数据库分离：读写分离与分片策略

边缘存储：就近缓存与热数据加速 边缘存储的核心思路是将高频访问的“热数据”部署在距离用户最近的节点上

同时，边缘存储还承担着 写操作缓存 的🔍职责：用户行为数据、点击反馈等先写入边缘层，再异步批量同步至中心数据库，避免了瞬时写入洪峰对数据库的直接冲击

日志结构化合并与分层存储

传统单体架构下🎇，存储与▶️计算紧密耦合，导致扩展性受限、性能瓶颈频现

在百度搜索引擎中，索引更新（写操作）频率远低于用户查询（读操作），因此📌将主库专用于索引构建与增量更新，而部署多个从库副本承担查询负载，是常见做法

百度搜索采用“最🎊终一致性为主+关键场🎯景强一致性”的策略，例如用户更新账户密码时需强一致，而普通查询可接受秒级延迟

高可用与故障恢复机制

分片键的选取是设计成败的关键：若选择不当，可能导致数据倾斜，使得某些🎯分片成🎇为热点瓶颈

这种设计将随机写转化为顺序写📌，极大🚀提升了磁盘IO效率

边缘存储：就近缓存与热数据加速

当单库容量达到瓶颈时🚀，水平分片（Sharding）将索引数据按 关键词哈希范围 或 文档🌅ID区间 划分为多个分片，每个分片独立部署数据库实例

日志结构化合并与分层存储 在索引更新场景中，数据库分离架构常与 日志结构化合并树（LSM-Tree） 结合使用

实践中的权衡与优化方向

这些设计使得系统能够容忍单节点甚至跨机架的故障，维持99

运维复杂度： 分离🎆架构引入更多组件（缓存、消息队列、分片代理等🌅），需要配套自动化监控与运维平台

架构演进：从单体到分离的必然趋势

数据库分离：读写分离与分片策略 数据库分离架构🎆主要包含两个维度： 读写分离 与 水平分片

高可用与故障恢复机制🎊 架构分离增加了系统节点数量😎，也带来了更高的故障概率