深入解析actiontech dble的读写分离功能
2025-06-20 16:11:37作者:蔡怀权
读写分离概述
actiontech dble作为一款分布式数据库中间件,从3.20.10.0版本开始支持纯粹的读写分离功能,可以与分库分表功能分开独立使用。这意味着用户可以根据业务需求灵活选择是否启用分库分表功能,而单独使用读写分离能力。
配置详解
纯读写分离配置
要启用dble的读写分离功能,只需在user.xml文件中配置rwSplitUser并指定对应的dbGroup即可。配置示例如下:
<dble:user xmlns:dble="http://dble.cloud/" version="4.0">
<managerUser name="man1" password="654321" maxCon="100"/>
<shardingUser name="root" password="123456" schemas="testdb" readOnly="false" maxCon="20"/>
<rwSplitUser name="rwsu1" password="123456" dbGroup="rwGroup" maxCon="20"/>
</dble:user>
关键配置要点:
- 当不配置shardingUser时,dble不会加载sharding.xml配置文件,即不启用分库分表功能
- 同时启用读写分离和分库分表时,两者引用的dbGroup必须相互独立
- 多个rwSplitUser可以共享同一个dbGroup
- 只有被实际使用的dbGroup中的instance才会初始化连接池
分库分表中的读写分离配置
在分库分表场景下启用读写分离,只需正确配置db.xml和sharding.xml文件即可,无需额外配置。
负载均衡机制
dble通过配置多个dbInstance为读操作提供负载均衡能力,其核心逻辑分为两个部分:
可用实例集确定算法
-
主节点(primary="true")可用时:
- 根据rwSplitMode配置决定主节点是否参与读负载
- 从节点需满足心跳正常且主从延迟在阈值内
-
主节点不可用时:
- 仅检查从节点是否可用
负载均衡选择算法
- 实例集为空时直接报错
- 实例集非空时:
- 优先根据readWeight权重配置进行加权随机选择
- 无权重配置或权重相等时进行等权随机选择
rwSplitMode参数说明: 该参数决定了主节点是否参与读负载均衡,具体行为如下:
- 0:主节点不参与读负载
- 1:主节点参与读负载
- 2:主节点优先参与读负载
支持语句类型
纯读写分离场景
支持以下语句类型:
- DDL语句
- DML语句
- Prepared Statement协议
- 函数和存储过程调用
分库分表场景
仅支持SELECT和SHOW语句进行负载均衡
功能限制与注意事项
- 解析器限制:不支持SET语句中存在特殊字符
- 事务限制:不支持SET TRANSACTION READ WRITE语句
- 变量处理:SELECT...INTO或LOAD DATA中的用户变量可能无法正确传递
- 临时表:创建临时表后所有语句都会发往主节点
- 隔离级别:读写分离可能打破原有隔离级别语义
- 多语句执行:允许执行多语句时,所有语句都会发往主节点
高级特性
后端实例粘滞性
为解决主从延迟导致的"写完立刻读"问题,dble提供了rwStickyTime参数:
- 执行读SQL时,若距离上次写SQL的时间小于rwStickyTime,则该读SQL会发往主节点
- Hint SQL不参与粘滞性判断
- 粘滞性功能优先级高于rwSplitMode配置
本地读优化
为优化读性能,dble支持本地读优先策略:
-
配置要求:
- 在bootstrap.cnf中配置district参数
- 在dbInstance中配置匹配的dbDistrict参数
-
匹配优先级:
- 优先选择district和dataCenter都匹配的实例
- 其次选择仅district匹配的实例
- 最后选择其他可用实例
-
注意事项:
- 仅对SELECT语句生效
- rwSplitMode配置具有更高优先级
- Hint语句按指定方式执行
最佳实践建议
- 对于读写分离场景,建议将rwSplitMode设置为2(主节点优先参与读负载)
- 根据业务容忍的主从延迟设置合理的delayThreshold
- 对于"写后读"敏感业务,配置适当的rwStickyTime值
- 在有地域分布的场景下启用本地读优化,减少网络延迟
- 避免在读写分离环境下使用临时表
通过合理配置这些功能,可以充分发挥dble读写分离的优势,在保证数据一致性的同时提升系统整体性能。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.88 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
311
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1