FCon7折倒计时最后一周:日程已上线70%!查看详情>>> 了解详情
写点什么

数据库架构优化的 12 种组合方式与风险解读

  • 2020-08-18
  • 本文字数:12659 字

    阅读完需:约 42 分钟

数据库架构优化的12种组合方式与风险解读

大家好,我是韩锋,一个数据库领域资深从业者(好吧,我是个 70 后)。近些年来,主要从事数据库产品、架构等工作。本文我将以个人感受,谈谈在新时期下数据库架构优化工作的一些问题,供大家参考。


下面的分享,我将从外部环境对数据库架构的影响、当前架构中若干热门的技术问题、之前的架构实践经历,以及个人如何成长等方面谈谈我的感受。

新时期数据库架构优化 - 环境篇


首先谈下外部因素对架构工作的影响。有些同学可能会感到疑惑,架构问题不是技术问题嘛,为什么还要考虑外部因素?这里是有个误区的,架构的本质是为了解决企业的业务问题,针对某一问题可能有很多种解法,选择最为合适的(而非最优的)是考验一个架构师的核心能力。


正如上图中,右下角的描述“脱离企业环境的架构,都是耍流氓”。那么影响架构的外部因素有哪些呢?


  • 单位属性: 包括企业、事业、军工等。不同单位属性,对架构诉求点是有差异的,粗浅的理解企业单位是追求利益最大化的、事业单位更多会从公共视角考虑问题、而军工则会从国防安全角度思考;

  • 行业属性: 包括互联网、金融、制造业、能源、交通等等。不同行业属性,同样存在差异。例如互联网企业往往比较激进,容易考虑一些自研、开源产品;金融企业则相对稳健,多从稳定安全角度考虑等;

  • 用户属性: 可简单划分为 C 端、B 端、G 端,对应个人用户、企业用户、政府用户。个人用户需求,对架构灵活度、可扩展能力往往有较高要求;而企业客户则更为强调稳定服务、生态兼容等因素;政府客户则对数据安全、高可用方面有着更高的要求;

  • 发展阶段: 企业处于不同发展阶段,对架构的要求也不同。初创期的企业,往往看重架构快速构建能力,满足业务发展初期的多变性和时间性;快速增长期的企业,则看重架构扩展能力和演进发展能力;稳定期的企业,看重架构的稳定服务能力和 TCO;而衰退期,看重架构的 TCO 和可裁剪性;

  • 大环境: 外部大环境,对整体经济面影响,也会影响到企业对于架构的选择。当经济下行的时候,更多的企业会考虑架构稳定和 TCO,而非创新;

  • 新增长点: 在某新兴领域的增长点,对于架构往往会带来特殊的要求。这也是业务特点所导致的,需要有个技术逐步摸索的过程。例如物联网、直播、电商等都如此。会有非常鲜明的带有特殊背景的技术诉求。

1、内外部需求

下面将以一个较为传统的企业客户视角,看看其内外部的需求是什么?这些因素都将对后续的架构设计,带来很大的影响。


1)外在需求


对于外在需求部分,可分为如下几个方面(有优先级顺序):


  • 服务: 在数据库架构上,传统企业通常使用大型商业数据库多年,已经习惯于“交钥匙”的模式。非常看重其完备的服务能力,使得企业可以安心于业务。使每年付出昂贵的服务费,但企业仍然可以接受;

  • 生态: 在过去二三十年,国外大型商业数据库在中国取得不错的成绩,这不仅其自身功能很强大,其周边生态也颇为完善。这里不仅包括上下游的配套软件、工具,还包括成熟的架构、设计、开发、运维、测试全栈技术以及积累多年基数很大的技术人才基础;

  • 安可: 作为国家的政策要求,对于某些行业自主可控是必须要考虑的。这一点,无疑对国产厂商有很大的优势。但需要注意的是,对于开源软件的使用,企业也要注意评估风险。一方面是可能存在的法律风险(毕竟开源协议比较繁杂);另一方面是技术风险,对开源代码的理解掌握也是需要企业很大投入的;

  • 性价比: 作为商业行为,价格因素也是企业重点考虑的。这里需要关注两点:一是价格本身不仅包括一次性采购,还要计算长期服务的问题;二是对于云服务,可能短期较少,但需要关注其长期费用。


2)内在需求


对于内在需求部分,可分为如下几个方面(有优先级顺序):


  • 可靠性: 数据安全,是数据库的底线。保证数据准确、不丢失,是很多企业第一位去考虑的因素;

  • 可用性: 持续可服务,SLA 指标在一个较高的水平,也是企业的考察重点。特别是对于核心业务而言;

  • 功能: 在功能上,应做到尽量完备。特别是对于已经习惯于大型商业数据库的用户。诸如视图、存储过程、支持复杂 SQL 等很多备受互联网摒弃的需求,对传统企业而言仍然是必选项。要全部适配改造,其代价往往是无法承担的。此外,对于一些新型功能,如多模、混合负载等,也是功能上的加分项;

  • 扩展性: 数据库产品,应具备较为完善的计算、存储的扩展能力,来应对企业可能遇到的业务发展或转型。如果在扩展性上有显式的瓶颈,也应提前告知用户。在整个扩展过程中,应做到尽量顺滑、风险可控;

  • 易用性: 尽量降低用户的使用门槛,一个窍门是向大厂靠近,符合大多数人的传统习惯。这一点是很多国产厂商,需要重点加强的。

2、考量因素


企业、部门、团队的情况,也会对架构选择有所影响。


1)公司因素


如之前环境篇开篇谈到的问题,公司所处行业、性质及发展阶段对架构选择存在不同影响,这里就不赘述了。


2)部门因素


  • 部门定位: 部门定位如何?是否与公司业务强相关?是否有足够的架构主导权?这些都会影响架构选择;

  • 管理者: 不同管理者,对架构的选型、落地起着重要作用。毕竟架构的变更,需要花费大量资源,且存在一定技术风险。管理者的态度、做事方式、技术敏感度、所领导团队的执行力等,都会直接或间接影响架构的落地。很难想象一个抱残守缺的管理者,会支持推广一个激进的技术革新;

  • 考核方式: 架构调整,意味着变化,可能有收益?可能有风险?这些对个人来说,会直接影响到其考核情况。一个相对宽松、容忍试错的环境,对于架构变更是更为合适的。


3)团队因素


  • 发展阶段: 一个稳定的,受到公司认可的团队,对于架构的落地很重要。否则,采取小步迭代、先边缘后核心的策略,将更为合适;

  • 团队氛围: 团队的情况,包括配置、资源、氛围等,对架构也很重要;

  • 个人角色: 个人在团队中的角色,能发挥出多大作用?如何从边缘角色中逐步脱颖而出,是值得考虑的。

新时期数据库架构优化 - 技术篇

下面的技术篇中,我将谈到企业使用数据库的方式及对当前一些技术选择的个人观点。

1、使用数据库的 N 种姿势


1)商业数据库 + 商业服务


这是较为传统的一种方式。企业购买大型商业数据库软件,并对应购买服务支持工作。在过去三、四十年里,这是主流方式。可以说也很好地满足了各类企业的快速发展。只是随着近二十年来,互联网化的变革,对此种方式产生了不小的冲击。


这种方式适合传统企业,对数据库要求较高,自有技术能力有限,未来发展相对固定的情况。未来发展随着商业数据库的发展而变化,从总体来看,未来云化的需求对其冲击较大。此外,在国产化、自主可控化等要求下,也会对这个模式影响较大。


风险分析


  • 技术风险: 技术封闭、不开放;不符合自主可控要求。

  • 政治风险: 如是外商产品,还易受到政治环境的影响。

  • 财务风险: 容易受到厂商绑架,经济投入上不太可控。

  • 人员风险: 受厂商技术人员技术能力水平影响很大,自有人员无法承担,长期得不到成长。

  • 功能风险: 成熟商业产品,很难定制化满足客户个性需求;且存在与其他组件集成风险。

  • 转型风险: 采用某商业产品后,想转型其他产品较为困难。


2)商业数据库 + 自主服务


这一方式也较为常见。在前一方式中,随着企业使用商业软件的深入,自有服务需求就变得迫切起来。通过建立自有服务体系,可以更好地满足企业自身需求。这种方式,适合有一定技术积累的传统企业。未来发展随着商业数据库的发展而变化,总体相对稳定。


风险分析


在风险方面,与前者类似。其中技术风险上,自有人员对商业产品的把控,较原厂还是有所差距。当然对应人员风险就降低,通过自有人员对产品把控力更大。


3)开源数据库 + 商业服务


随着开源数据库的日益成熟,越来越多的企业开始使用开源数据库。但相较于商业数据库,开源方案对企业自有技术能力要求较高。因此,很多考虑搭上开源浪潮的企业,采用这种方式。适用于转型中的企业,从商业走向开源,这种方式可以在一定程度上规避风险。但一般为过渡阶段,长期来看还是要培养企业自有的服务能力。


风险分析


  • 技术风险: 开源数据库自身技术风险、企业技术选型风险及商业服务能力风险。

  • 人员风险: 受厂商技术人员技术能力水平影响很大,需要认真评估。

  • 功能风险: 一般而言,开源数据库在功能上相较于商业数据库,还是有所欠缺。因此这部分要仔细评估。


4)开源数据库 + 自主服务


这是典型的“互联网”玩法,也是较为常见的一种方式。适用于规模较大,企业定制化要求较高的场景。发展成熟可考虑向企业内部私有云或数据库产品、方案方向发展,甚至对外赋能。


风险分析


风险分析与上者类似,突出人员风险,需长期培养投入。


5)开源定制数据库 + 商业服务


这是方案 3 的一种特殊情况。企业不是使用原生开源产品,而是使用第三方公司定制开源方案,可能是纯软件,也可能是软硬一体式。这类方式,会针对开源软件的不足,做定制化改进,满足企业级软件的需求。但这种方式一般企业无法自己独立运维,需要借助第三方公司的商业支持。对数据库的企业级特性有较高要求,但原生开源数据库又无法满足的情况。对于短期内有去除商业数据库的需求场景,非常适合。随着国内对开源数据库使用水平不断深入,有越来越多的此类初创型企业出现。非常看好这种模式的未来发展。


风险分析


  • 技术风险: 定制化部分不开放,企业不可把控;此外,原生开源的版本变化,可能短期无法适用到方案中。

  • 人员风险: 受厂商技术人员技术能力水平影响很大,需要认真评估。

  • 转型风险: 受限于方案,存在一定转型的风险。


6)私有云 + 云化服务


企业私有化部署方案,是一种云化折中方案。受限于一些特殊国情,有些企业无法直接使用公有云,但又急需类似公有云的平台能力。因此,某些云厂商或数据库厂商提供了一种私有云化部署方案,可简单理解为将云搬回家。


过去有种说法,说私有云会逐步萎缩,公有云会一统天下。但从近两年的国内云市场发展来看,私有云的发展速度某些指标甚至超过公有云。当我们现在大谈“toB”市场成为下一个蓝海时,这种模式也是 toB 服务市场的一个重要组成部分。这种方式,适合于大型企业,长期看好。


风险分析


其风险点除了在财力方面,更多是考虑在对厂商的技术依赖性。相较于传统方案,这种方式的依赖性甚至更高。厂商一般提供很好的私有云,及对应其自有公有云的打通方案;但对其他公有云或企业自有平台,则较难打通。


7)裸云 + 开源数据库 + 自主服务


这是一种上云使用的初级阶段,企业仅使用云的 IaaS 部分,其余均自建。这种方式可充分利用公有云带来的弹性优势,将企业原有的技术积累延续到云端。对于企业来说,这种方式也是最为“平滑”的,甚至应用可以不做更多感知,仍然像使用企业内部 IT 资源一样,使用公有云资源。很适合于有多云、跨云需求的场合。但缺点是无法利用云厂商技术能力带来的附加值。


风险分析


风险不大,仅仅是依赖公有云底层,很容易迁移到其他云厂商或迁回自有。


8)裸云 + 商业数据库 + 第三方服务/自主服务


这是一种较为特殊的情况。企业选择将商业数据库,构建在公有云上。但其没有选择云厂商提供的,而是自主构建或选择第三方厂商协助完成。这往往是一些中小型的企业,其规模不足以支持私有化部署,而应用又依赖于商业数据库产品。企业想要充分利用云的弹性,因此组合出这种使用方式。


风险分析


风险在于,某些商业数据库针对云场景的不予支持,企业有一定技术风险。要么有比较强大的自主技术能力,要么依赖于第三方服务厂商。


9)云数据库(开源) + 云平台服务


这是云厂商推出的最为“传统”的数据库服务,也是目前最多的一种选择。云厂商基于开源的数据库版本+自有的平台服务,构建其数据库产品。其核心的数据库与开源的版本,是完全一致的,各家比拼的更多是平台服务能力。这种方式对于企业的运维要求很低,基本可以依赖于云厂商提供的能力(除了个别高可用、容灾需求外)。这一方案比较适合于初期上云企业,可逐步摸索云与原有方式的区别。


风险分析


数据库自身风险不大,毕竟其使用的与开源同一版本,技术上可迁移至其他云厂商。当数据库版本升级后,也可以享受到对应的技术红利。但对平台服务,是存在一定依赖的,各家能力不同,需要有适应过程。此外,运维依赖云厂商,也存在一定技术风险。自主的技术能力,会逐步丧失。


10)云数据库(开源定制) + 云平台服务


云厂商除了提供与开源一致版本外,一般还提供私有定制版本。它往往是基于某开源数据库某一版本的深度定制,针对某些特性做了加强。当然有些以反馈社区的方式,回馈给开源(可能未来会 merge 入新版),但很多仅存在“云私有 DB”。如企业有针对某一特殊场景(如秒杀)或其他方面(如金融级数据同步)的强需求,可考虑使用此方案。当然使用也意味着与云厂商深度绑定。此外,在平台服务方面,与上面情况类似。这种方案比较适合于对数据库有一定要求,而原生开源版本又不支持的情况。


风险分析


风险在于绑定单一厂商,一般很难下来。这与使用大型商业数据库的情况类似。当然可以在应用端做个设计,尽量减少对特性的依赖。此外,因为是定制版本,未来开源版本的升级可能不会短时间内支持,甚至可能不会考虑支持,完全走向独立分支的道路。针对这点,企业也是需要关注的。


11)云原生数据库(自研) + 云平台服务


某些大的云厂商,除了上述两种外,可通过自研数据库方式,增加未来的产品竞争力。从最新的 Gatner 报告来看,更多的云厂商加入进来,这也给数据库整体市场带来了活力。从预测来看,均一致看好云原生数据库的未来发展。相较于前两种方式,这类数据库更是诞生于云,从设计之初就更多考虑了云化环境特点,因此极具竞争力。


当然,从目前来看,现有云原生还处于“初级”阶段,未来在解决了更大规模扩展性、多读多写能力等后,其将真正进入井喷式发展。现有各大厂,在这一领域纷纷重点布局,加大投入。对企业而言,无疑又多了一种选择,特别是某些场景(如海量数据等),原生开源、扩展开源产品均无法满足。


风险分析


风险类似上面,甚至有过之。企业应用将完全依赖于厂商产品。尽管很多是宣传兼容开源或商业数据库,但毕竟不是同一产品。这点还需要企业仔细评估。此外,针对兼容性、备份恢复、高可用、数据同步、跨云容灾等,都是值得投入研究的。


12)云数据库(自研) + 云服务 + 云托管平台


这是一类小众的方案,其背景是缘起于数据库厂商与云厂商的蛋糕划分问题。有些数据库厂商(如 MongoDB)不希望将云数据库市场由云厂商主导,而是希望可由自身主导,构建不依赖于云厂商的独立生态。目前这种方式国内见得不多。

2、使用开源的利与弊

受到众多互联网公司的影响,很多传统企业对于开源方案也是跃跃欲试。但在选择之前,也要看到,开源方案并不是免费的“蛋糕”。让我们来看看,开源方案的利与弊。


1)“利”的方面


  • 成本价格: 这往往是企业最先看到的一点。开源软件,可节省大量的商业采购费用。当然,我们这里要算一笔综合的经济账:价格=采购成本+维护成本+人员成本+时间成本+机会成本;

  • 简单、灵活: 相较于商业产品,开源产品往往比较简单、配置灵活、不依赖于特有硬件等。在满足企业的技术要求下,这些确实是开源的优势;

  • 可定制: 开源的一大特点,就是源码公开,企业可以根据自身特点进行有针对性的改造。对于企业的某些特殊要求,确实只能通过定制化才能完成;

  • 人才+技术: 随着近些年来对开源软件的使用,开源的人才已相对较多,企业可以较为容易地招聘到人才。且企业大规模使用开源,也可逐步提升企业自主技术水平,有利于企业的长期发展。


2)“弊”的方面


  • 服务: 服务,特别是规模化后的服务。开源方案,一般重点着力于核心功能,其周边功能往往比较薄弱,这对于后期服务很不利。通常企业是依靠自身的人员完成服务。这通常需要一定的投入,且整体服务质量较成熟的商业产品仍有较大差距。这一问题,可通过“开源软件+商业服务”的模式,或者通过云服务来提升整体服务水平;

  • 产品责任: 这就是所谓的“兜底”问题。国内的企业,往往已经习惯于有外部厂商帮助其兜底,尽量规避自身风险。使用开源,难以找到指定的责任方,兜底更无从谈起。虽然可依靠某些第三方服务商,但其对开源的掌控能力需要评估;

  • 运维复杂度: 成熟商业产品,通常经过完备的设计开发、丰富的周边生态、系统的文档化及多年的锤炼积累,其运维复杂度较低,可快速搭建起完善的运维体系。但对于开源而言,需要从头来做,自己独立完成整个过程;

  • 技术演进路线: 开源技术的发展,通常没有固定的主导方。企业很难把控,开源软件未来的发展方向。某些企业急需的特性或 bug fix,也很难得到及时的响应。企业整体是缺乏把控力的;

  • 性能: 开源软件,在一般简单场景下,其性能不差,甚至好于很多商业产品。但从整体综合性能来看,特别是在复杂场景下,其性能往往表现不佳。因此,针对开源方案,往往强调前期架构设计很重要,发挥其强点、规避弱点。但这对于传统企业尤为困难,企业有很多沉重的历史包袱,很难短时间内完全重构。即使决定重构,也需要逐步摸索,小步迭代;

  • 用户体验: 开源软件的第一诉求,是功能的实现,其针对用户体验往往考虑不多。使用惯商业产品的用户,需要一个“由奢入俭”的适应过程;

  • 企业级特性: 企业用户,对数据库的使用是有其专有特性,例如:安全审核、数据加密等等。这类功能对于企业很重要,但对其他类用户相对意义不大。很多开源软件,不会在这些上大做功夫。

3、云与传统数据库的差异

1)云 DB 与传统 DB 的差异


① 核心功能


对于托管类数据库产品而言,其核心功能还是要跟官方产品走。当然,各个大厂都有着自己多年丰富的实践经验,并具备一定的内核研发能力。于是,往往针对原生产品做一些定制化的改造,进而提供与原生产品差异化的能力。改造方向上,往往倾向于下面几类:


  • 性能: 深度优化后的产品,往往较原生性能有较大的提升。这也变相为用户提高了综合性价比;

  • 功能: 针对原生产品功能不足,增强其功能。特别是对于有些企业级功能,更为需要优先满足。这也成为很多线下客户,选择云数据库产品的重要考量因素;

  • 业务: 有些大厂根据自己在某业务领域的积累,有针对性地增加了特定场景下的数据库端解决方案。这对于同行业客户来说,非常具有吸引力。


针对上述定制化后产品,有时就成为某种“银弹”,对于企业客户很具吸引力;但事情也具有两面性,对于这些特殊之处的依赖,也会导致客户对产品的依赖。这也是某些客户犹豫之处。在我看来,这个问题的要点在于企业处于的发展阶段。不同阶段的企业,核心诉求不同,在此处的考虑角度也会不同。


② 外围功能


除了核心功能外,还有些非数据库核心能力,但对于企业使用必不可少的功能。例如:监控、备份恢复、优化、容灾等等。如果没有云的话,这些能力往往是需要企业花费精力去自建的。哪怕企业数据库规模不大、使用复杂度不高,使用开源数据库也能满足需求,但上述需求还是要满足的。于是,前两年平台很火,很多企业都自建了自己的内部运维平台,构建上述能力。当然这种方式有利有弊。利之处在于,企业可以根据自身需求度身定制,满足个性化需求;弊之处在于,构建能力及花费资源长期维护。


③ 云功能


如果说,上述功能企业还是可以较容易具备的,那么云功能则相对门槛有些高了。这里所说的“云功能”,是指例如弹性扩缩容等类。这类能力,往往需要依托于强大的底座能力,是需要较大的研发投入和长期积累才能具备。在某些特定的场合下,这一能力对企业很具吸引力,例如业务形态、幅度变化很大的企业客户。


④ 生态功能


企业选择上云,往往不是仅依靠一两款产品,而更多是看中云端生态功能。对于企业来讲,如何通过云端打通技术瓶颈,快速具备业务能力成为核心。例如从数据埋点、数据捕捉、数据存储、数据计算到分析展示,如果全流程都可以在云端无缝集成,对于企业来说,是很具有吸引力的。


2)如何看待云上成本


① 人力成本


无疑,这是云数据库颇具优势的方案。企业如果想通过自建方式解决类似问题,没有高素质的人才是不行的。然而,一方面此类人才稀缺且价格不菲;另一方面即使已有人才,也要面临如何留住等问题。毕竟对于大多数企业来说,专业技术人员更多是辅助性岗位,对高级专业人员来说也面临长期发展等问题。而云数据库方案,则不存在此问题,你大可以在很短时间内享受到大厂的“脑力”资源,而且不必担心出现断档等问题。


② 财力成本


针对这点,是需要企业充分衡量的。如果通过自建方式,是初期投入大,中长期投入较少,存在一个明显的波动性。如果通过外购云服务方式,则相对较为平均。两者的财力分配方式不同。当然,云有一个明显的优势,就是弹性。企业可根据自身情况,灵活选择,随时调整。


③ 时间成本


这是企业往往容易忽略的问题,时间投入也是一种成本。当你的企业快速发展,需要短时间具备某种能力;当你面临新业务上线,而后台 IT 就迟迟跟不上节奏。隐形的时间成本,有时对企业颇为重要;对稍纵即逝的业务机会来说,稳健、敏捷的 IT 支撑能力很重要。


④ 风险成本


很多企业是需要一个“兜底”的服务,即尽量降低企业的 IT 风险,保证企业的正常运营。自建的方式可以解决,但需要构建起整套的能力,投入不小;也可以通过购买外部服务的方式,这种就需要考察对方的技术实力、并解决互相扯皮等问题。云厂商,则不存在此问题,基本可做到风险可控。

4、如何看待国产化

1)产品技术成熟


作为三大核心基础软件之一,数据库在整个 IT 技术中占据重要的位置。随着近些年来中国经济的快速发展,特别是庞大的人口基数带来的红利效应,互联网技术在中国蓬勃发展。甚至在某些技术场景下,相较于国外有着更高的要求。这也促进国内企业在 IT 基础技术(包括数据库)上取得了长足的进步。国内企业对数据库的使用大致走过了“商业->开源->开源+定制->自研”逐步演进的道路。近些年来,随着技术、资本、人才的积累,国内的数据库领域取得很大的突破。


从数据库技术本身而言,随着分布式、云原生、软硬一体化、人工智能等技术的出现,为自研数据库代替大型传统商业数据库,实现弯道超车提供了可能。同时这些技术的出现,也解决了很多传统数据库固有的问题,突破了旧有架构的缺陷,更好地满足客户对海量、弹性、安全、性能等方面的要求。没有传统数据库厂商的历史包袱,新兴厂商站在更高的起点上,实现对传统厂商的超越。


2)经验积累丰富


虽然有些企业在去除大型商业数据库实践上,已经有十余年的时间;但大多数都是限于企业内部。受限于其内部场景,很多实践经验是很难复用到外部企业。且也没有一个完整、成熟的商业化产品提供此类服务。但是近些年来,已可以明显看到一些变化,以云厂商为代表,正在将企业内部多年的经验积累以产品的化的方式输出,帮助广大客户完成这一过程。


针对这样一个基础软件的替换,我们需要清醒地认识到,不是简单的“苹果换成桔子”的过程。这需要从架构设计、程序开发、运维安全等多个角度去看待。之前很多企业在抛弃传统商业数据库上举步维艰,正是因为缺乏必要的经验指导,无法将好的技术快速落地并稳定运行。在这里需要重点强调的是,很多企业认为选择一个功能非常强大的数据库,就可以帮着自己摆脱传统商业数据库。其实,这是一个大大的误区。功能强大的产品,不一定是适合你,要想完成这一过程,云数据库厂商的实施经验不可或缺。只有“好的产品+丰富经验+良好服务”,才能最终达成这一目标。


3)服务方式提升


企业(特别是传统企业)在数据库使用上,按需求的优先级排序,可分为服务、生态、自主、成本等多个因素。这里最被企业看中的,正是“服务”一环。很多企业使用大型商业数据库多年,已经习惯于传统数据库厂商的“交钥匙”工程,非常看重其完备的服务能力,使得企业可以安心于业务。即使每年付出昂贵的服务费,企业仍然可以接受。这点也是国内厂商的短板,要在短时间内建立其等同于国外数十年积累的企业服务能力,不是一朝一夕的功夫。这是需要国内厂商静下心来,苦练内功,加大投入。经过几年来的积累,国内的云厂商已具备了较为成熟交付服务提醒,形成了规范化的服务能力。


4)成本收益驱动


传统大型商业数据库,颇令人诟病的一点就是“贵”。究其根本原因,一方面是其商业策略有关,此外也有人力成本、服务方式等因素有关。此外,还有很容易忽略的一点,就是旧有架构的问题。随着新架构的演进、技术的突破,特别是“数据库+云”的结合,为客户提供更灵活、更具性价比的数据库方案成为可能。


5)业务模式创新


随着数字经济的到来,各类企业都在做着数字化转型,新的业态也不断涌现。这对于支撑企业数字化转型的重要基础设施—数据库,提出了更高的要求。如何满足快速多变的业务模式创新?如何满足快速发展的业务规模需求?等等诸如此类的问题,都是数据库产品需要考虑的。国产数据库正是站在这一高点,从国内情况出发,有针对性地推出很多功能,满足这种创新。

新时期数据库架构优化 - 实践篇


下面以笔者之前在某公司的实践过程,谈谈对架构实践的理解。这里将从需求、资源、路径、成长角度来谈。

1、痛点与需求


第一步,就是现状分析。俗话说,磨刀不误砍柴工,只有对现状充分的了解,找出核心痛点,才能有助于问题的解决。无论是从架构调整还是其他工作都是如此,只有解决痛点才是对公司有价值的。

2、路径与演进


第二步,就是路径演进。很多架构工作或其他技术工作,都不是一蹴而就的,而是有个逐步演进的过程。正如上面提到的,在之前公司的数据库开发设计规范的落地,也是走过了文档化->技术宣讲->自研平台的过程。

3、资源与成长


团队的情况也很重要。只有统一思想、明确方向,才能有助于最终落地起效。

新时期数据库架构优化 - 个人成长篇


最后,我们谈谈对架构师作为个人成长方向的一些问题。相信很多做技术的同学都存在上述的问题:做技术还是做管理?年龄因素怎么看?技术革新太快,如何破?等等。

1、数据应用层次


首先我们从企业内部数据应用层次来看,从最为原始的满足事务型处理需求,DBA 更多是充当救火队员的角色;到逐步规模化、体系化,DBA 通过平台处理运维工作甚至可做到预防性运维;再到运维工作已不是主要矛盾,企业开始关注数据库设计、开发质量问题,DBA 需要更多考虑架构侧问题;最终到脱离具体变相的库的形态,而从更为维的数据层面考虑企业内的数据架构问题。


企业内部对数据的应用层次的演进,其实也是 DBA 从运维、平台、设计、优化、架构的演进过程。可以说,伴随者企业发展,数据一线从业者都会慢慢具备一定的架构类职能。这也是技术人,比较理想的一个发展路线。

2、DBA 所受冲击


从一段时间来看,DBA 职业正受到很大的冲击,这里包括:


  • 去 IOE 所代表的去商业数据库冲击,仅仅掌握一两门商业数据库技能已经不足以支撑你的职业发展;

  • 开源与商业的选择,决定了越来越多的开源方案受到重视,DBA 的技能不在满足于对商业产品的诉求,而是要考虑开源及随之带来的研发类的技能要求;

  • 管理方式的变化,从之前的手工命令方式、到脚本进而到工具乃至平台。管理方式的变化,也意味着对 DBA 技能的不断提高;

  • 云,作为未来发展趋势,已成为共识。在云化环境下,对 DBA 的能力要求又有了新的变化,很多之前的技能将变得不在重要,急需要人员掌握新的技能。

3、选择技术 or 管理


这是个老生常谈的问题,做技术还是做管理?我的观点是,选择哪条路径,取决于个人特质,不同的思维方式适合做不同的工作。不要勉强自己做不适合的职业选择。

4、阶段性


技术的路能走多长?这是很多人的疑问。难道每个人都能发展成为 CTO 吗?显然这是不现实的。无论是技术路线还是管理路线,其发展都是有阶段性的。对于迈入到更高的台阶,都存在一定比例的选择率。大部分人,是无法上升到更高的阶段,要理性地看待这一问题。并在达到自己阶段瓶颈后,找出后续的发展路线。说句时髦的话,就是所谓第二成长曲线。

5、突破点


承接上面,每个人发展都是存在一个阶段性上限。当达到这一阶段时,你会发现很难突破自己,此时可以考虑所谓 T 字性人才发展策略,即横向发展。但这里需要注意的是,一定是在某一领域内接近自己所能达到上限,因为这会决定你的“视野”问题。在横向发展的选择上,可以有很多。例如右面列出的技术上的其他领域、业务方向的沉淀或者参与人的工作(管理)之中。

Q & A

Q1:如何看待列式数据库的前景以及其在互联网企业中应用场景?


A: 列式数据库,主要是说数据存储方式采用列存方式。现在很多数据库都支持行、列混存的模式。其面对数据分析类场景时,列式存储天然有其优势。企业中的分析场景,可以考虑使用列式存储。


Q2:开源数据库的安全隐患大吗?安全性是否需要重点考虑?


A: 开源数据库的安全问题,不能一概而论。只是一般意义上,开源产品在某些企业特性上较商业产品还是有所欠缺,安全性是其中之一。当然,随着很多开源产品在企业中的到日益广泛的应用,安全性问题也得到很多开源的重视,不断补齐、增强这方面的能力。


Q3:如何选择国产数据库?


A: 随着近些年来国产数据库的蓬勃发展,无论从产品数量、成熟度还是使用广泛程度,都取得了长足的进步。在企业考虑选择使用国产数据库时,个人建议优先考虑功能、服务、生态、性能的因素(有优先级顺序)。


Q4:如何看待国产数据库,特别是分布式国产数据库的前景?


A: 无论从内外部环境,还是 IT 本身发展规律,都很看好国产数据库的发展。这也是我们必要需要经历的一个过程。比较欣喜的看到,近些年来国产数据库发展很快,并逐步获得很多关注。相信在不久的未来,必将得到更大的发展和普及。


分布式数据库,是一个发展方向,其在解决容量、性能等核心问题上,有着天然的优势。随着学术上的成熟,在工程领域已经很多产品出现,并取得不错的成绩。


Q5:分库分表清除历史数据有什么需要注意的点?


A: 分库分表架构下,对于清理数据会带来一定的复杂度。核心点在于有统一的清除标识,方便进行清理工作。


Q6:请问 CK 数据库怎么解决并发支持不高的情况?


A: 对 CK 了解不多,谈写粗浅认识。对于分析型数据库而言,并发问题是个老大难问题。其核心问题是在于资源瓶颈。场景的解决方式:1.通过扩展资源,提高吞吐能力,变相提升并发支持能力;2.通过资源隔离方式,满足部分高并发场景需求;3.通过拆分方式,分流并发需求等。


Q7:类似于 TiDB 这种整合的数据架构解决方案,前景您怎么看?


A: 非常看好类似 TiDB 的整合方案。整合方案的核心点在于,数据集中存储、统一接口、统一管理,这对于用户是很有吸引力的。解决了用户对于管理、运维、人力、开发、成本等多方面的问题。当然,还是有小部分场景无法通过整合架构解决,但对于大多数客户、大多数场景,整合架构还是适用的。


Q8:对于数据库技能的积累上,是如何储备的呢?SQL、NoSQL、NewSQL 是否都有必涉足?


A: 存储哪些技能,核心还是取决于现实需求。这里不仅包括数据库技能,也包括其他技能是同样的道理。技术发展演进是很快的,需要人员具备快速学习的基本能力。只有适应这种变化,才能更好地适应未来发展。


Q9:请评估一下阿里的 AnalyticDB 这种实时分析型数据库,并且还能支持高并发?


A: AnalyticDB 是阿里云自研的云原生数据仓库。在其初始设计中,就考虑了高并发的需求。在其前端接入节点部分,是支持扩展能力,可提供近似线性的扩展能力支持。


Q10:数据库架构师的方向可以突破 35 岁的限制吗?


A: 架构方向,是技术人发展的一个方向。对于人员的知识结构、经验积累等,均有较高的要求。在年龄方面,限制度较其他岗位(如研发)要宽泛很多。我本人经历,也是在 35+,才开始转型到架构方向。


作者介绍


韩锋,阿里云高级产品专家


  • dbaplus 社群联合发起人,CCIA(中国计算机协会)常务理事;

  • Oracle ACE,具有丰富的一线数据库架构、设计、开发经验,著有《SQL 优化最佳实践》《数据库高效优化》等书籍。


原文链接


数据库架构优化的12种组合方式与风险解读


2020-08-18 10:001414

评论

发布
暂无评论
发现更多内容

实用机器学习笔记十八:过、欠拟合

打工人!

机器学习 深度学习 算法 学习笔记 12月日更

前端开发:关于Vue组件中的data属性值是函数而不是对象的详解

三掌柜

28t 28天写作 12月日更

微信朋友圈高性能架构分析与设计

皓月

架构实战 #架构实战营 「架构实战营」

React进阶(九):React-Redux

No Silver Bullet

React React-Redux 12月日更

天下武功,无坚不摧,唯快不破

Tiger

28天写作

Android ShareSDK 微博分享 (8995)app auth fail for appKey&sign&package 解决

阿策小和尚

28天写作 Android 小菜鸟 12月日更

Cordova应用的JavaScript代码和自定义插件代码的调试

Jerry Wang

JavaScript android 28天写作 12月日更 cordova

dart系列之:这里不需要标新立异,dart代码最佳实践

程序那些事

flutter dart 代码规范 程序那些事 12月日更

王者荣耀商城异地多活架构设计

奔奔

Prometheus Exporter (三十一)ProxySQL Exporter

耳东@Erdong

Prometheus 28天写作 exporter 12月日更 ProxySQL

跟着动画学Go数据结构之希尔排序

宇宙之一粟

golang 希尔排序 12月日更

🏆【Alibaba中间件技术系列】「EasyExcel实战案例」实战研究一下EasyExcel如何从指定文件位置进行读取数据

洛神灬殇

EasyExcel Apache POI Alibaba 12月日更

给弟弟的信第17封|拒绝自我感觉良好

大菠萝

28天写作

2021学习总结

将军-技术演讲力教练

模块二:朋友圈

撿破爛ぃ

「架构实战营」

关于HDFS中的Lease Recovery

Joseph295

模块七作业——王者荣耀商城异地多活架构设计

deng

架构实战营

架构训练营 - 模块二作业

伊静西蒙

JavaScript 数组方法 .map() 的 5 个使用场景

devpoint

JavaScript map array 12月日更

从对象内存布局了解锁的膨胀

Ayue、

锁升级

架构实战营模块2课后作业

墨宝

如何做一个区块链浏览器

Rayjun

区块链 区块链浏览器

在不丢失数据的情况下处理屏幕旋转 - Android

坚果

android 28天写作 12月日更

微信朋友圈高性能分析

swallowluo

架构训练营 架构实战营 「架构实战营」

信贷风控从Model-centric到Data-centric

一直学习一直爽

互联网金融 风控模型 机器学习算法

Python爬虫反爬,你应该从这篇博客开启,UA反爬,Cookie 特定参数反爬

梦想橡皮擦

12月日更

Guava的布隆过滤器

程序员历小冰

算法 布隆过滤器 28天写作 12月日更

LabVIEW图像特征与机器视觉概念(理论篇—4)

不脱发的程序猿

机器视觉 图像处理 工业自动化 图像特征

情绪价值

搬砖的周狮傅

情绪

架构实战营 第 4 期 模块二作业

架构实战营 模块二 「架构实战营」

Kubernetes + Spring Cloud 集成链路追踪 SkyWalking

zuozewei

链路追踪 性能测试 性能监控 12月日更

  • 扫码添加小助手
    领取最新资料包
数据库架构优化的12种组合方式与风险解读_数据库_dbaplus社群_InfoQ精选文章