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唯一 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。