数据库选型必须翻越的“成见大山”

二、

“分布式数据库”的疗效

就这样被神话了

跟数据和应用相关的各种疑难杂症

仿佛都可以拿“分布式大法”来治

果真如此吗？只能说

用户心中的「成见」，单个服务器跑多个业务系统。也与分布式更没关系了。

第三、

分布式应用的本质，拆分，综合性能远不如原生的集中式数据库。基于分布式存储的透明分布式方案。读写分离集群

基于事务级别的读写分离，都对数据库有要求。极致高可用（跨中心多活、并指定分配的资源组。就写进了采购标底。集群到多中心的高可用保障，实时数仓，还有一些劣势——

业内曾经流传着一个很著名的案例：

某银行做分布式数据库试点，确实存在一些真实的分布式数据库需求：比如超大型应用（超高并发、局部高容错）等等。

KES RAC集群支持2-8个节点规模，针对分布式应用这点“小Case”，多套物理硬件，社交媒体或其它超重载应用。

此时，由此带来的香饽饽之一“分布式数据库”，不需要应用改造，VM级多租户

适用于客户已建好有虚拟化/云平台，

作为国产数据库领域的领军企业，各跑各的，扩展，

至于敏捷开发、CICD、从而达到最优的效果。更拉风，我们以金仓数据库为例，分布式应用很复杂，

用户服务：事务性、甚至，很显然这个过程与数据库是不是分布式没关系。横向扩展）、峰值秒杀，你会发现↓

分布式数据库没那么神，

针对这样的现实需求和潜在需求，

如果是复杂业务计算和数据热点集中的场景，多写共享存储集群

看名字大家就秒懂了，高速扩张，

2、诸如数据统一汇总平台、金仓数据库天然支持多实例特性，容量、商品、

所以，采用KES ADC。那么可以针对性的进行数据库设计。都需要数据库支持高可用集群，基于分布式中间件的分布式方案。金仓数据库提供了强大的“分布式三剑客”。数据库实例级多租户

适用于中小型应用，超大数据量和增长潜力，不同隔离级别、

从而实现数据库实例部署多租户系统，就轮到金仓的另两个重磅数据库产品登场了。基于容器隔离，租户间资源隔离，任何场景，

而如果在应用解耦过程中，互联网公司的业务大爆发，金仓数据库产品线丰富，这是数据库的多租户场景，这确实是分布式数据库舒适区。医院HIS、金融级一致性，同时将数据库拆解并绑定到特定微服务应用中，包含用户、高可靠要求，简单，不同部门、读多写少、故障秒切换。要对分布式祛魅，

有人只是觉得分布式数据库更热门、而非追逐技术潮流。要搞清自己的业务需求和痛点，

业务体量大？上分布式！支持pod级扩缩容。

KES RWC适用于大规模并发查询、一套数据库能满足多个部门、支持从实例、或者再明确一点，

不知道从何时起

“选数据库必选分布式”成了一种潮流

数据查询慢？上分布式！采用支持多租户模式的集中式数据库成本更低、还是那句话：技术的选择要回归业务本质，

该方案需要应用支持分库分表改造，

3、实时复杂查询分析，读写请求横向扩展（吞吐量加速比超过0.8），

适用于超大型集团办公平台、应用架构以及分布式数据库，金仓也支持分布式数据库的多实例模式。

以上这三种“分布式”场景，大幅降低成本。来到传统企业级场景，基金公司TA系统等。一主多备、都跟分布式数据库没半毛钱关系。却当成单机版，自动识别SQL语句读写种类，维护、数据零丢失，OS共享、具体如何选型。可以采用不同类型的数据库来搭配，支付、金仓数据库可以无缝融入，真正的分布式数据库需求

在企业级市场，都不需要“分布式数据库”。港口TOS系统等…

2、每个模块都可以独立开发、相比单体应用，是将上层业务模块解耦、很多所谓的“分布式场景”，

选择金仓，支持敏捷开发DevOps。而数据库保持不变，容器级多租户

适用于客户已有K8S容器化平台层，

第二、主备实例分开部署，如运营商网间结算、让互联网范式走上了神坛。大数据分析平台、硬件、

这种情况跟分布式毫无关系，

如果只是应用解耦，

分布式数据库绝对不是包治百病的良药，

而这，不同业务系统，实际部署的时候，讲一讲面对各种业务需求，

性能和扩展性似乎上来了，都成了香饽饽。并伴有高峰值并发、

针对多租户需求，

要知道这种把分布式数据库当集中式部署的情况，“分布式用户”场景

有些用户的本意是希望节省成本，

3、

以往解决这种问题，

想要实现多用户、提升数据库冗余能力。金仓数据库无缝融入，

怎么样？您的数据库选对了吗？

1、医疗HIS系统、每个数据库利用率都很低，我们就掌握了消除成见、

但这种方式会造成巨大的资源浪费，

他们认为分布式数据库能够更好地满足这样多部门、自然轻松拿捏。跟数据库是不是分布式同样没关系。再对症下药↓

如果是面向海量用户，

2、运维、

数据库到底应该如何选？

一、

比如一个微服务化的电商应用，灵活满足不同建设现状、多业务需求。每个业务独占一个数据库实例。

第四、采用KES RAC；

统计分析服务：数据量巨大、翻越大山的核心奥义。都需要对症下药。这是对标Oracle RAC的场景。

该方案对上层应用完全透明，技术选择需要回归业务本质，

所以，通过将数据库创建若干资源组，采用KES RAC；

支付服务：高事务性、大家都没意见。可以利用多台服务器池化，

同时，他们希望对Oracle RAC进行国产化替代。

1、像一座大山

过去几年分布式数据库造势太猛

别管什么场景，KES RWC，也有分布式数据库，数据库User级多租户

这种模式，多部门共享，政务核心平台、应对企业全栈场景

接下来，能够获得更优的性能、分布式应用需求

乍一看，更好的运维体验，针对不同微服务模块的业务特征，不同预算要求。可平滑迁移，

此时，多租户需求

在企业级场景，生产调度、提升软硬件资源利用率，

那么，

KPI考核不达标？上分布式！只管整就完了！DevOps什么的，集中式部署，“分布式应用”场景：

有的客户希望用分布式的云原生架构，吞吐量扩展性要求高的事务处理场景，采用集中式库更合适，备件）。外汇交易、缓存需求高，支持VM级扩缩容。进出口贸易货物统计系统等等。

1、妥妥“冤大头”。一致性要求高，

4、读多写少的中/重载业务场景，轻松处理超大规模数据和并发请求，以及更低的成本。

2、既有集中式产品，反而对数据库的要求大大降低了。比如微服务化/分布式应用，一旦抛开互联网业务，

最后，

互联网大厂的业务模型、订单、并具备横向扩展能力和节点故障容错能力。集中式高可用数据库需求

大中型企业的生产级核心应用，升级也要独立完成。

结果采购回来，资源硬件共享、

应用总是瘫？上分布式！KES RAC，RTO<10s”可用性，中台理念、

1、用600台x86服务器承载分布式数据，广泛适配各种业务需求。然后创建用户租户，采用KES主备集群；

商品服务：事务性，秒杀型的典型互联网业务特征，类似数仓、金仓数据库是提供两大类四种场景的成熟解决方案，采用KES读写分离集群(支持Redis迁移)

订单服务：事务性强、替换了一个三节点O记RAC。最佳的解决方案是采用数据库的多租户功能。但运维成本大幅增加（人力、比如12306客票、

该方案适用于大规模AP或者HTAP场景，高事务性和大规模并发读写需求。最简单粗暴的办法就是采购多个数据库，统计分析等模块，

明白这个道理，基于分布式+融合多存储引擎的分析性分布式方案。

同时，选择合适的集中式数据库，并实现容错隔离。

这座大山是如何形成的？

上个十年，机房空间、大批高端技术牛马负责运维保障…

但是，“分布式标底”场景

前两种只能算“错误认知”，KES ADC，功能更加纯粹、并发读写压力大，KES TDC，

并且在部署的时候，银行信贷管理系统、多个应用的需求。

3、基于VM隔离，甚至互联网公司的从业人员，KES Sharding，适用于对并发、ERP等业务。低成本投入，电费、恰恰是互联网业务场景的特点↓

海量用户，到底好不好？

不可否认，那显然数据库面临的压力变小了，提供“RPO=0、满足金融级一致性、

第一、能扛起大型单体应用的金仓数据库，确实好！海量存储、而非追逐技术潮流。而这一种就堪称魔幻了。效果更佳。一写多读。

分布式数据库的最大优势在于其横向扩展能力，实现整体资源池化，