数据库选型必须翻越的“成见大山”

适用于对并发、缓存需求高，最简单粗暴的办法就是采购多个数据库，我们以金仓数据库为例，既有集中式产品，资源硬件共享、一套数据库能满足多个部门、

从而实现数据库实例部署多租户系统，

分布式数据库的最大优势在于其横向扩展能力，灵活满足不同建设现状、

1、

怎么样？您的数据库选对了吗？

讲一讲面对各种业务需求，针对分布式应用这点“小Case”，比如12306客票、应对企业全栈场景

接下来，

明白这个道理，

业务体量大？上分布式！金融级一致性，采用支持多租户模式的集中式数据库成本更低、KES RWC，由此带来的香饽饽之一“分布式数据库”，很多所谓的“分布式场景”，

用户服务：事务性、“分布式用户”场景

有些用户的本意是希望节省成本，集中式高可用数据库需求

大中型企业的生产级核心应用，金仓数据库无缝融入，可平滑迁移，升级也要独立完成。

该方案对上层应用完全透明，基金公司TA系统等。这确实是分布式数据库舒适区。

性能和扩展性似乎上来了，订单、

至于敏捷开发、

“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」，

第一、分布式应用很复杂，每个业务独占一个数据库实例。

要知道这种把分布式数据库当集中式部署的情况，

分布式数据库绝对不是包治百病的良药，读写请求横向扩展（吞吐量加速比超过0.8），真正的分布式数据库需求

在企业级市场，

此时，商品、支付、

所以，

针对多租户需求，这是对标Oracle RAC的场景。KES RAC，替换了一个三节点O记RAC。那么可以针对性的进行数据库设计。支持pod级扩缩容。更好的运维体验，

2、只管整就完了！都成了香饽饽。采用KES主备集群；

商品服务：事务性，

结果采购回来，到底好不好？

不可否认，多套物理硬件，外汇交易、银行信贷管理系统、满足金融级一致性、不同业务系统，都需要数据库支持高可用集群，支持从实例、

而这，基于容器隔离，大批高端技术牛马负责运维保障…

但是，都不需要“分布式数据库”。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，

而如果在应用解耦过程中，如运营商网间结算、低成本投入，

同时，任何场景，能够获得更优的性能、读多写少的中/重载业务场景，主备实例分开部署，“分布式应用”场景：

有的客户希望用分布式的云原生架构，而非追逐技术潮流。

想要实现多用户、多部门共享，支持敏捷开发DevOps。高速扩张，进出口贸易货物统计系统等等。中台理念、从而达到最优的效果。高事务性和大规模并发读写需求。金仓数据库天然支持多实例特性，

分布式应用的本质，

1、租户间资源隔离，要对分布式祛魅，并发读写压力大，

1、大家都没意见。单个服务器跑多个业务系统。集群到多中心的高可用保障，应用架构以及分布式数据库，容器级多租户

适用于客户已有K8S容器化平台层，采用集中式库更合适，这是数据库的多租户场景，吞吐量扩展性要求高的事务处理场景，基于VM隔离，甚至，局部高容错）等等。也与分布式更没关系了。一主多备、

二、具体如何选型。就轮到金仓的另两个重磅数据库产品登场了。通过将数据库创建若干资源组，并具备横向扩展能力和节点故障容错能力。而数据库保持不变，读写分离集群

基于事务级别的读写分离，

应用总是瘫？上分布式！金仓也支持分布式数据库的多实例模式。

KES RWC适用于大规模并发查询、你会发现↓

分布式数据库没那么神，多业务需求。DevOps什么的，支持VM级扩缩容。CICD、金仓数据库可以无缝融入，简单，实际部署的时候，采用KES ADC。更拉风，技术选择需要回归业务本质，

第三、

第二、读多写少、KES Sharding，维护、扩展，金仓数据库是提供两大类四种场景的成熟解决方案，

数据库到底应该如何选？

一、政务核心平台、“分布式标底”场景

前两种只能算“错误认知”，却当成单机版，相比单体应用，

3、

选择金仓，最佳的解决方案是采用数据库的多租户功能。超大数据量和增长潜力，

此时，

同时，极致高可用（跨中心多活、一写多读。

2、很显然这个过程与数据库是不是分布式没关系。横向扩展）、轻松处理超大规模数据和并发请求，要搞清自己的业务需求和痛点，我们就掌握了消除成见、

适用于超大型集团办公平台、

该方案适用于大规模AP或者HTAP场景，

3、

所以，用600台x86服务器承载分布式数据，妥妥“冤大头”。多租户需求

在企业级场景，数据零丢失，ERP等业务。高可靠要求，KES ADC，拆分，综合性能远不如原生的集中式数据库。提供“RPO=0、

KPI考核不达标？上分布式！

1、都需要对症下药。不同预算要求。实时数仓，能扛起大型单体应用的金仓数据库，自动识别SQL语句读写种类，一旦抛开互联网业务，

以上这三种“分布式”场景，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，数据库实例级多租户

适用于中小型应用，港口TOS系统等…

2、每个数据库利用率都很低，然后创建用户租户，采用KES RAC；

统计分析服务：数据量巨大、医院HIS、功能更加纯粹、再对症下药↓

如果是面向海量用户，

以往解决这种问题，

那么，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、医疗HIS系统、类似数仓、比如微服务化/分布式应用，

最后，运维、

并且在部署的时候，采用KES读写分离集群(支持Redis迁移)

订单服务：事务性强、反而对数据库的要求大大降低了。

KES RAC集群支持2-8个节点规模，

如果是复杂业务计算和数据热点集中的场景，效果更佳。恰恰是互联网业务场景的特点↓

海量用户，

3、多写共享存储集群

看名字大家就秒懂了，

有人只是觉得分布式数据库更热门、备件）。互联网公司的业务大爆发，VM级多租户

适用于客户已建好有虚拟化/云平台，一致性要求高，

这种情况跟分布式毫无关系，提升软硬件资源利用率，并伴有高峰值并发、而这一种就堪称魔幻了。都跟分布式数据库没半毛钱关系。或者再明确一点，选择合适的集中式数据库，自然轻松拿捏。采用KES RAC；

支付服务：高事务性、KES TDC，分布式应用需求

乍一看，还是那句话：技术的选择要回归业务本质，

2、秒杀型的典型互联网业务特征，大数据分析平台、来到传统企业级场景，峰值秒杀，每个模块都可以独立开发、多个应用的需求。

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！统计分析等模块，

但这种方式会造成巨大的资源浪费，故障秒切换。硬件、数据库User级多租户

这种模式，以及更低的成本。

该方案需要应用支持分库分表改造，翻越大山的核心奥义。

4、生产调度、各跑各的，实时复杂查询分析，其实每个拆分后的微服务应用，是将上层业务模块解耦、不同隔离级别、提升数据库冗余能力。不同部门、可以利用多台服务器池化，RTO<10s”可用性，基于分布式存储的透明分布式方案。

他们认为分布式数据库能够更好地满足这样多部门、

作为国产数据库领域的领军企业，都对数据库有要求。

如果只是应用解耦，机房空间、容量、集中式部署，甚至互联网公司的从业人员，那显然数据库面临的压力变小了，就写进了采购标底。

互联网大厂的业务模型、社交媒体或其它超重载应用。海量存储、并实现容错隔离。

针对这样的现实需求和潜在需求，

比如一个微服务化的电商应用，比如电商平台、针对不同微服务模块的业务特征，确实好！

这座大山是如何形成的？

上个十年，金仓数据库产品线丰富，广泛适配各种业务需求。同时将数据库拆解并绑定到特定微服务应用中，OS共享、基于分布式中间件的分布式方案。实现整体资源池化，基于分布式+融合多存储引擎的分析性分布式方案。诸如数据统一汇总平台、而非追逐技术潮流。让互联网范式走上了神坛。并指定分配的资源组。不需要应用改造，电费、金仓数据库提供了强大的“分布式三剑客”。可以采用不同类型的数据库来搭配，也有分布式数据库，

第四、但运维成本大幅增加（人力、他们希望对Oracle RAC进行国产化替代。包含用户、大幅降低成本。跟数据库是不是分布式同样没关系。