分布式数据库|学习笔记

简介: 快速学习分布式数据库

开发者学堂课程【Java面试疑难点串讲2:分布式数据库】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/25


分布式数据库

严格来讲没有明确的所谓的分布式数据库的概念

有的只是业务中心的概念,既然牵扯到了业务中心,那么就需要对于整个的项目之中的RPC技术的规划。

如果按照传统的开发项目,肯定是要针对于一个数据库实现的开发。

image.png

种操作的最大特征在于:需要进行在一个服务器上实现所有的功能。

如果说现在项目之中假设有十个业务,现在可能有九个业务都是非常不繁忙,三天才有一次操作。

而另外一个业务非常的繁忙。如果说现在有十个业务,这十个业务都非常繁忙,最终的情况就是整体的服务质量就会下降,那么就必须将这些业务的操作单独抽取出来,进行业务中心的搭建。

image.png

在使用RPC技术处理的时候就可以将业务端分离出来,而后通过WEB端实现业务的整合处理操作。

但是这个时候又会出现了问题:你所有的业务可能均分到了十台主机,和十台服务器上。

那么这个时候只有一个WBE端,那么自然无法满足于当前的需求,所以在这样的状态下为了保证WEB端服务正常,就需要使用WBE集群。

image.png

但是在这样的设计下有可能依然无法满足于你大规模的业务访问。那么这个时候就需要继续考虑某一个业务的集群访问。

image.png

但是这样一来依然会出现一个严重的问题,多个数据库之中应该进行数据的同步处理,也有可能某个数据库特别忙碌需要将某一个数据库进行继续拆分。

image.png

如果现在某一个数据库的访问量依然很大,这样的话就必须去考虑对数据库做水平的分库处理机制,让多台数据库去实现同一类业务数据的存储操作。.

同时如果现在有一些非常访问频率很高的数据出现,也肯定不可能去使用SQL数据库,应该去使用缓存数据库来实现,而缓存的数据库之中依然有可能继续进行集群的搭建处理。

这样的架构只适合于进行传统的存在有逻辑关系数据库的存储操作,而如果要是进行一些数据采集处理,那么肯定无法使用此类的设计,还应该继续构建大数据分析系统,而后继续去引用消息组件

相关文章
|
8天前
|
数据采集 人工智能 安全
|
17天前
|
云安全 监控 安全
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
291 164
|
2天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
300 155
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
233 113
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
803 6