RD：单库数据量太大，数据库扛不住了，我要申请一个数据库从库，读写分离。
DBA：数据量多少？
RD：5000w左右。
DBA：读写吞吐量呢？
RD：读QPS约200，写QPS约30左右。
上周在公司听到两个技术同学讨论，感觉对读写分离解决什么问题没有弄清楚，有些奔溃。
另，对于互联网某些业务场景，并不是很喜欢数据库读写分离架构，一些浅见见文末。
一、读写分离
什么是数据库读写分离？
答：一主多从，读写分离，主动同步，是一种常见的数据库架构，一般来说：
-
主库，提供数据库写服务
-
从库，提供数据库读服务
-
主从之间，通过某种机制同步数据，例如mysql的binlog
一个组从同步集群通常称为一个“分组”。
分组架构究竟解决什么问题？
答：大部分互联网业务读多写少，数据库的读往往***成为性能瓶颈，如果希望：
-
线性提升数据库读性能
-
通过消除读写锁冲突提升数据库写性能
此时可以使用分组架构。
一句话，分组主要解决“数据库读性能瓶颈”问题，在数据库扛不住读的时候，通常读写分离，通过增加从库线性提升系统读性能。
二、水平切分
什么是数据库水平切分？
答：水平切分，也是一种常见的数据库架构，一般来说：
-
每个数据库之间没有数据重合，没有类似binlog同步的关联
-
所有数据并集，组成全部数据
-
会用算法，来完成数据分割，例如“取模”
一个水平切分集群中的每一个数据库，通常称为一个“分片”。
水平切分架构究竟解决什么问题？
答：大部分互联网业务数据量很大，单库容量容易成为瓶颈，如果希望：
-
线性降低单库数据容量
-
线性提升数据库写性能
此时可以使用水平切分架构。
一句话总结，水平切分主要解决“数据库数据量大”问题，在数据库容量扛不住的时候，通常水平切分。
三、为什么不喜欢读写分离
对于互联网大数据量，高并发量，高可用要求高，一致性要求高，前端面向用户的业务场景，如果数据库读写分离：
-
数据库连接池需要区分：读连接池，写连接池
-
如果要保证读高可用，读连接池要实现故障自动转移
-
有潜在的主库从库一致性问题
-
如果面临的是“读性能瓶颈”问题，增加缓存可能来得更直接，更容易一点
-
关于成本，从库的成本比缓存高不少
-
对于云上的架构，以阿里云为例，主库提供高可用服务，从库不提供高可用服务
所以，上述业务场景下，楼主建议使用缓存架构来加强系统读性能，替代数据库主从分离架构。
当然，使用缓存架构的潜在问题：如果缓存挂了，流量全部压到数据库上，数据库会雪崩。不过幸好，云上的缓存一般都提供高可用的服务。
四、总结
-
读写分离，解决“数据库读性能瓶颈”问题
-
水平切分，解决“数据库数据量大”问题
-
对于互联网大数据量，高并发量，高可用要求高，一致性要求高，前端面向用户的业务场景，微服务缓存架构，可能比数据库读写分离架构更合适
