MySQL集群

左手的ㄟ右手 2022-07-15 09:08 223阅读 0赞

组建MySQL集群的几种方案  
LVS+Keepalived+MySQL（有脑裂问题？但似乎很多人推荐这个）  
DRBD+Heartbeat+MySQL（有一台机器空余？Heartbeat切换时间较长？有脑裂问题？）  
MySQL Proxy（不够成熟与稳定？使用了Lua？是不是用了他做分表则可以不用更改客户端逻辑？）  
MySQL Cluster （社区版不支持INNODB引擎？商用案例不足？）  
MySQL + MHA （如果配上异步复制，似乎是不错的选择，又和问题？）  
MySQL + MMM （似乎反映有很多问题，未实践过，谁能给个说法）  
  
回答：  
  
不管哪种方案都是有其场景限制 或说 规模限制，以及优缺点的。  
  
1. 首先反对大家做读写分离，关于这方面的原因解释太多次数（增加技术复杂度、可能导致读到落后的数据等），只说一点：99.8%的业务场景没有必要做读写分离，只要做好数据库设计优化 和配置合适正确的主机即可。  
  
2.Keepalived+MySQL --确实有脑裂的问题，还无法做到准确判断mysqld是否HANG的情况；  
  
3.DRBD+Heartbeat+MySQL --同样有脑裂的问题，还无法做到准确判断mysqld是否HANG的情况，且DRDB是不需要的，增加反而会出问题；  
  
3.MySQL Proxy -- 不错的项目，可惜官方半途夭折了，不建议用，无法高可用，是一个写分离；  
  
4.MySQL Cluster -- 社区版本不支持NDB是错误的言论，商用案例确实不多，主要是跟其业务场景要求有关系、这几年发展有点乱不过现在已经上正规了、对网络要求高；  
  
5.MySQL + MHA -- 可以解决脑裂的问题，需要的IP多，小集群是可以的，但是管理大的就麻烦，其次MySQL + MMM 的话且坑很多，有MHA就没必要采用MMM  
  
  
建议：  
1.若是双主复制的模式，不用做数据拆分，那么就可以选择MHA或 Keepalive 或 heartbeat  
2.若是双主复制，还做了数据的拆分，则可以考虑采用Cobar；  
3.若是双主复制+Slave，还做了数据的拆分，需要读写分类，可以考虑Amoeba；  
  
上述所有的内容都要依据公司内部的业务场景、数据量、访问量、并发量、高可用的要求、DBA人群的数量等 综合权衡，

**先介绍几种方案**

*  主从复制，包括一拖一的主从和一拖多的主从

高可用性 ：比较高

高可扩展性 ：无

高一致性 ：比较高

延迟性 ：比较小

并发性 ：无

事务性 ：无

吞吐率 ：比较高

数据丢失 ：不丢失

可切换 ：可以切换

*  环形复制,包括两个节点和多个节点形成的环形

高可用性 ：比较高

高可扩展性 ：无

高一致性 ：比较高

延迟性 ：比较小

并发性 ：无

事务性 ：无

吞吐率 ：比较高

数据丢失 ：不丢失

可切换 ：可以切换

*  2PC：

高可用性 ： 很高

高可扩展性 ： 可扩展，不能大规模扩展，也无需大规模扩展

高一致性 ： 比较高

延迟性 ： 比较大

并发性 ： 比较小

事务性 ： 有

吞吐率 ： 比较小

数据丢失 ： 不丢失

可切换 ： 无关

*  Paxos：元数据的高可用，并发度不高

高可用性 ： 很高

高可扩展性 ： 无关 可扩展，不能大规模扩展，也无需大规模扩展

高一致性 ： 很高

延迟性 ： 比较大

并发性 ： 比较小

事务性 ： 有

吞吐率 ： 比较小

数据丢失 ： 不丢失

可切换 ： 无关

以上纯属个人理解，如有异议，也是没问题的；

另外按照master是否服务具体业务来分分布式可以分为两类：

1.  master管理系统，并且所有请求通过master，很明显master存在性能瓶颈  
    
2.  master管理系统，实际请求不通过master，请求分散均匀了

**肯定选方案2**

基于这些方案的特点，如何设计一个牛逼滴分布式系统 ？

这里的牛逼包括

*  可大规模扩展：要求像hadoop那样，至少几百条台没问题  
    
 *  高可用：master需要高可用，节点也需要高可用，也就是说任何一个组件的一个实例或者部分实例挂了，都不会影响整个系统  
    
 *  高并发：普通机器单节点至少要支持几千的并发度吧，如果扩展解决了，整个系统的并发其实也扩展的  
    
 *  数据一致性:分布式系统，一致性可难了，尽量保证吧，比如主从同步实现一致 ，或者使用两阶段2pc同时写多个节点，或者使用像paxos一致性协议算法实现哈  
    
 *  事务性：分布式系统，绝对的事务很难吧，哎，我们就用2pc，3pc吧，尽量保证哈  
    
 *  自动切换 ： 首先你得想自动切换的条件如何呢？ 比如主从同步，主挂了，我可以自动切换到从，可是如果从数据和主不同步，但是业务要求很高，不允许这种情况出现，那也只好停服维护啦。

好了 你可以开始喷了 ， 怎么可能。

paxos一致性协议，可用性很高，一致性很高，事务性很不错 ， 那么涉及到各种服务都可以用他，非常好。

master和metadata元数据采用paxos一致性协议，所有节点也采用paxos一致性协议 ， 客户端保持这些信息。架构如下所示 ，master, metadata, node 都实现了paxos协议，也即通过paxos接口访问

\&lt;img src="https://pic3.zhimg.com/v2-a937e63906ed893b25f1f8bc8ac3350a\_b.png" data-rawwidth="897" data-rawheight="488" class="origin\_image zh-lightbox-thumb" width="897" data-original="https://pic3.zhimg.com/v2-a937e63906ed893b25f1f8bc8ac3350a\_r.png"\&gt; ![v2-a937e63906ed893b25f1f8bc8ac3350a_b.png][]

分布式数据库就是一个例子，貌似目前流行的数据库都还没有支持paxos协议的，有谁可以开发下。节点采用paxos的话，有个问题没想清楚，paxos如何sql结合使用？另外节点的性能会受一点影响。降低一点要求吧，节点采用主主复制，或者环形复制吧。master检查节点存活，并且做切换，通知客户端。

架构如下所示 ，master, metadata,实现了paxos协议，也即通过paxos接口访问;node的各个节点是复制关系，服务节点挂掉的时候，需要master检测，并且做切换处理。

\&lt;img src="https://pic1.zhimg.com/v2-fdae1029fdf2555204b48cb63cf13ea0\_b.png" data-rawwidth="890" data-rawheight="493" class="origin\_image zh-lightbox-thumb" width="890" data-original="https://pic1.zhimg.com/v2-fdae1029fdf2555204b48cb63cf13ea0\_r.png"\&gt; ![v2-fdae1029fdf2555204b48cb63cf13ea0_b.png][]

如果是分布式系统，比如文件系统，或者自己开发的系统， 那节点可以考虑用paxos协议哦。 每个节点采用3个实例，或者你有资源，采用5个实例。

**分布式数据库的sql实现**

也是一个难点，即一个复杂的sql，如何实现？

•使用分库分表的思想实现数据存储  
•使用mapred的思想实现sql计算  
  
  
•将输入sql经过词法，语法，语义分析，集合表结构信息和数据分布信息，生成包含多个阶段(简称stage)的执行计划，这些阶段具有一定的依赖关系，形成多输入单输出的任务树；  
•每个阶段包括两种sql，称为mapsql和redsql，另外每个阶段包括三个操作，map，数据洗牌和red；map和red分别执行mapsql和redsql；

子句的处理逻辑和处理顺序：

1.union：分解每个子句，单独解析，形成平行关系  
2.from：选择表，可以是选择多张表，也可是join的情况  
3.join：from中如果包含join，就要考虑join的各种问题  
4.where：单表，多表，join之后的where过滤条件  
5.group：分组  
6.select：选择的列  
7.distinct：去掉重复的行  
8.having：聚合之后的过滤  
9.order：将结果排序  
10.limit offset：获取最终结果的某些记录  
11.子查询：遇到子查询独立解析，跟上层建立依赖关系

连接，包括内连接，左连接，右连接，半连接，外连接

以如下sql为例：

某一注册时间范围内的用户的所有登录信息

selectt1.u\_id,t1.u\_name,t2.login\_product

from tab\_user\_info t1 jointab\_login\_info t2

on (t1.u\_id=t2.u\_id andt1.u\_reg\_dt>=? and t1.u\_reg\_dt<=?)

生成的执行计划为：

由于是join，所有的表都要进行查询操作，并且为每张表打上自己的标签，具体实施的时候可以加个表名字字段，在所有存储节点上执行

select u\_id,u\_name from tab\_user\_info t whereu\_reg\_dt>=? and t1.u\_reg\_dt<=?

select u\_id, login\_product from tab\_login\_info t

执行完成之后，这种情况下由于需要按照u\_id进行数据洗牌，考虑到u\_id的唯一值比较多，所以各个存储节点上需要按照u\_id进行划分，

例如有N个计算节点，那么按照（最大u\_id-最小u\_id）/N平均划分，将不同存储节点上的同一范围的u\_id，划分到同一个计算节点上

然后在计算节点上执行如下操作

selectt1.u\_id,t1.u\_name,t2.login\_product

from tab\_user\_info t1 jointab\_login\_info t2

on (t1.u\_id=t2.u\_id)

关于分布式sql如何实现的问题，有很多未尽事宜。有兴趣的可以相互讨论

[v2-a937e63906ed893b25f1f8bc8ac3350a_b.png]: /images/20220715/14ad33b0efe44dffb96630349a32ab42.png
[v2-fdae1029fdf2555204b48cb63cf13ea0_b.png]: /images/20220715/0e18c28d6fc14c0cb6896ee8d8eeb562.png