应用程序最初并不是为了处理高流量而设计的。这就是为什么随着用户基数的增长，系统会经历显著的瓶颈。

最常见的瓶颈罪魁祸首是数据库。

在扩展系统时，专注于数据库的解决方案往往是最容易采取的措施。

在我们深入探讨扩展数据库的最佳选项之前，重要的是要注意，系统不应该过早地进行优化。这是因为扩展解决方案往往会引入以下复杂性：

• 系统变得更加复杂，涉及更多的部分和变量。
• 添加新功能所需的时间变长，因为需要考虑更多的组件。
• 随着需要适应更多边缘情况，代码可能更难测试。
• 发现和解决错误变得更加复杂。

为了交付一个性能合理的系统，以下五种数据库扩展技术值得考虑。

缓存数据库查询#

缓存数据库查询是你可以对数据库负载进行的最简单的改进之一。通常，一个应用程序会有少数几个查询构成了请求的大多数。

与其每次都通过网络往返获取数据，不如简单地在网络服务器上的内存中缓存它。

第一个请求将从数据库获取数据并在服务器上缓存结果，未来的请求只需从缓存中读取。这样可以提高性能，因为数据在网络中的传输时间减少了，而且更接近客户端。

数据库索引#

数据库索引是一种提高数据库表数据检索操作速度的技术。索引用于快速定位数据，而无需每次访问表时都搜索表中的每一行。

根据表中的行数，这可以为使用索引列的查询节省大量时间。

移动会话数据#

许多应用程序在 cookie 中保存会话 ID，实际的会话数据则保存在数据库表中。这给数据库带来了很大的负载。一种替代方案是将会话数据转移到像 Redis 或 Memcached 这样的内存缓存中。虽然这提高了访问速度，但如果缓存宕机，数据可能会丢失。另一种方法是使用 JWT，它允许你直接在 cookie 中存储会话详情，减少了服务器端会话的依赖，但它也有自己的一套问题。

数据库读取复制#

如果在缓存常见查询、创建高效索引和处理会话存储之后，数据库仍然承受着过多的读取负载，复制可能是下一个最佳解决方案。

通过读取复制，一个主数据库处理写入操作，而几个副本（在不同的机器上）处理读取操作。这种设置提高了写入性能，分散了读取负载，并通过在不同地区放置副本来优化读取速度。然而，可能会存在数据不一致性，因为写入的数据传播到副本需要时间。对于实时更新，比如立即渲染个人资料，你可以从主数据库读取。尽管读取复制提供了强大的扩展优势，但它也有复杂性。在尝试更简单的解决方案后，再考虑这种方法。

数据库分片#

大多数扩展方法都集中在管理数据库读取上。数据库分片旨在通过将主数据库分割成更快、更易管理的“分片”来解决读取和写入问题。

有两种分片技术可用：水平和垂直。水平分片将表分布在不同的机器上，这些机器具有相同的列但唯一的行。垂直分片将一个表分割成不同的表，分布在不同的机器上，每个表都有唯一的行和列。

分片提高了查询速度，并增强了系统对故障的抵抗力。在分片设置中，通常只有一个分片受到影响，而不是整个系统。

尽管分片提供了显著的好处，但它增加了很多复杂性，这意味着高昂的设置和维护成本。在其他扩展解决方案都已耗尽后，应考虑分片。

数据管理系统在不断发展和增长，开辟了其他扩展数据库的技术。尽管有许多替代方案，但上述五种技术将继续是适用于现在和未来大多数用例的强大技术。

Citations: [1] https://www.mongodb.com/basics/scaling [2] https://www.freecodecamp.org/news/understanding-database-scaling-patterns/ [3] https://www.codecademy.com/article/database-scaling-strategies [4] https://thenewstack.io/techniques-for-scaling-applications-with-a-database/ [5] https://realscale.cloud66.com/database-server-scaling-strategies/