This is the Trace Id: 56bb7f0cafe874c7ee631dd0e9f36bad
Zu Hauptinhalt springen
Azure

Was ist Datenbanksharding?

Datenbanksharding ist eine Methode der horizontalen Skalierung, die die Leistung und Verfügbarkeit von Lösungen in globalen, verteilten Systemen erhöht.
Jetzt loslegen mit Azure

Definition von Datenbanksharding

Datenbanksharding bezeichnet den Prozess, eine große Datenbank in kleinere, besser handhabbare Segmente, sogenannte Shards, zu unterteilen. Es unterstützt die horizontale Skalierung, sodass Anwendungen und Systeme wachsende Daten- und Benutzerzahlen bewältigen können, ohne Leistung oder Verfügbarkeit zu beeinträchtigen. Organisationen nutzen Sharding-Strategien, um Speicherbeschränkungen und andere Herausforderungen bei der Skalierung von Datenbanken in modernen Cloudumgebungen zu überwinden.

  • Datenbanksharding wird als Methode der horizontalen Skalierung definiert, bei der eine Datenbank in unabhängige Shards aufgeteilt wird, die auf einer Shared-Nothing-Architektur (SNA) laufen.
  • Daten werden mithilfe von Shard-Schlüsseln unter den Shards verteilt, die es Anwendungen ermöglichen, Anfragen an die passenden Shards zu leiten.
  • Daten werden üblicherweise anhand von numerischen Werten, Hash-Funktionen, Verzeichnislisten oder geografischen Standorten unter den Shards verteilt.
  • Vorteile von Datenbanksharding sind verbesserte Abfrageleistung, Unterstützung der horizontalen Skalierbarkeit und höhere Fehlertoleranz.
  • Anwendungsfälle für Sharding sind unter anderem Banken, E-Commerce und Social-Media-Plattformen, die oft schnelles Wachstum oder Daten- und Benutzeranstiege bewältigen müssen.

Wie funktioniert Datenbanksharding?

Datenbanksharding ist eine Technik zur horizontalen Skalierung großer Datenbanken, indem sie in kleinere, unabhängige Teile, sogenannte Shards, aufgeteilt werden. Jeder Shard fungiert als separate Datenbank, die einen eigenen Teil der Gesamtdaten enthält, aber dasselbe Schema beibehält. So bilden die Shards zusammen eine einzige logische Datenbank, obwohl sie auf verschiedenen Servern laufen.

Datenbanksharding folgt einer Shared-Nothing-Architektur (SNA), einem verteilten Rechenmodell, bei dem jeder Shard eigenständig arbeitet, ohne Ressourcen wie Verarbeitung, Speicher oder Speicherplatz mit anderen Shards zu teilen.

Ein Shard-Schlüssel – ein bestimmtes Feld oder eine Kombination von Feldern in den Daten – bestimmt, welche Daten auf welchem Shard gespeichert werden. Wenn eine Anwendung Daten lesen oder schreiben muss, verwendet sie den Shard-Schlüssel, um die Anfrage an den passenden Shard zu leiten.

Sharding-Strategien

Organisationen verwalten Daten, die auf mehrere Shards verteilt sind, auf unterschiedliche Weise. Hier sind einige gängige Strategien:

  • Bereichsbasiertes oder dynamisches Sharding: Daten werden nach Wertebereichen im Shard-Schlüssel aufgeteilt. Beispielsweise kann ein Shard in einer E-Commerce-Datenbank Kundennummern von 1 bis 1.000.000 zugewiesen bekommen, ein anderer Shard die Nummern von 1.000.001 bis 2.000.000. Diese Methode ist effizient für Bereichsabfragen, kann aber zu ungleicher Verteilung führen, wenn bestimmte Bereiche häufiger abgefragt werden.
  • Hash-basiertes Sharding:Daten werden gleichmäßig auf Shards verteilt, indem eine mathematische Formel, die Hashfunktion, auf jeden Shard-Schlüssel angewendet wird. Dieser Ansatz verhindert Überlastungen, kann aber verwandte Daten auf mehrere Shards verteilen, was Bereichsabfragen weniger effizient macht.
  • Verzeichnisbasiertes oder Lookup-basiertes Sharding: Eine Shard-Karte zeigt an, welche Shard-Schlüssel zu welchen Daten gehören. Diese Strategie bietet Flexibilität, um bei Bedarf schnell weitere Shard-Schlüssel hinzuzufügen, erhöht aber die Komplexität und den potenziellen Mehraufwand.
  • Geo-Sharding: Daten werden basierend auf geografischen Standorten partitioniert, was die Latenz für Nutzer in verschiedenen Regionen reduziert und Anforderungen an die Datenresidenz unterstützt. Viele Plattformen kombinieren Geo-Sharding mit Datenbankreplikation für höhere Ausfallsicherheit.

Weitere Informationen zu Datenbanken.

Was sind die Hauptvorteile von Datenbanksharding?

Datenbanksharding erfordert eine sorgfältige Auswahl der Shard-Schlüssel, eine Sharding-Strategie sowie eine Optimierung der Abfrageweiterleitung. Hier sind einige wichtige Vorteile von Datenbanksharding:

  • Verbessert die Abfrageleistung:Durch die Verteilung der Daten auf mehrere Shards können Datenbanken die für jede Abfrage benötigten Datensätze schneller abrufen. Dies führt zu schnelleren Antwortzeiten.
  • Unterstützt horizontale Skalierbarkeit: Anstatt die Ressourcen eines einzelnen Servers zu erweitern, können Organisationen wachsende Daten- und Arbeitslasten durch das Hinzufügen weiterer Shards (und Server) bewältigen. Erfahren Sie mehr über hochskalieren oder aufskalieren.
  • Erhöht die Fehlertoleranz: Da Sharding eine SNA-Architektur verwendet, ist jeder Shard von den anderen isoliert. Probleme, die einen Shard betreffen, wirken sich nicht auf die anderen aus, was die Systemzuverlässigkeit verbessert. Die Datenreplikation über Shards hinweg schützt zusätzlich die Verfügbarkeit.
  • Steigert die Kosteneffizienz:Daten-Shards benötigen weniger Hardware- und Software-Ressourcen als große Datenbanken, die oft teure High-End-Server erfordern.

Hilft bei der Optimierung von KI-Workloads: Komplexe, monolithische Datenbanken können die Fähigkeit von KI verlangsamen, auf Daten zuzugreifen, Vorhersagen zu treffen und im Laufe der Zeit zu lernen. Sharding unterstützt die Schaffung einer verteilten, datenreichen Umgebung, in der KI effektiver arbeiten kann.

Branchenspezifische Beispiele für Datenbanksharding

Datenbanksharding ist besonders wertvoll für cloudbasierte Lösungen, die schnelles Wachstum oder unvorhersehbare Spitzen bei Daten- oder Benutzerverkehr erleben. Die folgenden Anwendungsfälle zeigen, wie Sharding branchenübergreifend eingesetzt werden kann:

  • E-Commerce: Handelsplattformen teilen Kunden- und Bestelldaten auf Shards auf, um schnelle Produktsuchen und reibungslose Check-Out-Erlebnisse in Spitzenzeiten zu gewährleisten.
  • Finanzdienstleistungen: Datensätze für Bank- und andere Finanztransaktionen werden nach Datum oder Kontonummer aufgeteilt, was effiziente Abfragen und sichere, skalierbare Speicherung ermöglicht.
  • Online-Gaming: Spieler- oder Sitzungsdaten werden nach Region und Benutzer-ID aufgeteilt, um Lasten auf Shards auszugleichen und die Latenz (die Zeit, die Daten zum Ziel benötigen) für globale Nutzer zu minimieren.
  • Social Media: Social-Media-Plattformen teilen Benutzerprofil- und Aktivitätsdaten nach Benutzer-ID oder Zeitbereich auf. Dieser Ansatz ermöglicht es der Plattform, aktuelle Beiträge schnell abzufragen und Millionen gleichzeitiger Nutzer zu unterstützen.
  • Software-as-a-Service (SaaS): SaaS-Anwendungen mit mehreren Mandanten teilen Daten häufig nach Mandanten-ID, was Kundendaten isoliert und die Verwaltung bei wachsender Nutzerbasis vereinfacht. Sie können die Daten auch nach Mandantenarbeitslast oder geografischem Standort aufteilen.

Erfahren Sie mehr darüber, wie Big Data-Analysen funktionieren.

Die Zukunft von Datenbanksharding

Durch die Verteilung der Daten auf mehrere unabhängige Server reduziert Sharding die Last auf einzelnen Servern, minimiert Engpässe und verbessert Verfügbarkeit und Reaktionsfähigkeit des Systems. Die Vorteile von Datenbanksharding in modernen Cloudumgebungen werden mit der Weiterentwicklung von KI und verwandten Technologien weiter zunehmen.

Trends, die Sie beobachten sollten, umfassen Folgendes:

KI-gestützte Sharding-Workflows

Intelligente Funktionen wie automatisierte Shard-Schlüsselauswahl, Workload-Neuausgleich und Abfrageweiterleitung werden zunehmend zum Standard.

Vorteil: Vereinfachte und optimierte Abläufe sowie beispiellose Skalierbarkeit

Resharding ohne Ausfallzeiten

Moderne Datenplattformen werden zunehmend Änderungen des Shard-Schlüssels unterstützen, ohne dass Datenstillstände oder komplexe Datenmigrationen erforderlich sind.

Vorteil: Mehr Flexibilität bei der Aktualisierung von Sharding-Strategien, wenn sich die Workloads weiterentwickeln

Sharding kombiniert mit serverlosen Datenbanken

Serverlose Datenbanken stellen für jeden Shard eigenständig Server bereit und verwalten diese. Sie skalieren die Kapazität auch bedarfsgerecht nach oben oder unten basierend auf ereignisgesteuerten Abfragen.

Vorteil: Reduzierung des betrieblichen Mehraufwands

Adaptive, richtliniengesteuerte Geo-Sharding

Automatisierte Sharding-Workflows leiten Daten basierend auf geo-spezifischen Richtlinienregeln, die im Code eingebettet sind, automatisch über geografische Shards weiter. Vorteil: Schnellere Einhaltung sich ändernder gesetzlicher und datenschutzrechtlicher Anforderungen

Erfahren Sie mehr über Cloud Computing.

RESSOURCEN

Erweitern Sie Ihr Wissen über Datenbanksharding

Greifen Sie auf eine breite Palette von Lernressourcen für Studierende und Fachkräfte zu, die die neuesten Entwicklungen in der Datenbanktechnologie abdecken, einschließlich Sharding in der Microsoft Azure SQL-Datenbank.
Eine Frau, die an einem Laptop arbeitet.
Azure

Besuchen Sie das Azure-Ressourcencenter

Finden Sie kostenlose Azure-Trainings und Zertifizierungsprogramme, Anleitungsvideos zu Azure sowie Analystenberichte und E-Books.
Jetzt erkunden
Ein Mann und eine Frau, die an einem Laptop arbeiten
Studentische Fachkräfte in der Entwicklung

Starthilfe für eine Karriere im technischen Bereich

Erfahren Sie mehr über Cloudtechnologien, und bauen Sie Ihre Entwicklerfähigkeiten mit Tools und Programmen für Studierende aus.
Jetzt lernen
Ein Mann, der an einem Laptop arbeitet.
Veranstaltungen und Webinare

Azure-Veranstaltungen und -Webinare erkunden

Vernetzen Sie sich mit Azure-Fachleuten und -Entwicklern bei digitalen und persönlichen Veranstaltungen sowie virtuellen Schulungen.
Jetzt registrieren
Zurück zu RESSOURCEN – Registerkartenabschnitt „Studienberichte“

Häufig gestellte Fragen

  • Datenbanksharding ist der Prozess der horizontalen Skalierung einer großen Datenbank über mehrere Server, von denen jeder einen Shard mit einem eigenen Teil der Gesamtdaten hostet. Sharding wird verwendet, um wachsende Datenmengen und Nutzerverkehr effizient zu bewältigen, indem Abfragen und Speicher auf mehrere Maschinen verteilt werden, anstatt sich auf einen einzelnen großen Server zu verlassen.
  • Sowohl Sharding als auch Partitionierung optimieren Datenbankoperationen, indem sie eine große Datenbank in kleinere Teilmengen aufteilen. Während Partitionierung jedoch Daten auf demselben Server aufteilt, verteilt Sharding die Daten über mehrere Server. Replikation bezeichnet die Pflege mehrerer Kopien desselben Datensatzes auf verschiedenen Servern zur Redundanz. 
  • Ja, Datenbanksharding verbessert die Anwendungsleistung und Skalierbarkeit. Durch die Verteilung von Daten und Arbeitslasten auf Shards reduziert Sharding die Abfrageantwortzeiten und erhöht die Fehlertoleranz. Organisationen können Anwendungen auch horizontal skalieren. Die Wahl von Shard-Schlüsseln und Shard-Strategien ist entscheidend für die Optimierung des Daten-Shardings.
  • Ja, Azure und andere Cloudplattformen bieten integrierte Unterstützung für Datenbanksharding. Beispielsweise stellt die Azure SQL-Datenbank mehrere Tools zur Optimierung der Datenbankskalierung bereit, darunter eine Clientbibliothek, die die Erstellung und Verwaltung von Shards vereinfacht.