聊聊数据库组件功能设计点

引言

数据库中间件承担应用与数据库之间的聊聊粘合与润滑，数据库中间件设计的数据合理应用跑起来就丝滑，否则会拉胯。库组本文就常见数据库组件相关的功计点功能设计点做个归纳整理:

分库分表数据复制数据同步平台全局唯一主键运维自动化可视化

一、分库分表

分库分表组件主要为分担数据库压力，聊聊通过多库多表承接请求。数据尽管拥有众多的库组分库分表组件，Apache ShardingSphere作为Apache的功计点顶级项目依旧是主流。无论直接使用还是聊聊基于其二次开发或者自研，均值得研究。数据

1.ShardingSphere-JDBC

客户端直连数据库，库组分布式无中心化，功计点主要针对java语言，聊聊数据库连接消耗多。数据

2.ShardingSphere-Proxy

客户端先连接到Proxy代理，库组通过代理连接数据库，能够跨语言，消耗数据库的连接数少(仅代理直接连接数据库),但是中心化风险点也主要在此。

3.ShardingSphere-Sidecar

网格化代理还在规划中，香港云服务器从当前蚂蚁对外提供的service mesh商业方案中，还没DB的mesh，下沉能力的同时，也带来了数据面和控制面板的复杂性。

https://github.com/apache/shardingsphere.git

备注：当前还是客户端直连数据库为主流，中心化的Proxy依然有公司采纳然占比依旧很少，至于Sidecar模式的大规模使用还在未来。

二、数据复制

1.单向搬运

将Mysql数据同步到消息队列或者其他数据存储源，常用开源组件为canal。

https://github.com/alibaba/canal


2.双/单向同步

在异地多活场景中数据库的双向同步、跨机房灾备的单向同步等场景，常用组件otter。

https://github.com/alibaba/otter

其他类似组件：dataLink、databus

https://github.com/ucarGroup/DataLink

https://github.com/linkedin/databus​

备注：在单/双向同步场景中通常伴随着DDL的同步。

三、数据同步平台

当随着数据同步的服务器租用场景越来越多，为每个不同的数据源写一个同步插件变得复杂和不好维护，此时可以考虑搭建一个数据同步平台。

通过ReaderPugin和WriterPlugin插件化插件化对接入的数据源和目标数据源只需要编写插件即可数据转换为提高吞吐性能可以引入Flink批处理框架

备注：数据同步平台社区也有开源DataX可供参考。

https://github.com/alibaba/DataX/blob/master/introduction.md

Flink-CDC

https://github.com/ververica/flink-cdc-connectors

四、全局唯一主键

在分布式数据库中最好使用分布式全局唯一ID作为数据记录的唯一标识，原因也很简单，主要是避免主键冲突。

跨库数据迁移避免主键冲突双活数据库双向同步时避免主键冲突唯一键设计合理对排序和识别均有良好的辅助作用

生成全局唯一ID的方案有很多，常见的有：

UUID数据库发放不同的ID区段雪花算法(snowflake)生成唯一标识

雪花算法： 由Twitter创建生成全局唯一ID算法，一个Snowflake ID组成共64位构成如下，如果不需要这么多位可以改造缩短一些长度。

Twitter Scala 版本：

https://github.com/twitter-archive/snowflake/tree/scala_28https://github.com/twitter-archive/snowflake/releases/tag/snowflake-2010

雪花算法java版本参考:

https://github.com/beyondfengyu/SnowFlake/blob/master/SnowFlake.java

五、运维自动化可视化

将常用的一些与DB相关需要手动的创建的自动化、可视化。

数据库申请与创建DDL变更自动化SQL执行结果导出同步任务申请自动化任务运行监控可视化源码下载