探讨大数据量处理

winston

场景：我说的大数据量处理是指同时需要对数据进行检索查询，同时有高并发的增删改操作；

记得以前在XX做电力时，几百万条数据，那时一个检索查询可以让你等你分钟；


现在我是想探讨下对大数据量的处理，那时我就在想别人系统数据量不一定比这个小，怎么能这么快呢， 于是找到了互联网现在对数据处理的发展：

对于大数据量处理，如果是互联网处理的话，一般分为下面阶段：

第一阶段，所有数据都装入一个数据库，当数据量大了肯定就会出现问题，就像刚刚说的查询，于是想办法

第二阶段，那时肯定想做缓存机制，确实可以如加上缓存Memcached，但缓存也是治标不治本，数据量太大了也是不行于是

第三阶段，master-slave模式，进行主从数据库，master提供写，slave进行读，这个适合于有写造成数据库卡的方法，XX那个还是不行，于是

第四阶段，垂直分库，这个意义还是不大，对于这种采集数据的，于是

第五阶段，进行水平分库，这个不错，记得以前从兴也是按这个分时间水平分库，其实可以分的更细点估计效果更好

第六阶段，用nosql做了，关于nosql怎么做可以参考google的bigtable


其实本文主要目的也是想探讨nosql对大数据量的处理：

NOSQL就是将写操作在内存中进行，定时或按某一条件将内存中的数据直接写到磁盘上，一定基础上是解决了


nosql 主要解决了：
1，高并发读写的需求
2，海量数据访问的需求
3，数据库横向扩展性的需求

CAP理论来说，nosql是牺牲了一致性，做到了AP，一致性只是保证了最终一致性

缺点也很明显：
1，当机器挂了数据将会丢失
解决：可以考虑共享内存

2，内存的限制,内存有限当写数据操作太大的时候内存也会爆
解决：Bigtable的做法是通过bloom-filter算法合并掉相同的操作，比如UPDATE A='A' ，update A='B'时可以直接合并了



---------------------------------
基本理论基础

nosql理论基础：内存是新的硬盘，硬盘是新的磁盘

NOSQL探讨

关系型数据库都要实现事务ACID特效即:原子性(Atomicity),  一致性(Consistency),  隔离性(Isolation),  持久性(Durability)



CAP理论

Consistency 一致性

Availability -可用性

Partition -容错性





-------------------------------
抛砖引玉而已，如果有什么经验欢迎分享，我将持续关注大数据量处理

l

未完待续 ， 先下班
本文链接