分布式数据库服务器的四层架构

分布式数据库服务器的四层架构:

访问层:接收访问信息并按负荷智能的分配给中转服务器,接受数据结果并返回客户端。

中转层:接收访问服务器发来的数据访问指令,从总储存服务器寻找数据分布所在的储存服务器,发送指令。

表头层:储存数据的表头信息,以确定储存服务器位置。

处理层:分布式数据储存服务器,接收指令并执行,然后返回数据给访问服务器。

功能分布:

访问服务器只做四件事:接收客户端的访问数据,接收中转服务器的负荷状态信息,并且把数据分配给负荷最低 
的中转服务器,接收结果后返回客户端。

中转服务器只做四件事:负责接收访问数据,访问头表服务器查询位置,接收结果,然后把操作数据的指令传递 
给处理服务器。

表头服务器只做四件事:储存总数据表头,接收查询数据,查找数据所在服务器位置,返回位置信息给中转服务 
器。

处理服务器只做四件事:储存数据,接收操作指令,执行指令,然后把结果返回给访问服务器。

技术简要:

“传递式”和“响应式”互相结合,响应作为基础,传递作为判断结果。例如:访问服务器接收到访问数据,中 
转服务器监听事件并响应,并返回负荷状态,访问服务器判断负荷最低的服务器传递其数据;表头服务器接收到 
查询请求,管辖范围的处理服务器响应数据,并返回是否存在,表头服务器根据数据是否存在传递给中转服务器 
信息,中转服务器根据回应判断是否继续查询其他的表头服务器,这个过程也可以是并行的,直到有确切的结果 
就中止查询。

架构总结:

只要有需求,理论上可以无限的增加各层面的服务器来应对。

时间: 2024-10-27 10:46:36

分布式数据库服务器的四层架构的相关文章

巨杉Talk | 拒绝数据碎片化,原生分布式数据库灵活应对数据管理需求

2019年7月19-20日,以"运筹帷幄,数揽未来"为主题的DAMS中国数据智能管理峰会在上海青浦区成功举办.在DAMS峰会上,巨杉数据库为大家带来了题为"云架构下的分布式数据库设计与实践"的主题分享. 微服务下数据库架构的演进 应用开发从传统架构向分布式转型,最先面临改造的自然就是应用程序框架.如今的微服务框架已经非常成熟,其代表性架构往往包括协议处理.服务拼装.原子服务.以及底层持久化四层.业务逻辑从传统的单一中间件被拆解成众多微服务模块,每个微服务模块由完全对

探析大数据需求下的分布式数据库

一.前言 大数据技术从诞生到现在,已经经历了十几个年头.市场上早已不断有公司或机构,给广大金融从业者"洗脑"大数据未来的美好前景与趋势.随着用户对大数据理念与技术的不断深入了解,人们已经开始从理论探索转向对场景落地的寻找,让大数据在企业中落地并开花结果. 从大数据的管理和应用方向集中在两个领域.第一,大数据分析相关,针对海量数据的挖掘.复杂的分析计算:第二,在线数据操作,包括传统交易型操作以及海量数据的实时访问.大数据高并发查询操作.用户根据业务场景以及对数据处理结果的期望选择不同的大

legend分布式服务器集群中的数据库服务器的性能测试

今天将把如下图所示测试用例进行测试: MainCache代表主线程是缓存操作DaemonORM代表守护线程是ORM入库操作,其中ORM开启了事务处理OnlyORM代表仅仅使用ORM直接入库操作 本框架采用的是MainCache+DaemonORM的机制,即所有玩家对DB的任何操作都是在内存中进行,任何变更都会由守护线程后台通过ORM同步到DB中以下测试结果对MainCache+DaemonORM与OnlyORM进行了对比 在里面有一万条记录的基础上做单条记录的操作: 7.让数据库插入一条记录时的

分布式服务器集群架构方案思考

nginx-reverse-proxy-conf 研究了一套完整的分布式服务器集群架构方案. 0x01.大型网站演化 简单说,分布式是以缩短单个任务的执行时间来提升效率的,而集群则是通过提高单位时间内执行的任务数来提升效率. 集群主要分为:高可用集群(High Availability Cluster),负载均衡集群(Load Balance Cluster,nginx即可实现),科学计算集群(High Performance Computing Cluster). 分布式是指将不同的业务分布在

Greenplum 分布式数据库开发入门到精通(架构、部署、管理、开发和调优)【课程分享】

Greenplum 分布式数据库开发入门到精通(架构.部署.管理.开发和调优) 对这个课程有兴趣的朋友,可以加我qq2059055336和我联系 课程大纲 1 Greenplum架构 什么是Greenplum Greenplum体系结构 Greenplum高可用性架构 2 安装Greenplum 配置环境 安装并初始化GPDB系统 启停数据库 配置GP系统 3 分布式数据库存储 数据是如何存储的 分布策略 4 GBDB查询处理 查询命令的执行 SQL查询处理机制 并行查询计划 5 角色权限及客户

分布式数据库架构--排序、分页、分组、实现

最近研究分布式数据库架构,发现排序.分组及分页让着实人有点头疼.现把问题及解决思路整理如下. 一. 多分片(水平切分)返回结果合并(排序)           1.Select + None Aggregate Function的有序记录合并排序 解决思路:对各分片返回的有序记录,进行排序去重合并.此处主要是编写排序去重合 并算法. 2.Select + None Aggregate Function的无序记录合并 解决思路:对各分片返回的无序记录,进行去重合并. 优点:实现比较简单. 缺点:数

内存数据库的分布式数据库架构

author:skate time:2012/02/16 转载一篇文章: 本文提出了一种通过引入内存数据库层,建立两层多分区分布式数据库架构.此方案用于解决海量高并发系统的数据存储和访问问题,尤其适用于电子商务等数据模型复杂且业务复杂的互联网站. 这些年互联网站发展迅猛,为应对海量数据下的高并发访问,产生了各种分布式架构设计思想,例如Key-Value引擎,数据分区等.而对于电子商务类网站,海量数据问题还有一个重要特点,就是数据结构化及数据之间的关联,淘宝如此,阿里巴巴也是如此,这是与社区.视频

跨越数据库发展鸿沟,谈分布式数据库技术趋势

金融行业架构转型需求随着移动化与互联网化的不断发展,我国金融行业的商业模式与技术体系已经逐渐走上了与西方世界完全不同的道路.众所周知,欧美国家的移动化普及率远远不如我国,同时人口基数也有着数量级的不同,这就使得国内外金融行业所面临的业务类型.数据量.并发量都存在巨大的差异,导致对整个IT基础设施的需求截然不同. 在最近的一两年中,国内部分科技领先的银行已经率先对微服务与分布式技术进行了探索,一些新建的互联网金融类业务也已经开始尝试使用微服务架构.分布式技术.DevOps框架进行应用的开发与维护.

大型分布式数据库集群的研究

1.为什么要设计成分布式数据库,数据为什么要分区? 当数据量很大的时候,即使服务器在没有任何压力的情况下,某些复杂的查询操作都会非常缓慢,影响了最终用户的体验. 在大数据量下对数据库的装载与导出,备份与恢复,结构的调整,索引的调整等都会让数据库停止服务或者高负荷运转很长时间,影响了数据库的可用性和可管理性. 这个时候靠提升服务器的硬件配置是起不到作用的,只有靠分区把数据分成更小的部分才能提高数据库的可用性和可管理性. 通过分区把各部分数据放到不同的机器中,每次查询可以由多个机器上的CPU,I/O