数据库联邦

数据库联邦怎样统一访问多个数据源？

• 数据库联邦: 在多个自治数据源之上提供统一逻辑视图，使调用方可以通过共同接口访问数据;
• 联邦模式: 描述不同源之间的共同结构和映射，把查询拆解并转换到各自的数据接口;
• 异构来源: 底层可以使用不同 DBMS、数据模型、硬件或协议，联邦层负责适配差异;
• 使用体验: 调用方不必逐个了解数据实际存放位置，但底层性能和故障仍会影响结果;

调用方 → 联邦查询层 → 用户库
                  → 订单库
                  → 其他数据源
         合并结果 ← 各来源返回

联邦系统需要维护哪些性质？

性质	对使用者的意义
透明性	隐藏位置和接口差异
异构性	支持不同数据模型和协议
可扩展性	新来源能够接入共同视图
自治性	来源保有自身管理边界
集成能力	把分散数据组合成可用结果

• 适用条件: 数据分属不同系统或团队，无法直接集中搬迁，却需要统一查询或共享;
• 收益: 减少应用直接耦合遗留数据库的方式，保留各来源的独立管理;

数据库联邦与按业务分库有什么区别？

• 业务分库: 按功能把用户、订单等数据拆到不同数据库，主要解决责任和容量边界;
• 联邦访问: 进一步提供跨这些来源的统一逻辑视图，不是只要分库就自动形成联邦系统;
• 原文用词: 原文把 federation 与 functional partitioning 并列使用，这里区分数据拆分和统一查询两个层面;
• 与分片区别: 分片通常把同类数据按键拆开，业务分库按不同功能拆开;

跨来源查询会付出什么代价？

• 联接代价: 需要从不同来源取数并组合，网络和中间结果可能成为主要瓶颈;
• 优化难点: 各来源索引、统计和执行能力不同，联邦层难以像单库一样精确控制计划;
• 故障依赖: 某个自治数据源不可用或改变接口，可能影响整个统一查询;
• 运维成本: 适配器、权限映射、硬件与版本兼容增加复杂度，不应为一个简单单库问题先引入联邦;