第71篇
极客时间《从0开始学架构》课程笔记。
一、高性能NoSQL
关系数据库的缺点
- 关系数据库存储的是行记录，无法存储数据结构
- 关系数据库的 schema 扩展很不方便
- 关系数据库在大数据场景下 I/O 较高
- 关系数据库的全文搜索功能比较弱
NoSQL 技术是为了弥补关系型数据库缺陷而产生的，NoSQL 不是银弹，而应该将 NoSQL 作为 SQL 的一个有力补充。
NoSQL != No SQL，而是 NoSQL = Not Only SQL。
常见的 NoSQL 方案分为 4 类
- K-V 存储：解决关系数据库无法存储数据结构的问题，以 Redis 为代表。
- 文档数据库：解决关系数据库强 schema 约束的问题，以 MongoDB 为代表。
- 列式数据库：解决关系数据库大数据场景下的 I/O 问题，以 HBase 为代表。
- 全文搜索引擎：解决关系数据库的全文搜索性能问题，以 Elasticsearch 为代表。
各种高性能 NoSQL 方案的典型特征和应用场景
K-V 存储
定义：K-V 存储的全称是 Key-Value 存储，其中 Key 是数据的标识，和关系数据库中的主键含义一样，Value 就是具体的数据。
Redis 是 K-V 存储的典型代表。Redis 的 Value 是具体的数据结构，包括 string、hash、list、set、sorted set、bitmap 和 hyperloglog，所以常常被称为数据结构服务器。
缺点：不支持完整的 ACID 事务，Redis 的事务只能保证隔离性和一致性（I 和 C），无法保证原子性和持久性（A 和 D）。
文档数据库
定义：为了解决关系数据库schema不易修改问题而产生的新型数据库。绝大部分文档数据库存储的数据格式是 JSON（或者 BSON），因为 JSON 数据是自描述的，能够描述复杂的数据结构。适合电商和游戏这类的业务场景。
优势： no-schema，可以存储和读取任意的数据。
- 新增字段简单
- 历史数据不会出错
- 可以很容易存储复杂数据
缺点：不支持事务，无法实现关系数据库的 join 操作。注：最新版MongoDB已经支持join操作。
列式数据库
定义：按照列来存储数据的数据库，与之对应的传统关系数据库被称为“行式数据库”，因为关系数据库是按照行来存储数据的。
一般将列式存储应用在离线的大数据分析和统计场景中，因为这种场景主要是针对部分列单列进行操作，且数据写入后就无须再更新删除
优势：节省 I/O，并且列式存储还具备更高的存储压缩比，能够节省更多的存储空间。典型的场景就是海量数据进行统计。
缺点：列式存储的随机写效率要远远低于行式存储的写效率，另外列式存储高压缩率在更新场景下也会成为劣势，因为更新时需要将存储数据解压后更新，然后再压缩，最后写入磁盘。
全文搜索引擎
定义：全文搜索引擎的技术原理被称为“倒排索引”（Inverted index），也常被称为反向索引、置入档案或反向档案，是一种索引方法，其基本原理是建立单词到文档的索引。全文搜索引擎的索引对象是单词和文档，而关系数据库的索引对象是键和行。
全文搜索的业务场景下，通过索引也无法达到快速查询的目标时，使用全文搜索引擎。因为全文搜索的条件可以随意排列组合，而且全文搜索的模糊匹配通过like查询方式效率很低。
优势：全文搜索引擎能够基于 JSON 文档建立全文索引，然后快速进行全文搜索。
缺点：为了让全文搜索引擎支持关系型数据的全文搜索，需要做一些转换操作，即将关系型数据转换为文档数据。目前常用的转换方式是将关系型数据按照对象的形式转换为 JSON 文档，然后将 JSON 文档输入全文搜索引擎进行索引。
二、高性能缓存架构
适用场景
- 经过复杂运算后得出数据，如同时在线人数
- 读多写少的数据，如微博
缓存基本原理
将可能重复使用的数据放到内存中，一次生成、多次使用，避免每次使用都去访问存储系统，减轻存储系统压力。
架构设计要点
缓存穿透
定义：是指缓存没有发挥作用，业务系统虽然去缓存查询数据，但缓存中没有数据，业务系统需要再次去存储系统查询数据。
情形1：存储数据不存在。
解决方案：如果查询存储系统的数据没有找到，则直接设置一个默认值（可以是空值，也可以是具体的值）存到缓存中，这样第二次读取缓存时就会获取到默认值，而不会继续访问存储系统。
情形2：缓存数据生成耗费大量时间或者资源
解决方案：识别爬虫然后禁止访问，要么就是做好监控，发现问题后及时处理。
缓存雪崩
定义：是指当缓存失效（过期）后引起系统性能急剧下降的情况。即当旧的缓存已经被清除，新的缓存还未生成，并且处理这些请求的线程都不知道另外有一个线程正在生成缓存，因此所有的请求都会去重新生成缓存，都会去访问存储系统，从而对存储系统造成巨大性能压力。
常见解决方法：更新锁机制和后台更新机制。
1、更新锁
对缓存更新操作进行加锁保护，保证只有一个线程能够进行缓存更新，未能获取更新锁的线程要么等待锁释放后重新读取缓存，要么就返回空值或者默认值。分布式集群的业务系统要实现更新锁机制，需要用到分布式锁，如 ZooKeeper。
2、后台更新
由后台线程来更新缓存，而不是由业务线程来更新缓存，缓存本身的有效期设置为永久，后台线程定时更新缓存。后台更新既适应单机多线程的场景，也适合分布式集群的场景，相比更新锁机制要简单一些。
缓存热点
定义：对于一些特别热点的数据，如果大部分甚至所有的业务请求都命中同一份缓存数据，则这份数据所在的缓存服务器的压力也很大。
解决方案：复制多份缓存副本，将请求分散到多个缓存服务器上，减轻缓存热点导致的单台缓存服务器压力。并且设定一个过期时间范围，不同的缓存副本的过期时间是指定范围内的随机值。
