数据分布式模型

概述

数据的分布有两种途径：

复制（replication）：

将同一份数据拷贝至多个节点；复制又分为：主从式（master-slave）和对等式（peer-to-peer）。
分片（sharding）：

将不同数据存放在不同节点。

将数据复制到多个服务器上，每份数据都能在多个节点中找到，复制方式又分为主从复制和对等复制。

我们把数据复制到多个节点中，其中有个节点叫做主节点，其余节点叫做从节点。主节点存放权威数据，通常负责处理数据更新操作；从节点一般提供数据读取的功能。复制操作让从节点与主节点同步。

主从复制有这么些好处是：

但是，主从复制最大的缺陷就是数据的一致性问题。如果数据更新没有通知全部从节点，那么不同的客户端就可能从节点中读取到不同的值，这个问题之后再做补充。

对等复制和主从复制的区别就是前者没有主节点这个概念。所有的节点地位相同，都可以接受写入请求，而且丢失其中一个副本，不影响整个数据库的访问。

它的优点是很从容处理出错的节点，因为所有的节点数据都一致，不必担心数据请求会丢失，而且只需增加节点，就可以轻易提升性能。

但是，对等复制的最大问题还是数据的一致性问题。有可能出现两个用户在同一时间试图更新同一条记录，导致写入冲突。主从复制也有数据一致性的问题，不过数据读取的不一致性至少持续时间相对比较短（待主节点通知到所有的从节点，数据就一致了），而写入操作导致的不一致数据却总是存在。

将不同部分的数据分片存放在独立的节点上，每个节点负责自身数据的读取和写入操作，不同的服务器节点服务于不同的用户。为了获取理想效果，必须保证需要同时访问的那些数据存放在同一节点上，并且节点必须排布好这些数据块，使访问速度最优。

在存放同时访问的数据的选择上，可以把聚合作为分布数据的单元，因为聚合就是把需要同时访问的数据放在一起。

在节点排布的问题上，首先考虑把数据放得离访问者近一些，然后是保持负责均衡（把聚合数据均匀地分布在各个节点中，让它们需要处理的负载量相等）。

分片可以同时提升读取与写入效率，提升性能。但是，它的故障恢复能力却不强，它只能保证访问此数据的用户才会受影响，其他用户则能正常访问。

主从复制和分片的结合所达到的效果是整个系统有多个主节点，对每项数据来说，负责它的主节点只有一个；对等复制和分片的结合，就是把每片数据存放在多个节点上，这样一旦一个节点出错，可以保证其他节点重建数据。

数据分布分为两种方式，分片和复制，其中复制又分为主从和对等。主从复制减少了更新数据时的冲突几率，但是主节点的写入操作是瓶颈，而对等复制却相反。