如上图所圈，这次主要学习云数据库RDS for MySQL、GaussDB和GeminiDB相关内容。

 

 

一、结构化数据、非结构化数据

选择数据库时，首先从模型上分析，是否涉及事务处理、复杂的查询关联，还是数据量大、有并发访问需求。同理，其余指标如访问性能、类型等类似分析。 

结构化数据：有标准的格式

=> 关于数据治理，在拿到数据后，首先要分析该数据是结构化还是非结构化的，根据类型选择对应的服务。

=> 非结构化数据放到存储（如OBS、EVS）里面存放；

=> 结构化数据，完全结构化就用关系型数据库，半结构化用非关系型数据库。

华为云数据库选择

云原生通过容器化、微服务架构、自动化运维等技术手段，实现了应用的快速部署、弹性扩展、高效运维和跨云部署。

 

二、关系型数据库服务RDS

 

利用数据库搭建如下简单架构。是否存在问题？问题出在哪里呢？

 

=> 明显看出，上述架构存在一个故障单点，即RDS。

很好理解，应用服务器不是单点，一台坏了剩下一台也能继续服务，但如果RDS坏了，整个系统就不能正常工作了。 

既然如此，又该如何解决呢？主备部署

=> 主备部署，简单理解，就是当主数据库出现故障时，RDS服务会自动把访问接口切换到备用服务器上，然后把主服务器替换掉，变成一台新的备用服务器。通过该机制，当一台服务器坏掉就会被自动的替换，甚至可达秒级切换。

 => 主备服务器可同时放在一个可用区里，以获得较好的同步性；也可选择放在不同的可用区，从而获得跨可用区的容灾能力。

因为可用区可能会坏掉，有了多可用区的选择，就能在一个可用区坏掉时使用另外一个可用区的备数据库服务器，以保持业务连续性。

主备部署这么好，就没有啥缺点吗？

=> 成本增加，如多部署一台服务器、多了一些数据同步的成本。

回到最开始的问题，如下是基于主备部署实现的高可用架构的落地方案。

=> 只有主数据库向应用服务器提供服务，即承载所有数据库的访问流量；而备数据库则随时准备切换上来，平常不参与工作。

有自动Binlog和手动两种备份方式，如下：

 

 

 

RDS可以通过创建只读副本的方式，建立读写分离的数据库系统。

读写分离是一种常见的数据库架构设计，通过将读操作和写操作分开到不同的数据库实例，来提升系统性能和可扩展性。读写分离将读操作分配到读数据库，而写操作由写数据库处理，该方式能有效分担数据库的负载，避免单个数据库成为瓶颈，且能实现读操作和写操作的并行处理，提高系统的整体处理能力和响应速度。

6、只读副本实现水平扩展

同样，可以通过创建只读副本的方式实现水平扩展，如下：

 

以上为主备部署+只读副本 

RDS for MySQL产品架构

三、GaussDB (for MySQL) 

除了 RDS for MySQL，还有没有其他数据库服务和解决方案呢？GaussDB (for MySQL)

 

 RDMA：远程直接内容访问

注：RPO（Recovery point objective），恢复点目标，是指业务系统所能容忍的数据丢失量。 

 

四、GaussDB 云数据库

 

 

注：GaussDB和GaussDB (for MySQL)是两种不同的数据库服务，不要混淆。 

 

 

五、非关系型数据库：云数据库GeminiDB

1、非关系型数据库特点

① 每条数据都是一个结构文档。

② 表格中的记录之间没有逻辑关系。

③ 擅长对完整值进行哈希定位而非复杂查询。

云数据库GeminiDB架构
1）高可用

=> 当计算节点故障：秒级的故障切换；

=> 当存储节点故障：存储三副本，单点故障整体系统仍可运行。

2）弹性扩容

=> 扩容计算节点：计算节点无状态，可快速扩容；

=> 扩容存储节点：共享存储，一键扩容，不中断业务。

 

非关系型数据库使用注意
① 设计好数据键和索引定义。快速定位，避免全表查找。 

=> 避免热键；

=> 避免数据过于复杂； 

=> 不论数据量多少，毫秒级数据定位。

② 如果需要，在应用层进行逻辑锁和数据逻辑关联。

③ 在压力提高时，合理利用集群来分散压力。 

=> 利用分片算法快速定位数据在集群中的位置；

=> 数据设计上让访问压力分散到集群内各个节点，避免热分区。

六、数据库管理服务 DAS