Mit jelent az adatbázis horizontális skálázása?

Az adatbázis horizontális skálázása egy horizontális skálázási módszer, amely növeli a megoldás teljesítményét és rendelkezésre állását globális, elosztott rendszerekben.

Bevezetés az Azure használatába

Az adatbázis horizontális skálázásának meghatározása

Az adatbázis horizontális skálázása azt a folyamatot jelenti, amikor egy nagy adatbázist kisebb, kezelhetőbb szegmensekre osztunk. Támogatja a horizontális skálázást, így az alkalmazások és rendszerek a teljesítmény és a rendelkezésre állás változása nélkül kezelhetik a növekvő adat- és felhasználói mennyiségeket. A szervezetek horizontális skálázási stratégiákat alkalmaznak a tárolási korlátok és az adatbázisok modern felhőalapú környezetben történő méretezésével járó egyéb kihívások leküzdésére.

Az adatbázis horizontális skálázása egy horizontális skálázási módszer, ami az adatbázist független szegmensekre bontja, amelyek egy shared-nothing architektúrán (SNA) futnak.
Az adatok szegmenskulcsok használatával oszthatók el a szegmensek között, ami lehetővé teszi, hogy az alkalmazások a kéréseket a megfelelő szegmensekhez irányítsák.
Az adatokat gyakran numerikus értékek, kivonatfüggvények, keresési könyvtárak vagy földrajzi helyek alapján osztják el a szegmensek között.
Az adatbázis horizontális skálázásának előnyei közé tartozik a jobb lekérdezési teljesítmény, a horizontális skálázhatóság támogatása és a nagyobb hibatűrés.
A horizontális skálázás használati esetei közé tartozna a banki szolgáltatások, az e-kereskedelem és a közösségi média platformok, amelyeknek gyakran kell megbirkózniuk gyors növekedéssel, illetve az adatmennyiség vagy a felhasználói szám hirtelen megugrásával.

Hogyan működik az adatbázis horizontális skálázása?

Az adatbázis horizontális skálázása egy olyan technika, amellyel a nagyméretű adatbázisok horizontálisan skálázhatók úgy, hogy kisebb, független, szegmenseknek nevezett részekre osztják őket. Minden szegmens egy önálló adatbázisként működik, amely az összes adat egy különálló részhalmazát tartalmazza, de ugyanazt a sémát követi. Ez lehetővé teszi, hogy a szegmensek együttesen egyetlen logikai adatbázist alkothassanak, annak ellenére, hogy külön kiszolgálókon futnak.

Az adatbázis horizontális skálázása egy shared-nothing architektúrát (SNA) követ, egy elosztott feldolgozási modellt, amelyben az egyes szegmensek önállóan működnek anélkül, hogy a feldolgozási, memória- vagy tárolási erőforrásokat meg kellene osztani más szegmensekkel.

A szegmenskulcs – az adatok egy meghatározott mezője vagy mezők kombinációja – határozza meg, hogy mely adatok kerülnek tárolásra az egyes szegmensekben. Amikor egy alkalmazásnak adatokat kell olvasnia vagy írnia, a szegmenskulcs használatával irányítja a kérést a megfelelő szegmensre.

Horizontális skálázási stratégiák

A szervezetek különböző módszerekkel kezelik a több szegmensre osztott adatokat. Íme néhány gyakori stratégia:

Tartományalapú vagy dinamikus horizontális skálázás: Az adatok a szegmenskulcs értéktartományai szerint vannak felosztva. Például egy e-kereskedelmi adatbázis egyik szegmenséhez hozzárendelhetők az 1–1 000 000 közötti ügyfélazonosító számok, míg egy másik szegmenshez az 1 000 001–2 000 000 közötti ügyfélazonosító számok. Ez a módszer hatékony a tartománylekérdezéseknél, de egyenetlen eloszlást eredményezhet, ha bizonyos tartományokat gyakrabban használnak.
Kivonatalapú horizontális skálázás:Az adatok egyenletesen oszlanak el a szegmensek között, azáltal, hogy minden szegmenskulcsra egy kivonatoló algoritmusnak nevezett matematikai képletet alkalmaznak. Ez a megközelítés segít elkerülni a túlzott terhelést, de előfordulhat, hogy a kapcsolódó adatok több szegmensre oszlanak szét, ami rontja a tartománylekérdezések hatékonyságát.
Címtáralapú vagy keresés alapú horizontális skálázás: A szegmenstérkép jelzi, hogy mely szegmenskulcsok mely adatokhoz tartoznak. Ez a stratégia rugalmasságot biztosít ahhoz, hogy szükség szerint újabb szegmenskulcsokat lehessen gyorsan hozzáadni, ugyanakkor növeli a rendszer bonyolultságát és a potenciális terhelést.
Földrajzi hely alapú horizontális skálázás: Az adatok földrajzi hely alapján vannak particionálva, csökkentve a különböző régiókban lévő felhasználókat érintő késést, és támogatják az adattárolási követelményeket. Számos platform párosítja a földrajzi hely alapú horizontális skálázást az adatbázis-replikációval a nagyobb rugalmasság érdekében.

További információ az adatbázisokról.

Mik az adatbázis horizontális skálázásának fő előnyei?

Az adatbázis horizontális skálázásához körültekintően kell kiválasztani a szegmenskulcsokat, a horizontális skálázási stratégiát, valamint optimalizálni kell a lekérdezések útválasztását. Az adatbázis horizontális skálázásának néhány fő előnye:

Javítja a lekérdezések teljesítményét:Az adatok több szegmens közötti elosztásával az adatbázisok gyorsabban kérhetik le az egyes lekérdezések végrehajtásához szükséges adatkészletet. Ez gyorsabb válaszidőt eredményez.
Támogatja a horizontális skálázhatóságot: Az egyetlen kiszolgálón lévő erőforrás-kapacitás vertikális felskálázása helyett a szervezetek a horizontális felskálázással és további szegmensek (és kiszolgálók) hozzáadásával alkalmazkodhatnak az adatok és a számítási feladatok növekvő mennyiségéhez. További információ a vertikális felskálázásról és a horizontális felskálázásról.
Megerősíti a hibatűrést: Mivel a horizontális skálázás SNA-megközelítést alkalmaz, minden szegmens el van különítve a többitől. Az egyik szegmenst érintő problémák nem érintik a többit, javítva a rendszer megbízhatóságát. A szegmensek közötti adatreplikálás tovább védi a rendelkezésre állást.
Növeli a költséghatékonyságot:Az adatszegmensek hardver- és szoftverigénye alacsonyabb, mint a nagy adatbázisoké, amelyekhez gyakran drága, csúcskategóriás kiszolgálók szükségesek.

Segít optimalizálni az AI-alapú számítási feladatokat: A komplex, monolitikus adatbázisok lassíthatják az AI adatokhoz való hozzáférését, az előrejelzések létrehozását és a folyamatos tanulást. A horizontális skálázás támogatja az elosztott, adatgazdag környezetek létrehozását, ahol a mesterséges intelligenciával hatékonyabban működhet.

Iparág-specifikus példák az adatbázis horizontális skálázására

Az adatbázisok horizontális skálázása különösen hasznos azoknál a felhőalapú megoldásoknál, amelyeknél gyors növekedés vagy az adatforgalom, illetve a felhasználói forgalom előre nem látható hirtelen megugrásai tapasztalhatók. Az alábbi használati esetek azt mutatják be, hogyan alkalmazható a horizontális skálázás az iparágakban:

E-kereskedelem: A kiskereskedelmi platformok a vásárlói és a rendelési adatokat szegmensekre osztják, így biztosítva a gyors termékkeresést és a zökkenőmentes fizetési folyamatot a vásárlási csúcsidőszakokban.
Pénzügyi szolgáltatások: A banki és egyéb pénzügyi tranzakciók adatai dátum vagy számlaszám szerint vannak csoportosítva, ami hatékony lekérdezést és biztonságos, skálázható tárolást tesz lehetővé.
Online játék: A játékosok vagy a munkamenetek adatai régiók és felhasználói azonosítók szerint vannak elosztva, így kiegyensúlyozva a terhelést a szegmensek között, valamint minimalizálva a késést (az adatok célig történő eljutásához szükséges időt) a globális felhasználók számára.
Közösségi média: A közösségi média platformok a felhasználói profil- és tevékenységi hírfolyam-adatokat felhasználói azonosító vagy időtartomány szerint csoportosítják. Ez a megközelítés lehetővé teszi a platform számára, hogy gyorsan lekérdezze a legújabb bejegyzéseket, és több millió felhasználót egyidejűleg támogasson.
Szolgáltatott szoftver (SaaS): A több bérlővel rendelkező SaaS-alkalmazások gyakran osztják el az adatokat bérlőazonosító alapján, ami elkülöníti az ügyféladatokat, és leegyszerűsíti a felügyeletet a felhasználói bázis növekedésével. A bérlői számítási feladat vagy a földrajzi hely alapján is elvégezhető a felosztás.

További információ a big data elemzés működéséről.

Az adatbázis horizontális skálázásának jövője

Az adatok több független kiszolgáló közötti elosztásával a horizontális skálázás csökkenti bármely egyszerű kiszolgáló terhelését, minimalizálja a szűk keresztmetszeteket, és javítja a rendszer rendelkezésre állását és válaszképességét. Az adatbázisok horizontális skálázásának előnyei a modern felhőalapú környezetekben egyre nagyobbak lesznek, ahogy a mesterséges intelligencia és más kapcsolódó technológiák folyamatosan fejlődnek.

A figyelemre méltó trendek között a következők szerepelnek:

AI által támogatott horizontális skálázási munkafolyamatok

Az olyan intelligens funkciók, mint a szegmenskulcs automatizált kiválasztása, a számítási feladatok újraegyensúlyozása és a lekérdezési útválasztás, egyre általánosabbá válnak.

Előny: Egyszerűsített és optimalizált műveletek és példátlan méretezhetőség

Állásidő nélküli ismételt horizontális skálázás

A modern adatplatformok egyre inkább támogatni fogják a szegmenskulcsok módosítását anélkül, hogy az adatok időszakos leállását vagy bonyolult adatmigrálást igényelnének.

Előny: Nagyobb rugalmasság a horizontális skálázási stratégiák frissítéséhez a számítási feladatok fejlődésével

Horizontális skálázás kiszolgáló nélküli adatbázisokkal kombinálva

A kiszolgáló nélküli adatbázisok egymástól függetlenül építenek ki és kezelnek kiszolgálókat az egyes szegmensekhez. Emellett az eseményvezérelt lekérdezések alapján igény szerint vertikálisan fel- vagy leskálázzák a kapacitást.

Előny: A működési többletterhelés csökkentése

Adaptív, szabályzatalapú geosharding

Az automatizált horizontális skálázási munkafolyamatok automatikusan irányítják át az adatokat a földrajzi szegmensek között a kódba ágyazott geospecifikus házirend szabályai alapján. Előny: Gyorsabb megfelelőség a változó szabályozási és adatvédelmi követelményeknek

További információ a felhőalapú számításról.

ERŐFORRÁSOK

Bővítse az adatbázis horizontális skálázásával kapcsolatos tudását

Fedezze fel a hallgatók és szakemberek számára készült változatos tananyagokat, amelyek az adatbázis-technológia legújabb eredményeit mutatják be, beleértve a Microsoft Azure SQL Database szegmentálási funkcióját is.

Azure

Az Azure-erőforrásközpont felkeresése

Találjon ingyenes Azure-képzéseket és tanúsító programokat, Azure-útmutató videókat, valamint elemzői jelentéseket és e-könyveket.

Fedezze fel most

Egy férfi és egy nő egy laptopon dolgozik

Diákfejlesztők

Alapozza meg technológiai karrierjét

Ismerje meg a felhőtechnológiákat, és erősítse fejlesztői készségeit a diákoknak szánt eszközökkel és programokkal.

Kezdje el a tanulást

Események és webináriumok

Fedezze fel az Azure eseményeket és webináriumokat

Lépjen kapcsolatba Azure-szakértőkkel és fejlesztőkkel digitális és személyes eseményeken és virtuális képzéseken.

Regisztráljon most

Az adatbázis horizontális skálázása egy nagy adatbázis horizontális skálázásának folyamata több kiszolgálón, amelyek mindegyike az összes adat egy-egy különálló részhalmazát tartalmazó szegmenst üzemeltet. A horizontális skálázás a növekvő adatmennyiség és a felhasználói forgalom hatékony kezelésére szolgál azáltal, hogy a lekérdezéseket és a tárolást megosztja a gépek között, és nem egyetlen nagy kiszolgálóra támaszkodik.
A horizontális skálázás és a particionálás úgy optimalizálja az adatbázis-műveleteket, hogy egy nagy adatbázist kisebb részhalmazokra bont. A particionálás felosztja az adatokat ugyanazon a kiszolgálón, míg a horizontális skálázás több kiszolgáló között osztja el azokat. A replikáció azt jelenti, hogy ugyanannak az adathalmaznak több példánya is megmarad a különböző kiszolgálókon a redundancia érdekében.
Igen, az adatbázis horizontális skálázása javítja az alkalmazás teljesítményét és méretezhetőségét. Az adatok és a számítási feladatok szegmensek közötti elosztásával a horizontális skálázás csökkenti a lekérdezések válaszidejét, és növeli a hibatűrést. A szervezetek horizontálisan is skálázhatják az alkalmazásokat. A szegmenskulcsok és a horizontális skálázási stratégiák kiválasztása elengedhetetlen a horizontális adatskálázás optimalizálásához.
Igen, az Azure és más felhőplatformok beépített támogatást nyújtanak az adatbázis horizontális skálázásához. Az Azure SQL Database például számos eszközt biztosít az adatbázis skálázásának optimalizálásához, többek között egy ügyféloldali kódtárat, amely leegyszerűsíti a szegmensek létrehozását és kezelését.

Az Azure mobile app beszerzése