的数据从2号节点移动到3号节点，那么只需要移动黑龙江省的数据;

范围的均衡策略，可以移动节点中的整个范围，也可以移动节点中的部分范围，从这点来说，范围的均衡策显得更加灵活。

取余的均衡策略比较特殊，列表和范围的均衡策略在节点数不变的时候可以重新分布数据，而取余的均衡策略则不能重新分布;如果增加节点数，节点id依次增加，计算新的节点数和老的节点数的小公倍数，一条记录的均衡字段对小公倍数取余，如果余数小于等于老的节点数(小的节点数)，那么这条记录不用移动，否则需要移动这条记录到均衡字段对新的节点数的余数对应的节点中;如果减少节点数，删除节点id的大的节点，计算新的节点数和老的节点数的小公倍数，一条记录的均衡字段对小公倍数取余，如果余数小于等于新的节点数(小的节点数)，那么这条记录不用移动，否则需要移动这条记录到均衡字段对新的节点数的余数对应的节点中。

举例说明，增加节点的时候，从4个节点增加到6个节点，4和6的公倍数是12，用记录的均衡字段对小公倍数取余，结果为0到11，那么余数0到4的记录不用移动，余数为5到11的需要移动;减少节点的时候，从8个节点减少到6个节点，8和6的公倍数是24，用记录的均衡字段对小公倍数取余，结果为0到23，那么余数0到6的记录不用移动，余数为7到23的需要移动。

【免责声明】：本内容转载于网络，转载目的在于传递信息。文章内容为作者个人意见，本平台对文中陈述、观点保持中立，不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请加danei0707学习了解。欢迎关注“达内在线”参与分销，赚更多好礼。