数据库（一）：分布式数据库

定义

分布式数据库（Distributed Database） 是指：

数据分布在多个物理位置，但对用户透明，表现为一个统一逻辑数据库的系统。

结构模式（三层模式扩展）

层次	作用	对应实体
用户层	提供统一视图，屏蔽底层节点分布	前端应用、中间件
全局模式	系统级逻辑结构定义，数据如何分布与复制	分布式数据库中间件，如TiDB、OceanBase
局部模式	各个子系统或节点的具体逻辑结构定义	每个节点的局部数据库
物理模式	各节点的实际数据文件和存储方式	存储引擎（如RocksDB、InnoDB）

核心技术与模式分类

数据分片（Sharding）

定义：将数据按某种规则划分到不同节点上。

• 水平分片（Horizontal Partitioning）：
  • 按行划分，例如按用户ID区间划分；
  • 常见于用户量大时。
• 垂直分片（Vertical Partitioning）：
  • 按列划分，例如将用户表的基本信息和敏感信息分开放；
  • 常见于字段多、模块职责分离时。
• 混合分片（Hybrid Partitioning）：
  • 同时按行列进行分片。

常考点：“将用户表按地区分布于不同节点，这是哪种分片？” 答：水平分片

数据复制（Replication）

定义：将同一份数据拷贝存储于多个节点。

• 主从复制（Master-Slave）
  • 一个主节点写，多从节点读；
  • 优点：读性能高；
  • 缺点：写入瓶颈、主节点故障影响大。
• 多主复制（Multi-Master）
  • 多个节点可以同时读写；
  • 优点：高可用；
  • 缺点：一致性难以维护。
• 同步复制 / 异步复制
  • 同步：强一致性，牺牲写性能；
  • 异步：高性能，但存在数据丢失风险。

一致性模型（Consistency Models）

• 强一致性（Strong Consistency）：
  • 所有节点读取到的都是最新数据；
  • 通常需要 Paxos、Raft 等共识协议支持。
• 最终一致性（Eventual Consistency）：
  • 系统经过一段时间后达到一致；
  • 常见于高可用系统（如 DNS、Cassandra）。
• 因果一致性（Causal Consistency）：
  • 保证操作的因果关系顺序；
  • 强于最终一致性，弱于强一致性。

CAP 理论（重点）

元素	含义
C	一致性（Consistency）
A	可用性（Availability）
P	分区容忍性（Partition Tolerance）

CAP 不可同时满足三者，只能同时满足其中两项：

• CP：一致性 + 分区容忍（如 HBase）
• AP：可用性 + 分区容忍（如 Cassandra）
• CA：理论上只能用于单机数据库

典型架构模式

模式类型	描述	示例系统
同构集中式	所有节点结构相同、集中部署	MySQL 主从集群
同构分布式	节点结构相同，分布在不同位置	OceanBase、TiDB
异构分布式	各节点可能使用不同数据库系统	中间件统一封装不同数据库
混合云分布式	云 + 本地的混合数据库部署模式	云数据库 + 本地缓存

查询处理与优化机制

• 全局查询优化器：分析跨节点的SQL执行计划；
• 数据定位服务：确定某个数据在哪个分片或节点；
• 两阶段提交（2PC）/三阶段提交（3PC）：保障分布式事务一致性；
• 分布式事务协调器（如 XA / TCC / SAGA）；