mysql的纵向扩展方案_SQL Server横向扩展方案-SODA

SQL Server横向扩展方案-SODA

每次在提到SQL Server扩展性问题的时候，似乎很多的SQL Server DBA或者使用微软技术开发的朋友心里总是一整痛：SQL Server只能纵向的扩展(Scaling-Up)，无法横向的扩展(Scaling-Out)。

每次有人提到Oracle和SQL Server，第一句话就是：SQL Server无法搞负载均衡，而Oracle可以使用RAC。

每次我问其他的SQL Server DBA朋友：SQL Server自带的Mirroring，Replication，Cluster难道不能搞负载均衡吗？很多的人摇摇头。最后不能不选择第三方的方案。

后来，通过不断的实践和思考，我明白了为什么很多的朋友对SQL Server的横向扩展能力不理解。其实SQL Server已经提供了横向扩展所需要的所有技术和工具，但是如果单看每一种工具，可能认为达不到目的，但是如何把这些技术按照适当的设计，和组合，那么，绝对就是满足功能的。

另外，做DBA的朋友，可能在技术上面有一定的局限性。因为很多的DBA是“纯”的DBA，很少懂应用程序的设计，懂架构设计的人DBA就更加的少了。

其中，一个好的高性能的数据架构的做出，需要多方面的知识，需要既懂数据库(知识能力要达到专业的DBA水平)，也懂架构的人。这样，就可以将应用和数据很好的结合在一起。

好了，说了这么多，希望对大家有些帮助，不要“盲目的”相信一些传说和谣言，特别是对刚刚踏入技术行业的朋友，很容易让大家望而却步。

言归正传，我们来看看几种实现SQL Server横向扩展的方案：

1.Service Oriented Database Architecture (SODA)

2.Shared Scalable Database (SSD)

3.Peer-to-Peer (P2P) Replication

4.Data Dependent Routing

我们本篇就介绍这些方案以及实现的原理，我们站点后续会根据朋友们的需要给出更多相关的讲解。

数据的分类

在讲述SODA之前，我们先来看看考虑这样一个问题：如何分割数据？

为什么要问这个问题，因为很多的时候，为了使得数据访问的性能更好，合理的分布数据是一个非常好的手段。对于这个问题，这个问题的回答有很多，但是有一点是不变的，要根据数据的特性来分割，那么数据包含哪些特性呢，或者说数据可以分为哪几种。

下面，我们就来看看这个问题。

引用类的数据

顾名思义，引用类的数据就是指代那些被应用程序使用，但是又不被程序所维护和管理的数据。一般而言，引用数据往往是不变的数据，或者是变化非常缓慢的数据。例如，电子商务网站中的产品的分类数据。

活动类的数据

也是见名知意。主要是指与一些特定的活动或者业务处理相关的数据。例如，在订单或者库存的系统中，会随着业务的处理而产生出一些数据，这些的数据的作用范围就是某个活动或者业务流程中，一旦活动或者流程结束，数据就没了，除非处于某些特定的目的，例如作为历史或者跟踪的数据进行存储保留。

资源类的数据

资源类的数据就是系统中的业务处理所依赖的核心数据，例如库存数据，用户用户，订单数据等。如果资源数据丢失，那么我们就无法处理业务，所以资源类的数据是非常重要的，必须保证它的高可用性和完整性。从这里也可以知道，资源类的数据和其他类型的数据的分割和管理方式是不一样的，甚至使用的配套的设备都可以不一样。

另外，因为SODA的引入，出现了另外一种类型的数据：服务交互数据。

服务交互数据

这一类的数据只要用了在是服务进行数据交互的。这类型的数据必须是被其他的服务理解，而且必须保证稳定。例如，如果一个订单的信息在传输的过程中丢失了，那么信息的发送方必须要可以重新的产生和原先一样的数据，然后再次发送。

好，大致的清楚了这些数据类型之后，我们继续往下看。

Service Oriented Database Architecture (SODA)

相信大家对SOA都有所了解，我这里也不长篇大论的讲SOA的细节，但是有点要提的就是：通过采用SOA，像外界隐藏了内部的实现细节，外面看到的都是一个个的服务，不用管服务内部是如何部署，采用什么技术平台，采用什么数据库提供数据等等。

SODA其实就是沿用了SOA的实现，实现基于数据库的SOA。其实，我们可以这样理解，我们的数据库向应用程序或者其他的调用了提供了数据，也就是提供了数据的服务。在很多的应用中，我们都是采用比较直接的方式去访问数据库，但是现在，我们把数据库那一端封装起来，隐藏细节，然后以统一而标准的方式公布数据服务的接口，告诉应用程序：你甭管我是如何实现的，反正你只要调用我的接口，你需要的数据操作就完成了。此时应用程序和数据进行了解耦，使得他们独立的保持变化，极大的提升了灵活性和后续的扩展性。

通过下面的图，我们看看对SODA有个了解：