作者 | David
編譯 | 星璇
出品 | 51CTO技術棧（微信號：blog51cto）
當我看到死數據庫在行走時，我就有了“第六感”時刻。隨著 GenAI 準備吃掉你的數據，是時候解決性能問題了。
“云應用程序速度太慢！”這類的抱怨越來越多了。然而，十有八九，原因并不是應用程序本身或數據庫性能不夠導致的問題。
已經快到 2024 年了。為什么基于云的數據庫性能仍然存在這些問題？最常見的原因是什么？我們該如何修復它們？我有幾個想法。
1、你選擇了正確的服務嗎？
云提供商提供許多數據庫服務，例如 Amazon RDS、Azure SQL 數據庫和 google Cloud SQL。有時，您根據應用程序的要求、可擴展性和性能期望選擇的數據庫必須進行調整，以確保更合適。
在許多情況下，選擇數據庫的原因是錯誤的。例如，未來需要二進制文件的存儲和管理，這就導致了對象數據庫的選擇。然而，對于這個特定的用例來說，關系數據庫是正確的選擇。考慮所有因素，包括托管服務、地理位置和兼容性。
此外，在選擇數據庫類型和品牌時還要考慮性能。假設它在云上，并且云是“無限可擴展的”，因此任何數據庫都會表現良好。您選擇的數據庫類型應取決于您要存儲的數據類型以及您將如何使用數據，例如列式分層數據庫、關系數據庫、對象數據庫等。最流行的數據庫以及適合您的特定數據庫的數據庫用例很少相同。
2、你的數據庫設計和索引如何？
這是巨大的。高效的數據庫設計和正確的索引會顯著影響性能。大多數性能不佳的數據庫問題都可以追溯到數據庫設計問題，特別是過于復雜的數據庫結構和誤用的索引。
確保建立適當的索引以加快數據檢索速度。定期檢查和優化查詢以消除瓶頸。確保您的數據庫架構已優化。另外，在必要時對數據庫進行規范化，但要知道過度規范化也可能同樣糟糕。對于那些在 20 世紀 90 年代沒有學習過 Database 101 的人來說，這意味著將數據組織到單獨的、相互關聯的表或數據庫中的其他本機數據庫容器中。
規范化旨在通過消除重復數據并將較大的表分解為更小、更易于管理的表來最大限度地減少冗余和依賴性。我發現為了最大限度地提高性能而進行的數據庫規范化過程經常被忽視，并導致許多性能問題。
3、你是否適當地調整了資源規模？
盡管公共云提供商提供高度可擴展的資源來適應不同的工作負載，但它們通常需要更加高效。您需要研究自動縮放功能的實現，以根據需求動態調整資源。可以策略性地使用水平擴展（添加更多實例）和垂直擴展（增加實例大小）來滿足高性能要求。
但是，請小心允許云提供商代表您自動分配資源。在許多情況下，他們分配了太多，你會在月底收到一大筆賬單。您應該確定一個平衡，而不是僅僅選擇自動縮放按鈕。
4、你的存儲配置是災難嗎？
最好根據工作負載特征來優化存儲配置，而不是根據您在云認證課程中看到的最佳實踐。例如，將 SSD 用于 I/O 密集型工作負載，但要知道它們通常更昂貴。此外，選擇正確的存儲層并實施緩存機制，以減少頻繁的磁盤 I/O 操作的需要。事實上，緩存也進入了自動化狀態，您可能需要更精細的控制才能以最小的成本找到最佳性能。
云架構師和數據庫工程師需要在數據庫性能方面做得更好。在某些情況下，這意味著回到良好的數據庫設計、配置和部署的基礎知識。這正在成為一門失傳的藝術，因為那些負責云系統的人似乎更喜歡在這個問題上砸錢。這不是解決問題的方式。
參考鏈接：https://www.infoworld.com/article/3711276/why-your-cloud-database-performance-sucks.html
