掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
阿里云數字新基建系列:云數據庫架構 版權信息
- ISBN：9787121421198
- 條形碼：9787121421198 ; 978-7-121-42119-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
阿里云數字新基建系列:云數據庫架構 本書特色
遨游海域的座頭鯨、成群結隊的角馬、群聚飛翔的火烈鳥……構成了一幅幅壯美的生存畫面，遷徙是自然界令人嘆為觀止的景觀。 數智時代的“上云”與自然界的“遷徙”何其相似啊！ 2021年伊始，我們博文視點的編輯團隊聯合阿里云技術團隊，為廣大IT技術人員奉上“阿里云數字新基建系列”。這個系列包括5本書，題材涉及Kubernetes、混合云架構、云數據庫、CDN原理與流媒體技術、云服務器運維（Windows），囊括了領先的云技術知識與阿里云技術團隊獨到的實踐經驗，是國內IT技術圖書中又一套重磅作品！ 關于本書《云數據庫架構》： （1）阿里云數據庫產品事業部總裁、達摩院數據庫與存儲實驗室負責人李飛飛力薦，全彩印刷，厚352頁。 （2）詳解云數據庫領域各種引擎的特點與原理，助你理解數據庫架構的選型要點！阿里云數據庫專家朱明 李森 許文科 江厚順 王超 郭寧 余從佳 王海忠聚力撰寫！
阿里云數字新基建系列:云數據庫架構 內容簡介
“阿里云數字新基建系列”包括5本書，涉及Kubernetes、混合云架構、云數據庫、CDN原理與流媒體技術、云服務器運維（Windows），囊括了領先的云技術知識與阿里云技術團隊獨到的實踐經驗，是國內IT技術圖書又一重磅作品。 數據庫技術，被稱為“計算機三駕馬車”之一，幾十年來，持續支持著全球億萬數字業務的運行，而云計算的出現，賦予了數據庫新的能力。云數據庫按引擎能力，可以分為關系型數據庫、非關系型數據庫、數據倉庫和分布式新型數據庫。本書從技術原理入手，講解各種數據庫的特點，分析不同場景的架構選型和數據庫優化，繼而展開到云數據庫的遷移、云數據庫的運維工作，期望能幫助讀者了解和掌握云數據庫相關知識與技能。
阿里云數字新基建系列:云數據庫架構 目錄
第1章 關系型云數據庫技術特點
1.1 RDS for MySQL
1.1.1 SQL語句在MySQL服務層的執行過程
1.1.2 優化器與優化器追蹤（Optimizer Trace）
1.1.3 slowlog 與 binlog
1.1.4 InnoDB的MVCC
1.1.5 InnoDB redo日志
1.1.6 InnoDB Mini-Transaction
1.1.7 InnoDB undo日志
1.1.8 內部XA二階段提交
1.1.9 半同步復制
1.1.10 線程池
1.1.11 X-Engine
1.1.12 RDS三節點企業版
1.2 RDS for SQL Server
1.2.1 SQL Server的架構
1.2.2 SQLOS
1.2.3 SQL Server的并發
1.2.4 SQL Server的優化器
1.2.5 RDS for SQL Server高可用實現
1.3 RDS for PostgreSQL
1.3.1 PGSQL的優化器
1.3.2 PGSQL MVCC與鎖
1.3.3 PGSQL 復制與高可用
第2章 非關系型及新型云數據庫技術特點
2.1 非關系型數據庫
2.1.1 Redis & Memcached 緩存型數據庫
2.1.2 MongoDB
2.2 數據倉庫
2.2.1 AnalyticDB for MySQL
2.2.2 HBase & Lindorm
2.3 分布式和其他新型數據庫
2.3.1 以PolarDB-X為代表的Share Nothing分布式集群
2.3.2 以PolarDB-M為代表的Share Everything集群
第3章 云數據庫技術選型與場景實踐
3.1 擴容的技術實踐
3.1.1 業務請求量膨脹
3.1.2 數據容量膨脹
3.2 換代的技術實踐
3.2.1 同系列升級
3.2.2 跨系列升級
3.3 熱點訪問的技術優化
3.4 場景實踐
3.4.1 在線教育數據庫選擇
3.4.2 線上游戲數據庫選擇
3.4.3 工業/ IoT數據庫選擇
3.4.4 金融數據庫選擇
3.4.5 交通物流配送
第4章 數據庫遷移的實現和方案
4.1 數據庫遷移的類型和方式
4.2 邏輯數據遷移的實現
4.2.1 邏輯數據遷移的步驟與風險
4.3 云上的數據庫遷移的工具
4.3.1 數據傳輸服務DTS
4.3.2 數據庫和應用遷移服務ADAM
4.3.3 數據集成
4.3.4 BDS
4.3.5 其他遷移工具
4.4 不同場景下的數據遷移方案
4.4.1 場景1：一對一遷移
4.4.2 場景2：一對多高耦合業務遷移
4.4.3 場景3：多對一異構遷移
第5章 云上數據庫運維指南與*佳實踐
5.1 快速入門使用云數據庫
5.1.1 創建RDS實例
5.1.2 設置白名單
5.1.3 設置連接地址
5.1.4 創建數據庫和賬號
5.1.5 常見運維管理
5.2 主備切換（HA）
5.2.1 HA健康檢測機制
5.2.2 臨時關閉主備自動切換
5.3 主動運維
5.3.1 消息接收管理
5.3.2 設置可維護時間段
5.3.3 待處理事件
5.4 使用Open API
5.4.1 API通信協議
5.4.2 API簽名機制
5.4.3 OpenAPI Explorer
5.4.4 API問題診斷
第6章 安全管理DMS
6.1 產品介紹
6.1.1 什么是數據管理DMS
6.1.2 基礎架構
6.1.3 DMS優勢
6.2 使用指南
6.2.1 系統管理
6.2.2 實例管理
6.3 DMS*佳實踐
6.3.1 權限管理
6.3.2 基于ADB和DMS企業版周期生成報表數據
6.3.3 自定義審批流程
6.3.4 不鎖表變更-回收碎片空間
第7章 數據庫自治服務DAS
7.1 初識數據庫自治服務DAS
7.1.1 數據庫運維與管理的挑戰
7.1.2 解決方案自治服務DAS
7.2 從實戰案例認識自治服務DAS
7.2.1 使用DAS分析優化慢SQL
7.2.2 使用DAS分析RDS實例CPU打滿/打高現象
7.2.3 RDS實例活躍Session監控
7.2.4 10秒SQL分析
7.2.5 SQL自動限流
7.2.6 DAS如何分析RDS實例不同時段業務差異
7.2.7 異常檢測
7.2.8 RDS實例情況整體分析
第8章 運維備份服務DBS
8.1 產品介紹
8.1.1 什么是DBS
8.1.2 產品優勢
8.1.3 備份方式
8.2 使用指南
8.2.1 DBS與RDS備份的區別
8.3 DBS*佳實踐
8.3.1 備份集自動下載到本地
8.3.2 快速恢復
8.3.3 數據庫異地備份
第9章 監控利器之云監控
9.1 什么是云監控
9.1.1 產品構架
9.1.2 功能特性
9.2 產品優勢
9.3 應用場景
9.4 使用指南和*佳實踐
9.4.1 報警模板*佳實踐
9.4.2 使用報警模板的操作步驟
9.4.3 通過釘釘群接收報警通知 P331
9.4.4 內網監控*佳實踐 P333
展開全部
阿里云數字新基建系列:云數據庫架構 節選
4.4 不同場景下的數據遷移方案 前面講述了數據遷移的步驟、不同的數據庫類型的遷移方式以及各種遷移工具，本節會以一個電商平臺的系統架構發展的角度，列舉自建數據庫上云過程中的幾個典型場景，通過前面講述的內容對這些場景的遷移方案進行討論和分析。 4.4.1 場景1：一對一遷移 A公司是一家小型電商創業公司，其電商平臺涵蓋了店鋪、商品、訂單、搜索、會員管理等模塊，前期出于客戶體量較低以及成本考慮，公司的技術團隊使用圖4-16所示的系統架構。 從這個框架中可以看到，該公司使用一臺應用服務器進行業務請求的處理，業務系統的各個模塊全部運行在該服務器上，并且使用了主備模式的數據庫進行數據的存儲和查詢。該系統架構在業務發展初期已經完全可以滿足需求。 假設該階段公司技術團隊為了更加靈活地對資源進行控制，應對突發流量對業務系統的壓力，降低IT成本，決定對這套業務系統進行上云操作。 該系統上云分為兩部分：應用與數據庫。針對應用系統上云，技術團隊選擇在云上購買一臺ECS服務器部署應用程序。重點討論數據庫上云，為了數據庫系統的穩定和快速恢復，技術團隊選擇購買高可用版本的RDS MySQL數據庫，由于本地的數據庫是主備模式，而云上RDS for MySQL的高可用版本雖然也是主備模式，但是高可用的備節點主要做容災，無法對外提供服務，所以要滿足真正的主備模式，還需要在RDS高可用實例中添加一個只讀節點來充當本地數據庫架構中的備節點。產品選型之后的數據庫架構如圖4-17所示。 圖4-16 系統架構 圖4-17 一對一復制 產品選型完成后，開始對數據庫進行遷移。在進行正式遷移之前，技術團隊考慮了如下幾點要素。 l 遷移工具：由于DTS對MySQL→MySQL的遷移支持非常好，而且支持增量遷移，方便業務切換，遷移工具決定使用DTS。 l 連接方式：考慮到數據安全和傳輸速率的影響，DTS連接本地數據庫的方式使用專線連接。 l 業務影響：由于DTS遷移會對表的數據進行全表掃描，業務高峰期遷移會嚴重影響業務響應，故把遷移時間安排在了夜間零點之后。而且為了進一步降低對本地數據庫主節點的影響，決定開啟本地備節點數據庫的Binlog，DTS連接本地備節點數據庫進行數據遷移。 l 停機時間：由于云上有完整的一套業務系統，業務切換時只需將業務流量切換到云上系統即可，停機時間基本可以忽略。 l 遷移時間規劃：本地數據庫業務表數量500個，數據大概300GB，借助DTS，結構+全量數據理想情況下可以在3~4個小時內完成，后進行增量數據的持續遷移。 l 遷移策略：為了充分評估云上系統的性能，決定分批次切換現有用戶流量到新的系統，并且持續保持本地數據庫系統到云上數據庫系統的數據同步，直到業務完全切換到云上且穩定運行后斷開。如果在理想時間內因未知問題導致沒有完成結構+全量的數據遷移，則取消遷移，評估解決實際問題后重新規劃時間。 一對一遷移的遷移流程和*終架構如圖4-18所示。 圖4-18 一對一遷移 這是一對一遷移的典型場景，也是*簡單的上云場景，由于業務模塊全部在一個服務器中，不需要考慮業務模塊上云的先后和調用問題。但是如果遇到多個業務模塊耦合性較強的遷移場景，由于無法保證多個業務系統同一時間全部上云，直接這樣一刀切就無法實現，這種多業務模塊的場景遷移方案我們會在下一節討論。 4.4.2 場景2：一對多高耦合業務遷移 隨著A公司業務的發展以及人員的增多，之前的系統架構顯現出了嚴重的問題，首先是所有的業務模塊代碼都放在一臺主機上運行，且代碼之間依賴性強，導致運維開發效率非常低，業務代碼放到一臺主機上運行，單臺應用主機性能有限。其次是所有的請求全部與關系型數據庫交互，熱點數據容易給數據庫造成非常大的壓力，讀寫成為瓶頸。考慮到這兩個主要因素，公司技術團隊對其系統架構進行了調整。首先把業務進行拆分，獨立到各個服務器中進行部署，各個系統之間如果有依賴則遠程調用，其次，增加緩存數據庫，降低熱點請求對數據庫壓力的影響，如圖4-19所示。 圖4-19 原始多服務業務 假設在該階段，為了實現資源的靈活可擴展，現公司的技術團隊討論決定讓這套業務系統上云。 該系統上云分為三個部分。 應用系統：本地業務子系統有多套，各子系統之間存在請求調用。出于某些原因，無法同一時間讓這些系統全部上云，決定先讓訂單子系統以及會員子系統上云。針對應用系統上云，只需在云上購買兩臺ECS服務器部署訂單子系統和會員子系統。上云后由于訂單和會員子系統與商品、庫存、店鋪等子系統存在調用關系，可以通過專線實現調用。 數據庫MySQL：為了突破單體數據庫的容量瓶頸，技術人員決定將數據庫內的對象按照業務子系統進行拆分，將不同子系統的數據庫對象遷移到云上的不同RDS實例中，且維持主備模式。針對數據庫MySQL上云，購買多臺RDS數據庫主實例以及對應的只讀實例。 數據庫Redis：對于本地Redis，云上也有對應的Redis產品，購買云上Redis主從版，云Redis主從版與RDS高可用版架構相同，都是主備架構，備節點不提供服務。 與一對一遷移評估的要素相比，技術團隊增加了如下幾點要素。 遷移工具：考慮到操作的簡便性，Redis→Redis的遷移同樣選擇用DTS進行。 遷移場景：由于要把本地數據庫對象拆分到多個RDS中，遷移拓撲為1∶n遷移，需要使用多個DTS任務分別遷移本地數據庫的各個子系統對象到云上的多臺RDS數據庫中。 一對多遷移的遷移流程和*終的架構如圖4-20所示。 高耦合業務數據遷移場景一般發生在源端業務系統有多個，業務之間互相依賴性很強，而且依賴的數據庫是同一個的情況。比如源端業務系統有多個，業務系統之間相互調用，如果遷移時做不到多個系統同一時間上云，首先需要考慮云上系統與云下系統的交互問題，其次需要考慮云上系統與云下系統的請求一致性問題，比如訂單子系統一致性要求較高時，可以考慮訂單子系統的寫入和查詢請求都通過專線訪問本地數據庫，然后由數據同步程序同步至云上數據庫，如果會員子系統的一致性要求較弱，則可以直接讀寫云上數據庫。 圖4-20 一對多遷移 4.4.3 場景3：多對一異構遷移 隨著A公司業務的繼續高速增長，之前的系統架構再次面臨了業務側的挑戰：單體數據庫的容量與性能成為瓶頸，不能滿足以后的業務需求。為了解決這個問題，公司技術團隊決定對數據庫進行垂直拆分與水平拆分，首先將單體數據庫按業務維度拆分成多個獨立的數據庫，再對拆分后的數據庫按照業務邏輯實體（假設為Y）維度水平拆分為多個獨立的數據庫，業務系統與拆分的數據庫通過分布式數據中間件進行交互，各個獨立數據庫維持主備模式，如圖4-21所示。 圖4-21 多業務原始模型 更換到這個架構之后，當前系統可以滿足業務相當長一段時間的發展。但是這個架構在進行實時報表分析時，無法滿足分析要求，技術團隊決定將這些數據遷移到云上OLAP數據庫進行實時報表分析。在產品選型方面，由于本地數據庫是MySQL數據庫，技術團隊考慮使用云上的云原生數據倉庫MySQL版（簡稱ADB MySQL）進行實時報表分析。 在遷移評估要素方面，技術團隊比之前增加了如下幾點。 遷移工具：由于DTS對MySQL→ADB MySQL的遷移支持較完善，且支持增量遷移方便實時數據的同步以及庫表映射，所以遷移工具決定使用DTS。 停機時間：報表分析業務是一套允許停機時間的獨立業務系統，停機時間可以不作為重點考量的對象。 數據庫對象映射：由于ADB MySQL數據庫語法、數據庫對象、數據類型等并非100%兼容MySQL，遷移時需要涉及一些類型的映射，比如 varchar類型，ADB中的varchar對應MySQL中的char、varchar、text、mediumtext或者longtext。其次，ADB MySQL不支持存儲過程、函數等數據庫對象，在遷移時也需要避免。*后還需要名稱的映射，本地數據庫的數據庫表做了分庫分表，遷移到云上ADB MySQL進行分析后，需要將這些分表的數據整合到ADB MySQL的一個表中。 遷移場景：由于本地數據庫是分布式數據庫，遷移到云上的一臺ADB MySQL屬于n∶1遷移，同樣需要使用多個[1]DTS任務分別遷移本地分布式數據庫的各個分庫對象到云上ADB MySQL中進行數據合并（對象映射）。
阿里云數字新基建系列:云數據庫架構 作者簡介
朱 明 微軟原工程師，現擔任阿里云數據庫高級技術專家，擅長關系型、非關系型、分布式等多種數據庫技術。從事數據庫工作9年，有豐富的從業經驗，擅長各類疑難雜癥的排查和架構設計。 李 森 現擔任阿里云售后技術專家，從事數據庫相關工作8年，主要負責阿里云數據庫產品線技術支持工作，擅長關系型、分布式等多種數據庫技術，擅長設計與實施復雜數據庫系統的搬遷方案。 許文科 阿里云技術專家，從事數據庫相關工作12年，為多家上市公司、政企提供數據庫顧問咨詢、培訓和方案設計、技術支持服務。目前就職于阿里巴巴，專注于阿里云數據庫售后技術支持工作。 江厚順 長期從事數據庫方面的工作，對數據庫原理有深入的理解，技術支持經驗豐富。曾在IBM從事DB2數據庫售后技術支持多年，2019年加入阿里云，擔任數據庫售后技術專家。 王 超 網易原工程師，現擔任阿里云高級技術經理，長期從事互聯網行業相關數據庫項目支持工作，負責游戲、泛娛樂等行業客戶的技術項目方案設計、架構優化、業務保障以及技術支持工作。 郭 寧 阿里云技術專家，深耕于互聯網行業并從事數據庫相關工作近11年，擅長關系型數據庫和分布式數據庫的性能診斷優化、架構設計及數據庫運維生態開發。 余從佳 現擔任阿里云數據庫交付與架構工程師，擅長關系型、分布式、非關系型等多種數據庫技術，先后多次參與游戲、金融、能源等行業頭部客戶數據庫技術支持、國產化架構方案設計與遷云交付。 王海忠 搜狐集團原DBA，現擔任阿里云數據庫高級技術專家，擁有多年的互聯網行業數據庫工作經驗，參與阿里巴巴集團多年“雙十一”保障工作，有豐富的數據庫優化、保障經驗。
書友推薦
- >
中國歷史的瞬間
- >
李白與唐代文化
- >
唐代進士錄
- >
史學評論
- >
姑媽的寶刀
- >
小考拉的故事-套裝共3冊
- >
月亮與六便士
- >
經典常談
本類暢銷
