!--NEWSZW_HZH_BEGIN--
第1章 引言
随着互联网应用的普遍普及，海量数据的存储和拜访成了体系设计的瓶颈问题。对一个大型的互联网应用，每天几十亿的PV无疑对数据库造成了相当高的负载。对体系的稳固性和扩大性造成了极大的问题。通过数据切分来进步网站性状，横向扩大数据层已成为架构研发人员首选的方法。程度切分数据库，可以下降单台机器的负载，同时最大限度的下降了了宕机酿成的丧失。通过负载均衡策略，有效的下降了单台机器的拜访负载，下降了宕机的可能性；通过集群计划，解决了数据库宕机带来的单点数据库不能拜访的问题；通过读写分别策略更是最大限度了进步了应用中读取（Read）数据的速度和并发量。目前国内的大型互联网应用中，大批的采取了这样的数据切分计划，Taobao,Alibaba,Tencent，它们大都实现了自己的散布式数据拜访层（DDAL）。以实现方法和实现的层次来划分，大概分为两个层次（Java应用为例）：JDBC层的封装，ORM框架层的实现。就JDBC层的直接封装而言，现在国内发展较好的一个项目是被称作“变形虫”(Amoeba)的项目，由阿里团体的研讨院开发，现在仍然处于测试阶段（beta版），其运行效力和制造时效性有待讲究。就ORM框架层的实现而言，比如Taobao的基于ibatis和Spring的的散布式数据拜访层，已有多年的应用，运行效力和制造实效性得到了开发人员和用户的肯定。本篇文章就是以ORM框架层为基本而实现的散布式数据拜访层。本课题的难点在于分库后，路由规则的制订和选择和后期的扩大性，比如：如何做到用最少的数据迁移量，到达扩充数据库容量（增长机器节点）的目标。核心问题将环绕数据库分库分表的路由规则和负载均衡策略展开。 随着互联网应用的普遍普及，海量数据的存储
