传统集中式数据利用高端硬件设备保证数据可靠性对吗

最佳回答：回答是：在一般情况下，传统集中式数据利用高端硬件设备保证数据可靠性对。3394
1 传统集中式数据库面临的挑战
优势：
成熟稳定：经过近40年的发展，应用到了几乎所有的行业，已经被打磨的非常成熟稳定，生态很完善；
行业适配性强：适配不同行业的各种需求；
生态完善：拥有大量的ISV应用开发商和技术开发者，技术生态、产业生态和人才生态都很完善。
的差异
1 数据库是核心的IT基础设施
在这里插入描述
• 互联网业务增长，带动核心系统升级
• 核心系统引入数据库分布式与云化改造，支撑横向平滑扩展
在这里插入描述
• 5G规模推广，带动IT系统升级
• 5G具备大带宽和超低延时等能力，需要数据库系统提升响应速度和并发能力
在这里插入描述
• 打造智慧政府
• 实现智慧政府为目标的“互联网+”业务构建，对于数据库的性能和扩展提出了更高的要求
2 传统集中式数据库面临的挑战
21 传统数据库架构
在这里插入描述
22 优势
• 成熟稳定：经过近40年的发展，应用到各行各业，产品技术非常成熟稳定
• 行业适配性强：适配不同行业的各种需求
• 生态完善：拥有大量的ISV应用开发商和技术开发者，技术生态、产业生态和人才生态都很完善
23 劣势
成本高：自身软件售价高，同时依托于高端硬件，CAPEX和OPEX成本高昂
无法横向扩展：容量的提升只能依靠提升设备自身的性能（增加CPU/内存/硬盘，或从PC服务器升级为小型机等），一定能碰到单点的上限
3 使用数据库中间件的分库分表方案依然有短板
在这里插入描述
• 使用通用的数据库，可以实现数据库线性的扩容；
• 数据库是单点数据库，数据库之间没有联系，不知道其他数据库的存在，依靠中间件完成需要跨库的事务；
• 数据库中间件连接各个数据库，实现分库分表。
31 优势
线性扩展：通过分库分表，可以快速实现数据库的水平扩展
技术成本低：不需要改造核心数据库引擎，或者只需要做很少的改造
32 劣势
跨库分布式事务：数据库核心引擎没有分布式能力，只能通过中间件来完成分布式处理，但中间件难以做到RPO=0，因此在遇到异常和故障时无法100%保证分布式事务的ACID能力
全局一致性：由于多个数据库服务器的时间戳不一致，因此很难保证多个库之间数据版本号的全局一致性
负载均衡：扩容和缩容时，底层数据库引擎无法在线调整数据分布规则，因此需要暂停业务并重新导数据，对业务和运维挑战很大
跨库复杂SQL：跨库的复杂SQL运算（比如多表做分片键无关的关联查询）只能在中间件完成，而中间件不具备分布式并行计算能力，最终会限制应用对SQL的使用，产生业务侵入性
4 原生的分布式关系型数据库架构
在这里插入描述
41 优势
数据高可靠+服务高可用：多副本一致性协议Paxos的工业级实现，个别节点发生故障时保证数据零丢失（RPO=0）和服务快速恢复（RTO<30秒）
线性扩容：随着业务量增加进行扩容（比如线上促销期间），随着业务量减少进行缩容（比如促销后）
低成本：基于普通X86服务器保证高可用性，无需使用高端小型机和存储
全局一致性：支持分布式事务，确保全局一致性，支持分布式复杂查询灵活的部署方式：支持三中心、五中心、主备等多种部署模式
对业务透明：业务系统可以像使用单点数据库一样使用分布式数据库，业务迁移改造成本低
5 OceanBase和传统数据库的对比
传统集中式数据库 以OceanBase为代表的分布式数据库
产品架构 经典的“单点集中式”架构，采用“全共享（Share-Everything）”架构。构建于高端的硬件基础之上，比如IBM高端服务器和EMC高端存储设备等 原生的“分布式”数据库，采用业界最严格的Paxos分布式一致性协议基于普通PC硬件的设计，不需要高端硬件
数据可靠性和服务高可用性 利用高端硬件设备保证数据可靠性采用“主从复制”，主节点故障的情况下，会有数据损失（RPO>0）；不能自动恢复服务，服务恢复时间（RTO）通常以小时为单位计算 以普通PC硬件为基础，利用Paxos分布式一致性协议保证数据可靠性
主节点故障的情况下，Paxos可以保证数据无损（即RPO=0)，并且自动选举并恢复服务，服务恢复时间（RTO）在30秒以内
扩展性 数据存储只能在单点内实现纵向扩展，最终必然触达单点架构下的容量上限。计算节点通常无法扩展。少数模式下（如RAC，pureScale）可做计算节点扩展，但多个计算节点之间仍需访问单点共享存储，并且可扩展的计算节点数量有限 数据节点和计算节点均可以在MPP架构下实现水平扩展数据节点和计算节点均没有数量限制，在网络带宽足够的前提下，可以扩充至任意数目
应用场景 集中在企业客户（金融、电信、政企等）的核心系统，无法应付互联网业务场景，应用案例很少 支付宝核心、网商银行核心、阿里巴巴的众多业务，以及多家外部商业银行。逐渐迈向传统业务
使用成本 比较昂贵，需要支付高端基础硬件的费用、高昂的软件授权费用以及产品服务费用 相对较低，基于PC硬件的设计降低了硬件费用，软件授权费用和服务费用也有优势
6 小结
传统集中式数据库经过近40年的发展，已经非常成熟。但在当前这个大数据的时代，传统数据库依然面临较多挑战，分布式数据库可以有效解决这些问题，是未来数据库发展的重点方向
1：传统数据库往往对硬件基础设施有较高要求，同时只能纵向扩展，无法横向扩展，容易达到性能上限；
2：分库分表虽然可以横向扩展了，但也有带来了不支持复杂SQL、较难保证分布式事务的ACID等新问题；
3：分布式数据库可以有效解决这些问题，应用可以像使用集中式数据库一样使用分布式数据库，分布式数据库具有低硬件成本、高可扩展性、高可用性等特性。
文章知识点与官方知识档案匹配
云原生入门技能树首页概览
8775 人正在系统学习中
点击
劣势：

机架式服务器123型区别
目前按照外形结构划分，服务器可分为塔式、机架式、刀片式三种类型。
塔式服务器
一般的塔式服务器机箱和我们常用的PC机箱差不多，而大型的塔式机箱就要粗大很多，总的来说外形尺寸没有固定标准。
机架式服务器
机架式服务器是由于满足企业的密集部署，形成的以19英寸机架作为标准宽度的服务器类型，高度则从1U到数U。将服务器放置到机架上，并不仅仅有利于日常的维护及管理，也可能避免意想不到的故障。首先，放置服务器不占用过多空间。机架服务器整齐地排放在机架中，不会浪费空间。其次，连接线等也能够整齐地收放到机架里。电源线和LAN线等全都能在机柜中布好线，可以减少堆积在地面上的连接线，从而防止脚踢掉电线等事故的发生。
规定的尺寸是服务器的宽（4826cm＝19英寸）与高（4445cm的倍数）。由于宽为19英寸，所以有时也将满足这一规定的机架称为“19英寸机架”。
刀片式服务器
刀片服务器是一种HAHD（High Availability High Density，高可用高密度）的低成本服务器平台，是专门为特殊应用行业和高密度计算机环境设计的，其中每一块“刀片”实际上就是一块系统母板，类似于一个个独立的服务器。在这种模式下，每一个母板运行自己的系统，服务于指定的不同用户群，相互之间没有关联。不过可以使用系统软件将这些母板集合成一个服务器集群。在集群模式下，所有的母板可以连接起来提供高速的网络环境，可以共享资源，为相同的用户群服务。

云服务器关注的是高性能吞吐量计算能力，关注的是在一段时间内的工作量总和。因此，云服务器在架构上和传统的服务器有着很大的区别。
架构上，云服务器体系架构包含云处理器模块、网络处理模块、存储处理模块与系统件理模块等。这种架构的优势使得云服务器可以大大提高了利用率，采用多个云处理器完成系统设计，引入低功耗管理理念完成对系统的集中冗余管理，同时在系统中省去了很多重复的硬件。
云服务器一般包括线程、核、处理器、网络、加速等功能单元全部计算的总和。因此，云计算一般都有着庞大的数据输入量或大量的工作集。那么服务器应该具备哪些能力呢，我们详细的来说一说。
折叠高密度
高密度低成本基本上已经是云服务器的基本要求了，按照云计算中心本身的特点，云服务器应该和云计算中心高密度、低功耗、低成本的特点相符，即主要面向大规模部署的云应用。高密度服务器能够减少延迟、提高反应速度。高密度服务器主要分为多路机架和刀片服务器。
折叠虚拟化
服务器虚拟化的能力，可以说直接影响云计算的效果。由于服务器虚拟化技术实现了将高负载节点中的某些虚拟机实时迁移到低负载的节点，把多个低负载的虚拟机合并到一个物理节点，并将多余的空闲物理节点关闭，以提高资源的使用效率，使负载达到均衡，从而使上层应用的性能得到了保障，同时还达到了减少能耗的目的。
因此云计算利用服务器虚拟化技术可实现对虚拟机的部署和配置，通过对虚拟机的快速部署和实时迁移能大大提高系统的效能，还可通过对虚拟机资源的调整来实现软件系统的可伸缩性，确保系统能迅速从故障中恢复并继续提供服务，提高了系统的可靠性与稳定性。所以在购买云服务器的时候，服务器硬件虚拟化的支持程度是考量服务器的一个重要因素。
折叠横向扩展
根据云计算的第一个特点"超大规模"来说，云计算服务器的横向扩展能力就变得至关重要，英特尔已经推出了横向扩展的存储解决方案，结合英特尔的硬件，可以对这种大量的文件访问提供更高数据库和更好的可扩展性，而英特尔万兆网卡可以结合英特尔虚拟化技术，为整个云计算的中心提供更高效、更安全以及更简化的方式，保证了云数据中心的灵活性。
折叠并行计算
云计算在某种形式上来说就是分布式计算、并行计算、网格计算等一脉相传的技术路线，从概念上来说，可以把云计算看成是"存储云"+"计算云"的有机结合，而计算云就是指并行计算，因此，云计算的基础架构首先是要确保能实现并行计算。

---