前言
有三种技术可以应对不断增大的数据量：
- 读写分离：将数据库设置成读写分离状态，一个 Master 节点对应多个 Salve 节点。
- 垂直分区：将不同的业务表拆散，分别存储到不同的数据库中，仍保持 Master/Salve 模式。
- 水平分区（分库 or 分表，sharding）：将同一个业务表（或库）拆解成多个子表（或库），比如 db0、db1。
数据库中间件详解 这篇文章不只介绍了上述三种技术，还道明了数据库中间件设计的两种方案：基于代理服务器的 proxy 模式（需要对接不同数据源、不同应用技术栈的通信协议，必须保持高可用，隔离租户）；基于封装 连接池或者 driver 为 sdk 的 smart-client 模式（需要对接不同数据源的通信协议，不需要对接不同应用技术栈的通信协议，天然去中心化）。TDDL 基于 smart-client 模式。DRDS 基于 proxy 模式。
TDDL
淘宝分布式数据层 Taobao Distributed Data Layer 位于持久层和数据库之间（持久层只关心对数据源的 CRUD 操作，而多数据源的访问并不应该由它来关心），它直接与数据库进行通信。它属于数据访问层（DAL 层），同类产品有 Hibernate Shards、Ibatis-Sharding 等。它基于集中式配置的 JDBC DataSource 实现，对持久层提交的 sql 只拼装不解析。TDDL 主要解决了以下问题：
- 数据访问路由，将数据的读写请求发送到对应的数据库。
- 集中式数据源信息管理和动态变更，支持数据存储的自由扩展。
- 遵守 JDBC 规范，支持 mysql 和 oracle 等多数据源。
- 带权重的读写分离，支持分库分表。
TDDL 是一个客户端 jar，它的结构主要分为三层：
- Matrix 层：核心是规则引擎，实现了分库分表逻辑，持有多个 Group 实例。主要功能逻辑为：sql 解析 => 规则引擎计算（路由） => 执行 => 合并结果集。
- Group 层：实现了数据库的主备分离逻辑，持有多个 Atom 实例。Group 层和 Atom 层共同组成了动态数据源。主要功能逻辑为：读写分离 => 权重计算 => 写 HA 切换（预防节点宕机，需要配置中心配合） => 读 HA 切换 => 动态新增 slave 节点（根据访问压力？）。
- Atom（TAtomDataSource）层：可以理解为一个数据库。主要功能逻辑为：ip, port, password, connectionProperties 等信息动态修改，动态化 jboss 数据源 => try catch 模式对线程计数，保护业务处理线程 => 动态阻止某些 sql 的执行 => 执行次数的统计和限制。
其他结构包含：
- tddl-client：应用启动时初始化配置信息（规则信息，各层数据源拓扑结构）
- tddl-rule：分库分表规则解析
- tddl-sequence：统一管理和分配全局 sequence（序列号）
- tddl-druid-datasource：数据库连接池（高效，可扩展性好），类 dbcp、c3p0
TDDL剖析 这篇文章介绍了基于 TDDL 已开源的模块以及 diamond 实现主备分离、分库分表逻辑的方法。
DRDS
分布式关系型数据库服务 Distributed Relational Database Service 的前身是 TDDL。它支持垂直拆分和水平拆分，因此有良好的扩展性；它通过两阶段提交支持分布式事务（此时 DRDS 服务器作为事务管理器，首先等待所有 MySQL 服务器 PREPARE 成功，然后再向各个 MySQL 服务器发送 COMMIT 请求。如果事务中的 SQL 仅涉及单个分片，DRDS 会将其作为单机事务直接下发给 MySQL；反之才会升级为分布式事务）；它允许增加 RDS 实例的数量，以达到平滑扩容的效果；它支持读写分离，强读（显式事务中的读请求和写入操作将在主实例中执行，弱读在只读实例中执行；它支持通过全局二级索引能力创建二级索引表，以应对业务上的快速索引查询需求。计算能力上，DRDS 额外扩展了单机并行处理器（SMP，Symmetric Multi-Processing）和多机并行处理器（DAG），前者完全集成在 DRDS 内核中，后者，DRDS 构建了一个计算集群，运行时动态获取执行计划进行分布式计算，通过增加节点提升计算能力。
后记
今天我只是搬运工。
参考
分布式数据库中间件TDDL、Amoeba、Cobar、MyCAT架构比较
来自：https://zhuanlan.zhihu.com/p/100291291
