欢迎来到天天文库
浏览记录
ID:48346557
大小:201.14 KB
页数:9页
时间:2019-05-30
《Moebius For SQL Server负载均衡集群解决方案》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、Moebius集群解决方案 在数据库上采用向外扩展的架构并不是没有难度的,如何在数据库上构建负载均衡集群,如何用低消耗保证集群中各节点数据的实时同步?能否解决这一个问题成为集群应用成功的关键。 Moebius核心理念和价值恰恰就在此处,核心程序宿主在SQLServer内部,监测数据的变化,同时还要解析引起数据变化的SQL语句的类型及其特点,经智能分析后,以最经济的方式完成与其他节点的数据同步。解决方案一:评价:此一解决方案,集群不是instance-level的,应该是通过client的DPlayer增加dispatcher来实现的,然后在两个宿主DB
2、instance之间进行同步。“数据同步完成后客户端才会得到响应”,这样的performance和原来比较是什么样的?例如:client的写请求被dispatch到node1,因为没有sharedstorage,node1写完之后将同步到node2,node2同样要处理这些写请求,其实并没有loadbalance,而是loadduplicate。当然,对于读操作,的确是loadbalance了,而实际上是以写操作loadduplicate为代价的。 如果您正在使用或者将要安装使用SQLServerCluster、SQLServer2005Mirror或第三方
3、的HA集群软件实现失败转移,保证数据库的可用性。推荐您阅读解决方案一。SQLServerCluster 相对于单点来说MicrosoftClusterServer(MSCS)是一个可以提升可用性的技术,Microsoft称之为故障转移集群。 从硬件连接上看,很像Oracle的RAC,两个节点,通过网络连接,共享磁盘;事实上SQLServer数据库只运行在一个节点上,当出现故障时,另一个节点只是作为这个节点的备份: 1.因为始终只有一个节点在运行,在性能上也得不到提升,系统也就不具备扩展的能力。 2.当现有的机器不能满足应用的负载时只
4、能更换更高配置的机器。 3.对于一个小型的应用来说,使用一个共享设备和一个在正常情况下用不到的机器, 总体成本的浪费还是很严重的。 从细节上讲,当一个节点出现故障的时候,另一个节点接管业务又是需要一定的步骤和时间。SQLServer2005Mirror 镜像是SQLServer2005中的一个主要特点,目的是为了提高可用性。每个数据库镜像配置均包含一个主体服务器(包含主体数据库)、一个镜像服务器(包含镜像数据库)和一个见证服务器(可选)。主体服务器和镜像服务器要求是独立的服务器实例。见证服务器监视主体服务器和镜像服务器,确保在给定的
5、时间内这两个故障转移服务器中有且只有一个作为主体服务器,从而支持自动故障转移。 SQLServer2005Mirror在可用性方面有了一些保证,但仍然是单点工作;在扩展和性能的提升上依旧没有什么帮助。Moebius集群解决方案: 采用MoebiusForSQLServer标准版搭建集群,集群中两个数据库是同等地位的,中间件驻留在每个机器的数据库中,监测数据库内数据的变化并将变化的数据同步到其他数据库中。数据同步完成后客户端才会得到响应,同步过程是并发完成的,同步到多个数据库和同步到一个数据库的时间基本相等;另外同步的过程是在事务的环境下完成的
6、,保证了多份数据在任何时刻数据的一致性。 该方案能给您带来以下的益处: 1.在SQLServerCluster中闲置的那台机器被利用上了,不仅能失败转移还能负载均衡,提高了性能。 2.使用无共享磁盘架构,数据存储在每台机器的硬盘中,因此可以节省投资。 3.无共享磁盘架构在日常的维护以及故障时的修复等管理成本比SQLServerCluster要低。 4.可持续发展的架构,方便扩展,随着系统压力的增长只需要添加进新的机器就可以了,不需要升级现 有系统的硬件配置,不需要改动应用程序。解决方案二:评价:此一种解决方案,同样的问题
7、,读操作的loadbalance是以写操作的load翻倍为代价的 如果您现在使用的是基于SQLServer复制/订阅的方案。推荐您阅读解决方案二。 如图,所有的写操作都提交到中心数据库上,然后通过SQLServer的复制/订阅功能把数据复制到其他几个只读的数据库中,这样可以做到读写的分离,并且读可以做到负载均衡。 SQLServer复制/订阅对于性能的提升还是很大的,但是在实际应用中存在以下不足: 1.数据同步的实时性得不到保障,中心数据库在正常的压力下10秒左右。当访问负荷很高或者中心数 据库在整理数据时,将出现大量D
8、ML操作时
此文档下载收益归作者所有