Die heutige Gesellschaft befindet sich im Zeitalter von Big Data. Wir schließen ein Projekt ab, am Anfang nur, um einige grundlegende Anforderungen der Benutzer zu erfüllen. Mit der steigenden Nutzerzahl und den steigenden Anforderungen. Die Datenbank wird vergrößert. Dies führt zu Caton und sogar zur Lähmung des Systems. Umgang mit dem Problem der hohen Parallelität in der Datenbank. Dies ist zu einem dringenden Problem geworden, das heute gelöst werden muss.
Das Wesen einer hohen Parallelität in Datenbanken ist langsam und wartet. Die Erweiterung der Datenbank verlangsamt die Verarbeitungsgeschwindigkeit des Systems. Es dauert länger, die Daten zu erhalten. Dann müssen die Leute warten. Die beiden sind verwandt. Wie löst man solche Probleme? Die wichtigsten Methoden sind: Eine ist kurz, die andere ist klein und die andere ist Ablenkung. Letzteres ist Clustering/horizontale Erweiterung/Trennung von Lesen und Schreiben/Aufbau von Master und Slave. Im Folgenden werden Methoden von short und less vorgestellt.
1. Kurz
Kurz bedeutet, dass der Pfad kurz sein sollte. Die typische mvc-Struktur ist request-> controller-> model-> dao-> view. Geben Sie dann die Seite an den Benutzer zurück. Die Kurzwegmethode ist wie folgt:
1) Statisch. Benutzer können die Seite abrufen. Sie müssen nicht so viele Prozesse durchlaufen. Dies gilt für Situationen, in denen die Seite nicht häufig aktualisiert wird.
2) Cache. Die zum ersten Mal erhaltenen Daten werden aus der Datenbank extrahiert. Dann wird es im Cache gespeichert. Die Leute können die Daten später aus dem Cache extrahieren. Es besteht jedoch ein Bedarf an einem Mechanismus, um die Konsistenz zwischen dem Cache und der Datenbank aufrechtzuerhalten.
3) Gespeicherte Prozedur. Die Verarbeitung einer Anforderung erfordert mehrere Datenbankzugriffsvorgänge. Personen können Operationen in gespeicherte Prozeduren integrieren. Dies erfordert einen Datenbankzugriff.
4) Lesen. Bei hoher Parallelität können Personen mehrere angeforderte Abfragen zu einer zusammenführen. Reduzieren Sie die Anzahl der Zugriffe auf die Datenbank
5) Ändern. Bei hoher Parallelität. Benutzer können mehrere Änderungsanfragen zuerst im Cache speichern. Die zwischengespeicherten Daten werden in regelmäßigen Abständen in der Datenbank gespeichert. Es besteht die Gefahr, dass bei einem Stromausfall Daten im Cache verloren gehen,
6) Index. Indizes können als spezielle Caches angesehen werden. Die Leute versuchen, Indizes zu verwenden. Erfordert den genauen Wert der Indexspalte im where-Satz.
2. Weniger
Weniger bedeutet, dass weniger Daten abgefragt werden.
1) Der Inhalt derselben Tabelle kann nach Region und Kategorie in mehrere Tabellen unterteilt werden. Dies ist eine einfache Idee, aber wir sollten versuchen, Abfragen zu vermeiden, die mit mehreren Tabellen verknüpft sind.
2) Aktive Daten. Wie Login-Benutzergeschäft. Es gibt viele registrierte Benutzer, aber nur wenige aktive Login-Benutzer. Wir können eine spezielle Tabelle für aktive Benutzer speichern. Suchen Sie zuerst die aktive Tabelle, dann die Übersichtstabelle, wenn nicht. Dies ist vergleichbar mit dem Caching.
3) Blockieren. Die Optimierung auf Datenbankebene ist für das Programm transparent. Big Data abfragen muss nur den entsprechenden Block finden.
Durch diese beiden Methoden können wir unsere Datenbank so weit wie möglich vereinfachen und aufteilen. Die Datenbank ist geschrumpft, wodurch das Risiko einer hohen Parallelität der Datenbank beseitigt werden kann.