php mysql分布式數(shù)據(jù)庫如何實(shí)現(xiàn)

當(dāng)前做分布式的廠商有幾家，我知道比較出名的有“華為云分布式數(shù)據(jù)庫DDM”和“阿里云分布式數(shù)據(jù)庫”，感興趣可以自行搜素了解下。

成都創(chuàng)新互聯(lián)是專業(yè)的阿爾山網(wǎng)站建設(shè)公司，阿爾山接單;提供成都網(wǎng)站建設(shè)、做網(wǎng)站,網(wǎng)頁設(shè)計(jì),網(wǎng)站設(shè)計(jì),建網(wǎng)站,PHP網(wǎng)站建設(shè)等專業(yè)做網(wǎng)站服務(wù);采用PHP框架,可快速的進(jìn)行阿爾山網(wǎng)站開發(fā)網(wǎng)頁制作和功能擴(kuò)展;專業(yè)做搜索引擎喜愛的網(wǎng)站,專業(yè)的做網(wǎng)站團(tuán)隊(duì),希望更多企業(yè)前來合作!

分布式數(shù)據(jù)庫的幾點(diǎn)概念可以了解一下。

數(shù)據(jù)分庫：

以表為單位，把原有數(shù)據(jù)庫切分成多個(gè)數(shù)據(jù)庫。切分后不同的表存儲(chǔ)在不同的數(shù)據(jù)庫上。

以表中的數(shù)據(jù)行記錄為單位，把原有邏輯數(shù)據(jù)庫切分成多個(gè)物理數(shù)據(jù)庫分片，表數(shù)據(jù)記錄分布存儲(chǔ)在各個(gè)分片上。

路由分發(fā)：

在分布式數(shù)據(jù)庫中，路由的作用即將SQL語句進(jìn)行解析，并轉(zhuǎn)發(fā)到正確的分片上，保證SQL執(zhí)行后得到正確的結(jié)果，并且節(jié)約QPS資源。

讀寫分離：

數(shù)據(jù)庫中對(duì)計(jì)算和緩存資源消耗較多的往往是密集或復(fù)雜的SQL查詢。當(dāng)系統(tǒng)資源被查詢語句消耗，反過來會(huì)影響數(shù)據(jù)寫入操作，進(jìn)而導(dǎo)致數(shù)據(jù)庫整體性能下降，響應(yīng)緩慢。因此，當(dāng)數(shù)據(jù)庫CPU和內(nèi)存資源占用居高不下，且讀寫比例較高時(shí)，可以為數(shù)據(jù)庫添加只讀數(shù)據(jù)庫。

php能實(shí)現(xiàn)分布式數(shù)據(jù)庫嗎?

可以實(shí)現(xiàn).

將數(shù)據(jù)庫放在不同的服務(wù)器上,主頁的不同模塊可以單獨(dú)訪問自己所需要的數(shù)據(jù)庫,以減輕單獨(dú)一個(gè)服務(wù)器的壓力.

既可以每個(gè)模塊都是不同數(shù)據(jù)庫,也可以同個(gè)模塊不同數(shù)據(jù)庫,但這樣沒什么意思.

實(shí)際上,現(xiàn)在網(wǎng)絡(luò)帶寬大,服務(wù)器性能也好,再加以磁盤陣列保證數(shù)據(jù).如果吞吐量大得驚人,沒必要用分布式的,必竟維護(hù)比較麻煩.

象很多網(wǎng)絡(luò)游戲在線人數(shù)那么多,或者象天涯貓撲那樣,才需要用分布式,普通網(wǎng)站就幾乎都用集中式的.

php的memcached分布式hash算法,如何解決分布不均?crc32這個(gè)算法沒辦法把key值均勻的分布出去

memcached的總結(jié)和分布式一致性hash

當(dāng)前很多大型的web系統(tǒng)為了減輕數(shù)據(jù)庫服務(wù)器負(fù)載，會(huì)采用memchached作為緩存系統(tǒng)以提高響應(yīng)速度。

目錄： （）

memchached簡介

hash

取模

一致性hash

虛擬節(jié)點(diǎn)

源碼解析

參考資料

1. memchached簡介

memcached是一個(gè)開源的高性能分布式內(nèi)存對(duì)象緩存系統(tǒng)。

其實(shí)思想還是比較簡單的，實(shí)現(xiàn)包括server端（memcached開源項(xiàng)目一般只單指server端）和client端兩部分:

server端本質(zhì)是一個(gè)in-memory key-value store，通過在內(nèi)存中維護(hù)一個(gè)大的hashmap用來存儲(chǔ)小塊的任意數(shù)據(jù)，對(duì)外通過統(tǒng)一的簡單接口（memcached protocol）來提供操作。

client端是一個(gè)library，負(fù)責(zé)處理memcached protocol的網(wǎng)絡(luò)通信細(xì)節(jié)，與memcached server通信，針對(duì)各種語言的不同實(shí)現(xiàn)分裝了易用的API實(shí)現(xiàn)了與不同語言平臺(tái)的集成。

web系統(tǒng)則通過client庫來使用memcached進(jìn)行對(duì)象緩存。

2. hash

memcached的分布式主要體現(xiàn)在client端，對(duì)于server端，僅僅是部署多個(gè)memcached server組成集群，每個(gè)server獨(dú)自維護(hù)自己的數(shù)據(jù)（互相之間沒有任何通信），通過daemon監(jiān)聽端口等待client端的請(qǐng)求。

而在client端，通過一致的hash算法，將要存儲(chǔ)的數(shù)據(jù)分布到某個(gè)特定的server上進(jìn)行存儲(chǔ)，后續(xù)讀取查詢使用同樣的hash算法即可定位。

client端可以采用各種hash算法來定位server：

取模

最簡單的hash算法

targetServer = serverList[hash(key) % serverList.size]

直接用key的hash值（計(jì)算key的hash值的方法可以自由選擇，比如算法CRC32、MD5,甚至本地hash系統(tǒng)，如java的hashcode）模上server總數(shù)來定位目標(biāo)server。這種算法不僅簡單，而且具有不錯(cuò)的隨機(jī)分布特性。

但是問題也很明顯，server總數(shù)不能輕易變化。因?yàn)槿绻黾?減少memcached server的數(shù)量，對(duì)原先存儲(chǔ)的所有key的后續(xù)查詢都將定位到別的server上，導(dǎo)致所有的cache都不能被命中而失效。

一致性hash

為了解決這個(gè)問題，需要采用一致性hash算法（consistent hash）

相對(duì)于取模的算法，一致性hash算法除了計(jì)算key的hash值外，還會(huì)計(jì)算每個(gè)server對(duì)應(yīng)的hash值，然后將這些hash值映射到一個(gè)有限的值域上（比如0~2^32）。通過尋找hash值大于hash(key)的最小server作為存儲(chǔ)該key數(shù)據(jù)的目標(biāo)server。如果找不到，則直接把具有最小hash值的server作為目標(biāo)server。

為了方便理解，可以把這個(gè)有限值域理解成一個(gè)環(huán)，值順時(shí)針遞增。

如上圖所示，集群中一共有5個(gè)memcached server，已通過server的hash值分布到環(huán)中。

如果現(xiàn)在有一個(gè)寫入cache的請(qǐng)求，首先計(jì)算x=hash(key)，映射到環(huán)中，然后從x順時(shí)針查找，把找到的第一個(gè)server作為目標(biāo)server來存儲(chǔ)cache，如果超過了2^32仍然找不到，則命中第一個(gè)server。比如x的值介于A~B之間，那么命中的server節(jié)點(diǎn)應(yīng)該是B節(jié)點(diǎn)

可以看到，通過這種算法，對(duì)于同一個(gè)key，存儲(chǔ)和后續(xù)的查詢都會(huì)定位到同一個(gè)memcached server上。

那么它是怎么解決增/刪server導(dǎo)致的cache不能命中的問題呢？

假設(shè)，現(xiàn)在增加一個(gè)server F，如下圖

此時(shí)，cache不能命中的問題仍然存在，但是只存在于B~F之間的位置（由C變成了F），其他位置（包括F~C）的cache的命中不受影響（刪除server的情況類似）。盡管仍然有cache不能命中的存在，但是相對(duì)于取模的方式已經(jīng)大幅減少了不能命中的cache數(shù)量。

虛擬節(jié)點(diǎn)

但是，這種算法相對(duì)于取模方式也有一個(gè)缺陷：當(dāng)server數(shù)量很少時(shí)，很可能他們?cè)诃h(huán)中的分布不是特別均勻，進(jìn)而導(dǎo)致cache不能均勻分布到所有的server上。

如圖，一共有3臺(tái)server – 1，2，4。命中4的幾率遠(yuǎn)遠(yuǎn)高于1和2。

為解決這個(gè)問題，需要使用虛擬節(jié)點(diǎn)的思想：為每個(gè)物理節(jié)點(diǎn)（server）在環(huán)上分配100～200個(gè)點(diǎn)，這樣環(huán)上的節(jié)點(diǎn)較多，就能抑制分布不均勻。

當(dāng)為cache定位目標(biāo)server時(shí)，如果定位到虛擬節(jié)點(diǎn)上，就表示cache真正的存儲(chǔ)位置是在該虛擬節(jié)點(diǎn)代表的實(shí)際物理server上。

另外，如果每個(gè)實(shí)際server的負(fù)載能力不同，可以賦予不同的權(quán)重，根據(jù)權(quán)重分配不同數(shù)量的虛擬節(jié)點(diǎn)。

// 采用有序map來模擬環(huán)

this.consistentBuckets = new TreeMap();

MessageDigest md5 = MD5.get();//用MD5來計(jì)算key和server的hash值

// 計(jì)算總權(quán)重

if ( this.totalWeight for ( int i = 0; i this.weights.length; i++ )

this.totalWeight += ( this.weights[i] == null ) ? 1 : this.weights[i];

} else if ( this.weights == null ) {

this.totalWeight = this.servers.length;

}

// 為每個(gè)server分配虛擬節(jié)點(diǎn)

for ( int i = 0; i servers.length; i++ ) {

// 計(jì)算當(dāng)前server的權(quán)重

int thisWeight = 1;

if ( this.weights != null this.weights[i] != null )

thisWeight = this.weights[i];

// factor用來控制每個(gè)server分配的虛擬節(jié)點(diǎn)數(shù)量

// 權(quán)重都相同時(shí)，factor=40

// 權(quán)重不同時(shí)，factor=40*server總數(shù)*該server權(quán)重所占的百分比

// 總的來說，權(quán)重越大，factor越大，可以分配越多的虛擬節(jié)點(diǎn)

double factor = Math.floor( ((double)(40 * this.servers.length * thisWeight)) / (double)this.totalWeight );

for ( long j = 0; j factor; j++ ) {

// 每個(gè)server有factor個(gè)hash值

// 使用server的域名或IP加上編號(hào)來計(jì)算hash值

// 比如server - "172.45.155.25:11111"就有factor個(gè)數(shù)據(jù)用來生成hash值：

// 172.45.155.25:11111-1, 172.45.155.25:11111-2, ..., 172.45.155.25:11111-factor

byte[] d = md5.digest( ( servers[i] + "-" + j ).getBytes() );

// 每個(gè)hash值生成4個(gè)虛擬節(jié)點(diǎn)

for ( int h = 0 ; h 4; h++ ) {

Long k =

((long)(d[3+h*4]0xFF) 24)

| ((long)(d[2+h*4]0xFF) 16)

| ((long)(d[1+h*4]0xFF) 8 )

| ((long)(d[0+h*4]0xFF));

// 在環(huán)上保存節(jié)點(diǎn)

consistentBuckets.put( k, servers[i] );

}

}

// 每個(gè)server一共分配4*factor個(gè)虛擬節(jié)點(diǎn)

}

// 采用有序map來模擬環(huán)

this.consistentBuckets = new TreeMap();

MessageDigest md5 = MD5.get();//用MD5來計(jì)算key和server的hash值

// 計(jì)算總權(quán)重

if ( this.totalWeight for ( int i = 0; i this.weights.length; i++ )

this.totalWeight += ( this.weights[i] == null ) ? 1 : this.weights[i];

} else if ( this.weights == null ) {

this.totalWeight = this.servers.length;

}

// 為每個(gè)server分配虛擬節(jié)點(diǎn)

for ( int i = 0; i servers.length; i++ ) {

// 計(jì)算當(dāng)前server的權(quán)重

int thisWeight = 1;

if ( this.weights != null this.weights[i] != null )

thisWeight = this.weights[i];

// factor用來控制每個(gè)server分配的虛擬節(jié)點(diǎn)數(shù)量

// 權(quán)重都相同時(shí)，factor=40

// 權(quán)重不同時(shí)，factor=40*server總數(shù)*該server權(quán)重所占的百分比

// 總的來說，權(quán)重越大，factor越大，可以分配越多的虛擬節(jié)點(diǎn)

double factor = Math.floor( ((double)(40 * this.servers.length * thisWeight)) / (double)this.totalWeight );

for ( long j = 0; j factor; j++ ) {

// 每個(gè)server有factor個(gè)hash值

// 使用server的域名或IP加上編號(hào)來計(jì)算hash值

// 比如server - "172.45.155.25:11111"就有factor個(gè)數(shù)據(jù)用來生成hash值：

// 172.45.155.25:11111-1, 172.45.155.25:11111-2, ..., 172.45.155.25:11111-factor

byte[] d = md5.digest( ( servers[i] + "-" + j ).getBytes() );

// 每個(gè)hash值生成4個(gè)虛擬節(jié)點(diǎn)

for ( int h = 0 ; h 4; h++ ) {

Long k =

((long)(d[3+h*4]0xFF) 24)

| ((long)(d[2+h*4]0xFF) 16)

| ((long)(d[1+h*4]0xFF) 8 )

| ((long)(d[0+h*4]0xFF));

// 在環(huán)上保存節(jié)點(diǎn)

consistentBuckets.put( k, servers[i] );

}

}

// 每個(gè)server一共分配4*factor個(gè)虛擬節(jié)點(diǎn)

}

// 用MD5來計(jì)算key的hash值

MessageDigest md5 = MD5.get();

md5.reset();

md5.update( key.getBytes() );

byte[] bKey = md5.digest();

// 取MD5值的低32位作為key的hash值

long hv = ((long)(bKey[3]0xFF) 24) | ((long)(bKey[2]0xFF) 16) | ((long)(bKey[1]0xFF) 8 ) | (long)(bKey[0]0xFF);

// hv的tailMap的第一個(gè)虛擬節(jié)點(diǎn)對(duì)應(yīng)的即是目標(biāo)server

SortedMap tmap = this.consistentBuckets.tailMap( hv );

return ( tmap.isEmpty() ) ? this.consistentBuckets.firstKey() : tmap.firstKey();

更多問題到問題求助專區(qū)（）

php大型應(yīng)用如何采用分布式架構(gòu)？

大型分布式架構(gòu)都是靠多種語言和工具共同分工合作實(shí)現(xiàn)的。

不是一兩種工具或者語言能實(shí)現(xiàn)的，如果專指php那是沒有意義的，因?yàn)閜hp本身只是一個(gè)單進(jìn)程的東東，更別說分布式。

大規(guī)模的web應(yīng)用以及分布式架構(gòu)主要在于服務(wù)器的整體架構(gòu)：

1、web服務(wù)集群；

2、數(shù)據(jù)庫集群；

3、分布式緩存；

php充其量只是實(shí)現(xiàn)其中一個(gè)節(jié)點(diǎn)的某個(gè)具體的web應(yīng)用。

SD框架支持長連接協(xié)議TCP，WebSocket，短連接協(xié)議HTTP，以及UDP。

通過配置開放不同的端口開發(fā)者可以輕松管理不同的協(xié)議，并且可以共用一套業(yè)務(wù)代碼，當(dāng)然你可以通過智能路由進(jìn)行代碼的隔離。

長連接可以配置不同的數(shù)據(jù)傳輸協(xié)議，比如二進(jìn)制協(xié)議文本協(xié)議等等，通過框架提供的封裝器解包器接口可以自定義各種各種的協(xié)議封裝，并且各種協(xié)議之間可以自動(dòng)轉(zhuǎn)換，比如你通過廣播發(fā)送一個(gè)信息，該信息流向不同客戶端，客戶端間采用不同協(xié)議，那么框架會(huì)根據(jù)不同的端口自動(dòng)轉(zhuǎn)換不同的協(xié)議封裝。

也可以通過Http給所有長連接客戶端發(fā)送推送消息，類似這種混合協(xié)議協(xié)作的業(yè)務(wù)在SD框架上會(huì)異常簡單。

擴(kuò)展資料：

普通的Web開發(fā)，常用的模式就是用戶登錄之后，登錄狀態(tài)信息保存在Session中，用戶一些常用的熱數(shù)據(jù)保存在文件緩存中，用戶上傳的附件信息保存在Web服務(wù)器的某個(gè)目錄上。這種方式對(duì)于一般的Web應(yīng)用，使用很方便，完全能夠勝任。但是對(duì)于高并發(fā)的企業(yè)級(jí)網(wǎng)站，就應(yīng)付不了了。需要采用Web集群實(shí)現(xiàn)負(fù)載均衡。

使用Web集群方式部署之后，首要調(diào)整的就是用戶狀態(tài)信息與附件信息。用戶狀態(tài)不能再保存到Session中，緩存也不能用本地Web服務(wù)器的文件緩存，以及附件，也不能保存在Web服務(wù)器上了。因?yàn)橐ＷC集群里面的各個(gè)Web服務(wù)器，狀態(tài)完全一致。

因此，需要將用戶狀態(tài)、緩存等保存到專用的緩存服務(wù)器，比如Memcache。附件需要保存到云存儲(chǔ)中，比如七牛云存儲(chǔ)、阿里云存儲(chǔ)、騰訊云存儲(chǔ)等。

SD框架內(nèi)大多數(shù)的對(duì)象都使用了對(duì)象池技術(shù)，對(duì)象池技術(shù)有利于系統(tǒng)內(nèi)存的穩(wěn)定，減少GC的次數(shù)，提高系統(tǒng)的運(yùn)行效率，事實(shí)證明對(duì)象池對(duì)系統(tǒng)穩(wěn)定做出了極大的貢獻(xiàn)。

開發(fā)者也可以使用這一套對(duì)象池技術(shù)，增加對(duì)對(duì)象的復(fù)用，減少GC和NEW的頻率，對(duì)系統(tǒng)毛刺現(xiàn)象和內(nèi)存泄露方面都有很大的穩(wěn)定性提升。

參考資料：百度百科-php

php 分布式怎么開發(fā)

普通的Web開發(fā)，常用的模式就是用戶登錄之后，登錄狀態(tài)信息保存在Session中，用戶一些常用的熱數(shù)據(jù)保存在文件緩存中，用戶上傳的附件信息保存在Web服務(wù)器的某個(gè)目錄上。這種方式對(duì)于一般的Web應(yīng)用，使用很方便，完全能夠勝任。但是對(duì)于高并發(fā)的企業(yè)級(jí)網(wǎng)站，就應(yīng)付不了了。需要采用Web集群實(shí)現(xiàn)負(fù)載均衡。

使用Web集群方式部署之后，首要調(diào)整的就是用戶狀態(tài)信息與附件信息。用戶狀態(tài)不能再保存到Session中，緩存也不能用本地Web服務(wù)器的文件緩存，以及附件，也不能保存在Web服務(wù)器上了。因?yàn)橐ＷC集群里面的各個(gè)Web服務(wù)器，狀態(tài)完全一致。因此，需要將用戶狀態(tài)、緩存等保存到專用的緩存服務(wù)器，比如Memcache。附件需要保存到云存儲(chǔ)中。

　Web負(fù)載均衡

Web負(fù)載均衡（Load Balancing），簡單地說就是給我們的服務(wù)器集群分配“工作任務(wù)”，而采用恰當(dāng)?shù)姆峙浞绞剑瑢?duì)于保護(hù)處于后端的Web服務(wù)器來說，非常重要。

　負(fù)載均衡的策略有很多，我們從簡單的講起。?

1. HTTP重定向?

當(dāng)用戶發(fā)來請(qǐng)求的時(shí)候，Web服務(wù)器通過修改HTTP響應(yīng)頭中的Location標(biāo)記來返回一個(gè)新的url，然后瀏覽器再繼續(xù)請(qǐng)求這個(gè)新url，實(shí)際上就是頁面重定向。通過重定向，來達(dá)到“負(fù)載均衡”的目標(biāo)。

　2. 反向代理負(fù)載均衡?

反向代理服務(wù)的核心工作主要是轉(zhuǎn)發(fā)HTTP請(qǐng)求，扮演了瀏覽器端和后臺(tái)Web服務(wù)器中轉(zhuǎn)的角色。因?yàn)樗ぷ髟贖TTP層（應(yīng)用層），也就是網(wǎng)絡(luò)七層結(jié)構(gòu)中的第七層，因此也被稱為“七層負(fù)載均衡”。可以做反向代理的軟件很多，比較常見的一種是Nginx。

　Nginx是一種非常靈活的反向代理軟件，可以自由定制化轉(zhuǎn)發(fā)策略，分配服務(wù)器流量的權(quán)重等。反向代理中，常見的一個(gè)問題，就是Web服務(wù)器存儲(chǔ)的session數(shù)據(jù)。

3. IP負(fù)載均衡

IP負(fù)載均衡服務(wù)是工作在網(wǎng)絡(luò)層（修改IP）和傳輸層（修改端口，第四層），比起工作在應(yīng)用層（第七層）性能要高出非常多。原理是，他是對(duì)IP層的數(shù)據(jù)包的IP地址和端口信息進(jìn)行修改，達(dá)到負(fù)載均衡的目的。這種方式，也被稱為“四層負(fù)載均衡”。常見的負(fù)載均衡方式，是LVS（Linux Virtual Server，Linux虛擬服務(wù)），通過IPVS（IP Virtual Server，IP虛擬服務(wù)）來實(shí)現(xiàn)。

分享名稱：php分布式數(shù)據(jù)庫 php可以支持目前主流的數(shù)據(jù)庫
文章轉(zhuǎn)載：http://www.chinadenli.net/article20/dooeeco.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供全網(wǎng)營銷推廣、服務(wù)器托管、建站公司、軟件開發(fā)、網(wǎng)站改版、

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)