Les charges de travail à forte concurrence — ventes flash, diffusions en direct, état du jeu en temps réel — peuvent submerger les bases de données relationnelles en quelques secondes. Tair (compatible avec Redis OSS) est un magasin de données en mémoire géré qui garantit des temps de réponse stables dans ces conditions.
Le gaming, le commerce électronique et la diffusion en direct sont trois secteurs où cette architecture répond aux défis courants de performance et de disponibilité.
Vue d'ensemble des scénarios
| Modèle | Secteurs typiques | Apport de Tair |
|---|---|---|
| Couche de cache devant une base de données relationnelle | Gaming, commerce électronique | Absorbe le trafic de lecture ; les bases de données backend gèrent les écritures |
| Stockage principal pour l'état fréquemment mis à jour | Gaming | Redondance maître-réplica avec basculement automatique |
| Absorption des requêtes à haute concurrence | Commerce électronique, diffusion en direct | Débit en mémoire inaccessible aux bases de données backend |
| Magasin de données en temps réel pour un large public simultané | Diffusion en direct | Lectures à faible latence à grande échelle, avec mise à l'échelle à chaud |
Applications dans le secteur du gaming
Tair sert de composant central pour la mise en cache et la persistance des données dans les backends de jeu.
Scénario 1 : couche de cache devant une base de données relationnelle
Déployez Tair en tant que service de cache entre votre application et ApsaraDB RDS. Les données résident dans les bases de données backend (instances ApsaraDB RDS), tandis que Tair sert depuis la mémoire les données fréquemment consultées.
Scénario 2 : stockage principal pour l'état du jeu
Pour les architectures plus simples où le serveur de jeu principal s'exécute sur Elastic Compute Service (ECS), stockez les données métier directement dans une instance Tair. L'architecture maître-réplica de Tair assure la redondance. Le nœud maître gère tout le trafic ; en cas de panne, le système bascule automatiquement les charges de travail vers le nœud réplica. Ce processus de basculement est transparent pour votre application.
Applications dans le secteur du commerce électronique
Tair est largement utilisé dans le secteur du commerce électronique pour des scénarios tels que les ventes flash et les recommandations. Il absorbe les pics de trafic qui submergent les bases de données relationnelles lors des événements promotionnels.
Scénario 1 : ventes flash et promotions à fort trafic
Lors de grandes opérations promotionnelles comme les ventes flash, le trafic utilisateur risque de submerger un système d'achat en ligne. Stockez les données produits et de session dans Tair pour absorber la charge : son architecture en mémoire prend en charge la concurrence que les bases de données backend ne peuvent pas soutenir lors de ces événements majeurs.
Scénario 2 : gestion des stocks
Stockez les données des marchandises dans ApsaraDB RDS et les données d'inventaire dans Tair. Toutes les requêtes ne sont pas transmises à ApsaraDB RDS : Tair sert directement les requêtes d'inventaire. Cette approche maintient des temps de réponse stables et évite que la base de données ne devienne un goulot d'étranglement lors des opérations d'inventaire à haute concurrence.
Applications de diffusion en direct
Les plateformes de diffusion en direct utilisent Tair pour stocker les données utilisateur et les historiques de chat, là où les exigences en matière de latence et de scalabilité sont les plus élevées.
Haute disponibilité
L'architecture maître-réplica maintient la disponibilité du service en cas de panne d'un nœud, ce qui est crucial lorsque des milliers de spectateurs simultanés dépendent de données en temps réel.
Hautes performances
Les instances Cluster répartissent les charges de travail sur plusieurs shards, contournant ainsi la limitation monothread de Redis open source. Cela permet à Tair de gérer les pics de trafic soudains liés à l'afflux massif de spectateurs pendant une diffusion.
Grande scalabilité
Mettez à l'échelle les instances vers le haut ou vers le bas en quelques clics. Le processus de mise à l'échelle est entièrement transparent pour les utilisateurs.