引入 | 图解那些分布式数据库中的dbms
开篇：想必大家都有一个疑问？何为分布式数据库？oltp，olap，htap？它又能够给我们带来什么？
背景：在数据库技术dbms领域，尤其是针对其中很多核心技术组成部分攻关的突破，国产化数据库一直都起着模范带头作用。许多国内互联网公司，包括现在很多成熟的技术框架，数据库都来自于国外。早期，依赖于核心技术的引进，在引进的基础上做上层应用，进而不断迭代。而现在核心技术自研，数据库自研等成了技术攻关的新浪潮。阿里曾一直提出“去ioe”的概念-其中ibm是服务器提供商，oracle是数据库软件提供商，emc则是存储设备提供商。
思考：
1、当使用k8、docker容器化编排技术受到限制，假若oracle、mysql数据存储等数据库软件不再向我们提供正常的服务？
2、在我们的项目工程中，若是没有了这些数据库技术去提供正常的服务，如何能够去及时地采取补救的措施，使得业务能够平滑过渡，做到让用户无感知体验？
3、从传统关系型数据库到非关系型数据库，nosql，newsql再到数据湖，以及兼顾olap跟oltp的各种分布式数据库-htap（混合事务/分析处理），在拥有自己的数据存储m6米乐安卓版下载的解决方案基础之上，现有技术框架体系是否能够较好适配，能否做到更好地兼容？
场景：在现有渠道产品上的适配，推进国产化数据库进程，包括信创自主可控等领域，都值得作为技术人的我们去深思......
诚然，技术多元化是一个趋势，多语言并存，多数据库适配，多环境兼容......
现状：，，架构
目前，在oracle中多个业务库中，数据规模已经非常庞大，mysql中多个业务库，其单表数据量都已超过千万级别，数据每天在不断的增长......
尤其，在许多老旧的项目中，oracle视图数据量非常大，dmp文件数百g，数据存储成本极其昂贵，这里也提供下大数据量的一些数据库导入导出方式（相比较工具导入导出或许速度更快一个数量级）
mysql：
备份数据库命令：
mysqldump -u root -p 数据库名 > /home/user/2021.12.26.sql;只需导出表结构：
mysqldump -u applyun -p -d bi > /home/applyun/bi.sql;数据库迁移导入：
mysql -u root -p 数据库名 < /home/user/2021.12.26.sql;oracle：
数据库迁移导入：
imp yd_dev_tmp/user@ip/orcl file=/home/oracle/xxx.dmp ignore=y full=y;
成功导入数据泵.dmp文件。（其中，可通过su - oracle进入oracle目录，dmp文件可上传到/home/oracle路径）
猜想：
当下的数据库技术体系，正如春秋时期百家争鸣的局面，已然无法像传统关系型数据库那样三足鼎立，各个大厂，尤其是互联网，根据其自身业务需求体系定制化了很多产品，像oceanbase，tidb，vertica，clickhouse，greenplum......
那么，拥有这么多的选择权，是不是意味着学习的成本会不断抬高，我们需要了解扩充的知识面更多？上述仅列举了正在项目中移植预研的几款dbms，更多详情请回顾->
构思：
当我们的业务系统发展到一定规模，不论是累计数据量，亦或用户并发量。早期，通过单体架构进行设计，应付自如，再大就是分库分表，解决数据库单点瓶颈（i/o）。
随着业务持续发展，单机有着明显的单点效应，并且单机的容量跟性能都是极其局限的。
进一步，对某些应用进行水平扩容，渐渐的，虽然各个应用服务器cpu都正常，但是你会发现还是有很多慢请求依然存在，究其缘由-单点数据库性能瓶颈？
更进一步，数据库集群-主从架构，大部分读操作可直接访问从库，减轻主库的负担，但依旧还是无法解决主库写的瓶颈？
接下来，就是上述提到的分库分表，分库分表可作水平拆分-对表进行进一步拆分，垂直拆分-不同功能表放置不同的库，按业务功能进行拆分。
然而，当相同的应用扩展越多，每个数据库的链接数，长久以往必会让数据库本身的资源再度成为瓶颈，简言之，资源隔离性依然不彻底->未形成单元化的雏形。
再谈经典，
google三驾马车，在分布式系统工程实践领域：
《google file system》、《google mapreduce》、
《google bigtable》在很大程度上奠定了业界大规模分布式存储系统的理论基础.
回到cap理论，想必在分布式领域中这个著名的定理都有所耳闻，即c为数据一致性，a 为服务可用性，p为服务对网络分区故障的容错性。
谈及cap，这里暂不详赘，各有各自不同深度层次的见解，但这里需要说明下的就是选择cp的分布式系统，并不代表可用性就完全没有了，比如像我们常用的中间件，为了增加可用性保障，往往提供了分片集群-复制的一些方案。
包括常说的base理论-对cap理论的延伸，核心思想-即使无法做到强一致性（strong consistency），但我们的应用可以采用适合的方式达能够到最终一致性（eventual consitency）。
从上述提到由单点现状->分布式架构演进构思的过程中，出现诸多不同阶段性痛点，想必这也是为什么那么多分布式数据库产品如雨后春笋般不断涌出？
-中国第一款自主研发的分布式数据库（简称ob）
企业级分布式关系数据库
a）数据强一致
b）高可靠
分区-副本机制
c）高性能
paxos协议，在数据强一致的情况下，具有极高的可用性及性能
d）在线扩展
当集群存储容量或是处理能力不足时，可以加入新的observer
e）高度兼容sql标准和主流关系数据库
f）低成本
cpu、操作系统、数据库
如何既兼顾处理tp场景的能力，又具备ap场景的分析能力？
想必htap架构希望打破tp和ap的边界，虽然存在很多技术难关需要攻克，一直在路上，期待oceanbase（ob）一直会有新的突破......
延伸思考：htap（混合事务/分析处理），相比oltp、olap能够给我们带来？oceanbase又是如何支持htap？
在高并发海量数据场景下，是否能让系统中诸多计算节点同时运行oltp类型的应用和复杂的olap类型的应用......
「 往期文章 」
