大数据：海量数据的存储方案及其对应的高并发解决方案

---

一.结构化数据的存储

随着互联网应用的广泛普及，海量数据的存储和访问成为了系统设计的瓶颈问题。对于一个大型的互联网应用，每天几十亿的PV无疑对数据库造成了相当高的负载。对于系统的稳定性和扩展性造成了极大的问题。

• 水平切分数据库，可以降低单台机器的负载，同时最大限度的降低了了宕机造成的损失。
• 通过负载均衡策略，有效的降低了单台机器的访问负载，降低了宕机的可能性；
• 通过集群方案，解决了数据库宕机带来的单点数据库不能访问的问题；
• 通过读写分离策略更是最大限度了提高了应用中读取（Read）数据的速度和并发量。

1、what?什么是数据切分

通过一系列的切分规则将数据水平分布到不同的DB或table中，在通过相应的DB路由或者 table路由规则找到需要查询的具体的DB或者table，以进行Query操作。这里所说的“sharding”通常是指“水平切分”。具体将有什么样的切分方式呢和路由方式呢？接下来举个简单的例子：我们针对一个Blog应用中的日志来说明，比如日志文章（article）表有如下字段：

article_id(int)