您现在的位置：程式碼之家 >> 數據庫知識 > >> MySQL 資料庫 >> MySQL 綜合教學

MySQL 主從復制與讀寫分離架構設計：從原理到落地的完整指南

編輯：MySQL 綜合教學

MySQL 主從復制與讀寫分離架構設計：從原理到落地的完整指南

主從復制是 MySQL 高可用架構的基石，讀寫分離是擴展讀性能的核心手段。本文系統闡述原理架構、實施方案、中間件選型及演進路線圖。

一、核心架構原理

┌─────────────┐     Binlog Dump      ┌─────────────┐
│   Master    │ ◄────────────────── │   Slave     │
│  (Writer)   │   Replication       │  (Reader)   │
└─────────────┘                     └─────────────┘
      │                                    │
      │ Write (INSERT/UPDATE/DELETE)       │ Read (SELECT)
      ▼                                    ▼
┌─────────────┐                     ┌─────────────┐
│ Application │                     │ Application │
└─────────────┘                     └─────────────┘

二、複製流程深度解析

Master：寫入事務 → Binlog (根據 binlog_format)
Dump Thread：Master 為每個 Slave 啟動線程發送 Binlog Event
Slave IO Thread：接收 Event 寫入 Relay Log
Slave SQL Thread：讀取 Relay Log 重放事務

三、讀寫分離實現方案對比

方案	實現層	優點	缺點	代表產品
應用代碼路由	Application	無額外組件、靈活控制	侵入業務碼、維護成本高	手動 DataSource 切換
AOP/注解攔截	Framework	低侵入、統一管理	框架綁定、複雜事務難處理	Spring @Transactional + AbstractRoutingDataSource
中間件代理	Network	透明無侵入、統一治理	單點風險、性能開銷	MyCat, ProxySQL, ShardingSphere-Proxy
驅動層路由	Driver	應用無感、標準化	驅動版本綁定、功能受限	MySQL Connector/J ReplicationDriver

四、Spring Boot 實現範例 (AOP 方案)

@Configuration
public class DataSourceConfig {
    
    @Bean
    @Primary
    public DataSource routingDataSource() {
        Map targetDataSources = new HashMap<>();
        targetDataSources.put("master", masterDataSource());
        targetDataSources.put("slave", slaveDataSource());
        
        RoutingDataSource proxy = new RoutingDataSource();
        proxy.setTargetDataSources(targetDataSources);
        proxy.setDefaultTargetDataSource(masterDataSource());
        return proxy;
    }
    
    public class RoutingDataSource extends AbstractRoutingDataSource {
        @Override
        protected Object determineCurrentLookupKey() {
            return DataSourceContextHolder.getDataSourceType();
        }
    }
}

public class DataSourceContextHolder {
    private static final ThreadLocal context = new ThreadLocal<>();
    
    public static void setMaster() { context.set("master"); }
    public static void setSlave() { context.set("slave"); }
    public static String getDataSourceType() { return context.get() != null ? context.get() : "master"; }
    public static void clear() { context.remove(); }
}

@Aspect
@Component
public class DataSourceAspect {
    @Before("execution(* com.example.service..*.save*(..)) || " +
            "execution(* com.example.service..*.update*(..)) || " +
            "execution(* com.example.service..*.delete*(..))")
    public void setMaster() { DataSourceContextHolder.setMaster(); }
    
    @Before("execution(* com.example.service..*.find*(..)) || " +
            "execution(* com.example.service..*.get*(..)) || " +
            "execution(* com.example.service..*.query*(..))")
    public void setSlave() { DataSourceContextHolder.setSlave(); }
    
    @After("execution(* com.example.service..*(..))")
    public void clear() { DataSourceContextHolder.clear(); }
}

五、高可用架構演進

階段 1：單主單從 + 讀寫分離
┌─────────┐     ┌─────────┐
│ Master  │────►│ Slave   │
└─────────┘     └─────────┘
   │ Write          │ Read
   
階段 2：雙主互備 (MHA/Orchestrator)
┌─────────┐     ┌─────────┐
│ Master1 │◄───►│ Master2 │
└─────────┘     └─────────┘
   │                 │
   ▼                 ▼
┌─────────┐     ┌─────────┐
│ Slave1  │     │ Slave2  │
└─────────┘     └─────────┘

階段 3：集群化 (InnoDB Cluster / Galera / Group Replication)
┌─────────────────────────────────────┐
│        Primary (R/W)                │
├─────────────────────────────────────┤
│  Secondary (R/O)  │  Secondary (R/O) │
└─────────────────────────────────────┘
自動故障切換、多主寫入、強一致性

六、關鍵挑戰與解決方案

挑戰	影響	解決方案
主從延遲	讀到舊數據	關鍵業務強制走主、半同步複製、GTID 監控延遲
數據不一致	業務邏輯錯誤	pt-table-checksum 定期校驗、Row 格式 Binlog
主庫故障切換	服務不可用	MHA/Orchestrator 自動故障轉移、VIP 漂移
事務一致性	跨庫事務失敗	避免跨主從事務、分佈式事務 (Seata)、最終一致性補償
從庫故障	讀性能下降	多從庫負載均衡、健康檢查自動剔除

七、監控指標體系

複製健康：Slave_IO_Running=Yes, Slave_SQL_Running=Yes, Seconds_Behind_Master=0
延遲監控：Seconds_Behind_Master > 300 告警，結合 pt-heartbeat 精準測量
流量分布：主/從 QPS 比例、連接數分布、慢查詢分布
錯誤率：主從切換次數、同步錯誤計數、數據不一致發現數