{"id":47110,"date":"2022-11-14T12:41:35","date_gmt":"2022-11-14T12:41:35","guid":{"rendered":"https:\/\/kinsta.com\/se\/?p=47110&preview=true&preview_id=47110"},"modified":"2023-09-21T09:52:11","modified_gmt":"2023-09-21T09:52:11","slug":"databas-sharding","status":"publish","type":"post","link":"https:\/\/kinsta.com\/se\/blog\/databas-sharding\/","title":{"rendered":"En grundbok f\u00f6r att f\u00f6rst\u00e5 databas-sharding"},"content":{"rendered":"

Att skapa en webbplats \u00e4r det f\u00f6rsta steget i byggandet av en n\u00e4rvaro p\u00e5 Internet. F\u00f6r att lyckas p\u00e5 l\u00e4ngre sikt s\u00e5 m\u00e5ste du \u00e4ven se till att din webbplats kan anpassas f\u00f6r att klara av att v\u00e4xa. Ett av de f\u00f6rsta stegen \u00e4r att implementera en databas som kan skalas med dig. Annars s\u00e5 riskerar du att drabbas av l\u00e5ngsamma s\u00f6kresultat och databasavbrott.<\/p>\n

I det h\u00e4r inl\u00e4gget s\u00e5 diskuterar vi hur du kan anv\u00e4nda databas-sharding f\u00f6r att uppn\u00e5 h\u00f6g skalbarhet och tillg\u00e4nglighet f\u00f6r dina data. Vi kommer \u00e4ven att ber\u00f6ra nackdelarna med sharding och de olika sharding-arkitekturerna som du kan anv\u00e4nda.<\/p>\n

<\/div><\/kinsta-auto-toc>\n

Vad \u00e4r databas-sharding?<\/h2>\n

Sharding \u00e4r en optimeringsteknik som distribuerar tabeller \u00f6ver andra databasservrar. Det p\u00e5minner om partitionering i den meningen att b\u00e5da inneb\u00e4r att data delas upp i mindre delm\u00e4ngder. Skillnaden \u00e4r att sharding distribuerar dessa delm\u00e4ngder till olika servrar medan partitionering lagrar dem i en och samma databas. Dessa servrar anv\u00e4nder samma databasmotor och h\u00e5rdvarutyp f\u00f6r att uppn\u00e5 en liknande prestandaniv\u00e5 f\u00f6r alla shards.<\/p>\n

Sharding syftar till att \u00e5stadkomma en arkitektur som inte delar n\u00e5got, vilket eliminerar flaskhalsar i bearbetningen och enstaka felpunkter.<\/p>\n

\"Ett
Ett exempel p\u00e5 sharding. (Bildk\u00e4lla: Analytics Vidhya<\/a>)<\/figcaption><\/figure>\n

Du kan implementera sharding p\u00e5 tv\u00e5 s\u00e4tt – horisontellt<\/a> och vertikalt. Horisontell sharding delar upp tabellen utifr\u00e5n rader, medan vertikal sharding delar upp tabellerna utifr\u00e5n kolumner.<\/p>\n

I det h\u00e4r avseendet s\u00e5 \u00e4r sharding som partitionering, som delar upp stora tabeller i mindre tabeller.<\/p>\n

Horisontell sharding \u00e4r effektivt f\u00f6r databaser d\u00e4r de flesta fr\u00e5gor returnerar en delm\u00e4ngd av rader. Detta kan exempelvis vara en kunddatabas som returnerar data (som namn, adress, e-post och s\u00e5 vidare) p\u00e5 samma g\u00e5ng.<\/p>\n

Vertikal sharding \u00e4r effektiv f\u00f6r databaser d\u00e4r f\u00f6rfr\u00e5gningar returnerar enstaka kolumner. Om kunddatabasen exempelvis returnerar kundens namn eller e-post separat s\u00e5 kan du separera namn och e-post i olika kluster.<\/p>\n

F\u00f6rdelar med databas-sharding<\/h2>\n

Nedan f\u00f6ljer n\u00e5gra av f\u00f6rdelarna med databas-sharding.<\/p>\n

F\u00f6rb\u00e4ttrad horisontell skalning<\/h3>\n

Du kan skala din databas vertikalt eller horisontellt. Vertikal skalning inneb\u00e4r att man l\u00e4gger till fler centrala processorenheter (CPU) och RAM-minne (Random Access Memory) till servern f\u00f6r att f\u00f6rb\u00e4ttra prestandan. Vertikal skalning \u00e4r en bra l\u00f6sning f\u00f6r sm\u00e5 och medelstora databaser. N\u00e4r data v\u00e4xer blir vertikal skalning dock ogenomf\u00f6rbar. Det finns endast en viss m\u00e4ngd kraft som du kan l\u00e4gga till i en enda server.<\/p>\n

Horisontell skalning \u00e4r mer flexibel. Den g\u00f6r att du kan skala din databas efter behov genom att l\u00e4gga till fler servrar i systemet. Var och en av dessa servrar tillhandah\u00e5ller resurser till olika databasdelar. Detta f\u00f6rdelar arbetsbelastningen och f\u00f6rb\u00e4ttrar systemets f\u00f6rm\u00e5ga att hantera fler f\u00f6rfr\u00e5gningar.<\/p>\n

Snabbare svarstider f\u00f6r f\u00f6rfr\u00e5gningar<\/h3>\n

Shards har endast ett f\u00e5tal rader och kolumner. Tack vare detta s\u00e5 tar det mindre tid att bearbeta databasfr\u00e5gor<\/a>. En f\u00f6rfr\u00e5gan i en icke-omvandlad databas kan kr\u00e4va en s\u00f6kning genom hundratals – eller till och med tusentals – rader.<\/p>\n

\u00d6kad tillf\u00f6rlitlighet vid avbrottssituationer<\/h3>\n

Databasavbrott intr\u00e4ffar av olika anledningar. Dett kan exempelvis ske genom oavsiktlig radering av data, anslutningsfel och cybers\u00e4kerhetsattacker. Sharding minimerar effekterna av avbrott. Eftersom varje shard \u00e4r sj\u00e4lvst\u00e4ndig s\u00e5 \u00e4r det bara den ber\u00f6rda sharden som drabbas av driftstopp. Om du exempelvis har fyra shards och ett av dem drabbas av ett avbrott s\u00e5 kommer endast 25 procent av verksamheten att p\u00e5verkas.<\/p>\n

Nackdelar med Sharding<\/h2>\n

\u00c4ven om sharding f\u00f6rb\u00e4ttrar databasens tillf\u00f6rlitlighet och tillg\u00e4nglighet s\u00e5 \u00e4r det komplicerat att implementera detta<\/a>. Om man anv\u00e4nder fel sharding-arkitektur s\u00e5 kan det s\u00e4nka prestandan och leda till dataf\u00f6rluster.<\/p>\n

Var noga med att v\u00e4lja en sharding-teknik som till\u00e5ter en balanserad dataf\u00f6rdelning \u00f6ver alla shards. Utan denna balans s\u00e5 riskerar du att skapa databas-hotspots, vilket sker n\u00e4r en enda shard lagrar mest data medan andra shards f\u00f6rblir praktiskt taget tomma. Detta minskar skrivgenomstr\u00f6mningen till den enskilda sharden.<\/p>\n

F\u00f6r att l\u00f6sa detta s\u00e5 kan du partitionera den obalanserade sharden ytterligare, men den processen \u00e4r utmanande och kan ta ner databasen medan du migrerar din data.<\/p>\n

En annan nackdel med sharding \u00e4r att SQL joins som involverar flera tabeller i olika shards kan bli f\u00f6r l\u00e5ngsamma och f\u00f6rs\u00e4mra prestandan. Med r\u00e4tt arkitektur s\u00e5 kan du dock undvika detta problem.<\/p>\n

Arkitekturer f\u00f6r sharding<\/h2>\n

Du kan implementera sharding med hj\u00e4lp av tre arkitekturer:<\/p>\n