无感平滑迁移：海量高并发数据库如何进行国产化改造？

首先，讲一下数据库国产化的大背景。

一、数据库国产化的背景

国家战略方面的，随着外部形势的日益复杂，核心技术急需实现自主可控、安全可靠、高效开放；另一个要求是业务方面的，当业务高速发展后各种问题会接踵而至，单机数据库达到瓶颈，业务拆分、垂直拆分、水平拆分等，都需要花费大量的研发时间。

二、主流的数据库架构

首先和大家分享一下目前主流的数据库架构。目前业内主流的数据库架构大体分为三类：Shared-Everything、Shared-Nothing，Shared-Storage。

• Shared-Everything

这一种架构可能大家都比较熟悉，是很经典的一个架构，主机上的所有进程共享CPU、内存、IO，任意一个硬件达到了瓶颈，也就意味着数据库达到了瓶颈。

• Shared-Nothing

这里可以再细分出两个架构，一种是基于 Proxy 的架构，这个架构由传统的单机数据库演变而来，当我们单机数据库达到瓶颈以后，我们再往上加一层 Proxy，通过 Proxy 把我们的数据打散到不同的节点上，以此来解决数据扩展性问题；另一种 Shared-Nothing 架构，是目前在国内比较火的像 TiDB、OB 这样的数据库。

• Shared-Storage

这种架构在业内比较有名的是的 Aurora，还有目前在国内也比较火的阿里的 PolarDB。

首先，先详细介绍一下 Shared-Everything 架构。这个架构可能大家都比较熟悉，它是一种传统的单机数据库架构，当我们的数据库达到瓶颈以后，我们通常会采用各种各样的方式把我们的数据打散到各个 set 里面去，以此来解决数据库当地容量上限的问题。

有很多公司会通过这种方式来实现，把应用层、接入层、网关层都根据同样的分片逻辑，把数据整合到一个 set 里面，从而实现数据在 set 里面的闭环。通过这样的一套架构能做非常多有意思的事情。比如一些全链路在线的压测，因为数据已经在一个 set 里面不闭环了，如果我在一个测试 set 里面做数据压测，它不会污染到线上真实的数据，还可以做一些向线上的灰度引流、灰度发版等。

Shared-Storage 架构中，目前在国外做得特别好的是 AWS 的Aurora，在国内做得比较好的是阿里的 PolarDB。因为它对数据库研发投入非常高，同时需要依托底层一个非常强大的底座，所以一开始这些数据库推出来之后，像 Aurora 至今都是只支持在云上部署。