分布式数据库架构分为三层：存储层负责数据分片与复制，保障可靠性；计算层处理分布式查询与事务，实现计算扩展；协调层管理节点通信与一致性协议，确保全局
存储层：数据分片与副本管理
核心功能
- 数据分片（Sharding）：将海量数据按规则拆分为多个子集，分散存储在不同节点，提升并行处理能力。
- 副本机制：通过数据复制实现高可用，常见策略包括主从复制（异步/半同步）和多主复制（如Paxos/Raft协议）。
- 持久化存储：依赖本地存储引擎（如LSM-Tree、B+树）确保数据可靠写入和高效查询。
关键技术
| 技术点 | 实现方式 | 挑战 |
| 分片策略 | 哈希分片（均匀分布）、范围分片（连续数据）、目录分片（自定义规则） | 热点数据倾斜、跨分片事务处理 |
| 副本同步 | 异步复制（低延迟但弱一致性）、半同步复制（折中）、同步复制（强一致性但高延迟） | 网络分区容忍与一致性平衡 |
| 存储引擎 | Log-Structured Merge Tree（LSM）、列式存储（压缩效率高） | 写放大效应、读放大问题 |
典型场景
- OLAP场景：采用列式存储优化分析查询，结合范围分片支持时间序列数据。
- OLTP场景：使用哈希分片均匀分布负载，主从复制保障读写分离。
计算层：分布式查询与事务处理
核心功能
- 查询优化与执行：将SQL解析为分布式执行计划，优化数据节点间的数据流动。
- 分布式事务管理：保证跨分片操作的ACID特性，依赖两阶段提交（2PC）或Tary（TCC）协议。
- 容错与恢复：通过冗余计算和日志记录实现故障切换。
关键技术
| 技术点 | 实现方式 | 挑战 |
| 查询优化 | 代价模型（统计信息收集）、基于规则的优化（谓词下推） | 跨分片Join的复杂度 |
| 分布式事务 | 2PC（阻塞式）、TCC（补偿机制）、Raft-based协议（如Spanner的TrueTime） | 性能损耗与一致性分级 |
| 执行引擎 | 火山模型（迭代器）、向量化执行（批处理） | 网络传输与本地计算的平衡 |
典型问题
- 跨分片事务：例如银行转账需更新两个分片，需解决分布式锁与一致性冲突。
- 全局排序与聚合：如
ORDER BY需跨分片收集数据，可能引发木桶效应。
协调层：元数据管理与一致性保障
核心功能
- 元数据管理：维护分片路由表、节点状态、副本映射关系。
- 分布式协调：通过共识算法（如Raft）选举主节点，管理分布式锁和配置更新。
- 一致性协议：确保元数据变更的全局一致性，避免脑裂问题。
关键技术
| 技术点 | 实现方式 | 挑战 |
| 元数据存储 | ETCD/Consul（键值存储）、ZooKeeper（临时节点） | 动态扩缩容时的数据迁移 |
| 共识算法 | Raft（多数派决策）、Paxos（复杂但高可靠） | 网络延迟与节点故障恢复 |
| 路由策略 | 客户端缓存路由表、代理层动态路由（如DNS解析） | 路由表实时性与缓存失效 |
典型场景
- 节点故障恢复：协调层检测到节点宕机后，触发副本重新分配和数据迁移。
- 扩缩容操作：通过元数据更新分片路由，实现数据自动平衡。
三层架构协同关系
| 层次 | 职责 | 依赖关系 |
| 存储层 | 数据物理存储与副本管理 | 为计算层提供数据读写接口 |
| 计算层 | 查询执行与事务处理 | 依赖协调层的元数据进行路由决策 |
| 协调层 | 全局一致性与资源管理 | 监控存储层状态，驱动计算层调度 |
FAQs
Q1：如何选择合适的数据分片策略？
- 场景匹配：哈希分片适合均匀分布的数据（如用户ID），范围分片适合时间序或连续查询（如订单时间）。
- 评估倾斜：热点数据需结合混合分片（如哈希+范围）或动态调整分片键。
- 扩展性：范围分片易扩容，但可能引发迁移开销；哈希分片需预规划容量。
Q2：分布式事务的一致性如何保障？
- 强一致性方案：使用2PC或Raft协议，但牺牲部分性能（如Spanner的TrueTime）。
- 最终一致性方案：采用Base理论，通过补偿机制或幂等设计降低一致性要求（如电商库存扣减）。
- 分级处理：核心业务（如支付）强一致，非核心业务（
