Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Analyse von Kohäsion und Kopplung für die Datenbankzerlegung

Dieser Abschnitt hilft Ihnen bei der Analyse von Kopplungs- und Kohäsionsmustern in Ihrer monolithischen Datenbank, um deren Zerlegung zu steuern. Zu verstehen, wie Datenbankkomponenten interagieren und voneinander abhängen, ist entscheidend für die Identifizierung natürlicher Bruchstellen, die Bewertung der Komplexität und die Planung eines schrittweisen Migrationsansatzes. Diese Analyse deckt verborgene Abhängigkeiten auf, hebt Bereiche hervor, die für eine sofortige Trennung geeignet sind, und hilft Ihnen, die Zerlegungsbemühungen zu priorisieren und gleichzeitig die Transformationsrisiken zu minimieren. Indem Sie sowohl die Kopplung als auch den Zusammenhalt untersuchen, können Sie fundierte Entscheidungen über die Reihenfolge der Trennung der Komponenten treffen, um die Systemstabilität während des gesamten Transformationsprozesses aufrechtzuerhalten.

Über Kohäsion und Kopplung

Die Kopplung misst den Grad der Interdependenz zwischen Datenbankkomponenten. In einem gut konzipierten System möchten Sie eine lose Kopplung erreichen, bei der Änderungen an einer Komponente nur minimale Auswirkungen auf andere haben. Kohäsion misst, wie gut die Elemente innerhalb einer Datenbankkomponente zusammenarbeiten, um einem einzigen, genau definierten Zweck zu dienen. Ein hoher Zusammenhalt bedeutet, dass die Elemente einer Komponente eng miteinander verwandt sind und sich auf eine bestimmte Funktion konzentrieren. Bei der Zerlegung einer monolithischen Datenbank müssen Sie sowohl den Zusammenhalt innerhalb einzelner Komponenten als auch die Kopplung zwischen ihnen analysieren. Diese Analyse hilft Ihnen dabei, fundierte Entscheidungen darüber zu treffen, wie Sie die Datenbank aufschlüsseln und gleichzeitig die Systemintegrität und Leistung aufrechterhalten können.

Die folgende Abbildung zeigt eine lose Kopplung mit hoher Kohäsion. Die Komponenten in der Datenbank arbeiten zusammen, um eine bestimmte Funktion auszuführen, und Sie minimieren die Auswirkungen von Änderungen auf eine einzelne Komponente. Dies ist der ideale Zustand.

Das folgende Bild zeigt eine hohe Kopplung bei geringer Kohäsion. Die Datenbankkomponenten sind getrennt, und es ist sehr wahrscheinlich, dass sich Änderungen auf andere Komponenten auswirken.

Übliche Kopplungsmuster in monolithischen Datenbanken

Es gibt mehrere Kopplungsmuster, die häufig vorkommen, wenn eine monolithische Datenbank in Microservice-spezifische Datenbanken zerlegt wird. Das Verständnis dieser Muster ist entscheidend für erfolgreiche Initiativen zur Datenbankmodernisierung. In diesem Abschnitt werden die einzelnen Muster, ihre Herausforderungen und bewährte Methoden zur Reduzierung der Kopplung beschrieben.

Kopplungsmuster bei der Implementierung

Definition: Komponenten sind auf Code- und Schemaebene eng miteinander verbunden. Wenn Sie beispielsweise die Struktur einer customer Tabelle ändernorder, wirkt sich dies aufinventory, und billing Dienste aus.

Auswirkungen der Modernisierung: Jeder Microservice benötigt ein eigenes Datenbankschema und eine eigene Datenzugriffsebene.

Herausforderungen:

Bewährte Verfahren zur Reduzierung der Kopplung:

Temporales Kopplungsmuster

Definition: Operationen müssen in einer bestimmten Reihenfolge ausgeführt werden. Beispielsweise kann die Auftragsabwicklung erst fortgesetzt werden, wenn die Inventaraktualisierungen abgeschlossen sind.

Auswirkungen der Modernisierung: Jeder Microservice benötigt eine autonome Datensteuerung.

Herausforderungen:

Bewährte Methoden zur Reduzierung der Kopplung:

Muster der Einsatzkopplung

Definition: Systemkomponenten müssen als eine Einheit bereitgestellt werden. Beispielsweise erfordert eine geringfügige Änderung der Zahlungsverarbeitungslogik eine erneute Bereitstellung der gesamten Datenbank.

Auswirkungen der Modernisierung: Unabhängige Datenbankbereitstellungen pro Service

Herausforderungen:

Bewährte Verfahren zur Reduzierung der Kopplung:

Muster für die Domänenkopplung

Definition: Geschäftsdomänen teilen sich Datenbankstrukturen und Logik. Beispielsweise teilen sich die inventory Domänen customerorder, und Tabellen und gespeicherte Prozeduren gemeinsam.

Auswirkungen der Modernisierung: Domänenspezifische Datenisolierung

Herausforderungen:

Bewährte Verfahren zur Reduzierung der Kopplung:

Gemeinsame Kohäsionsmuster in monolithischen Datenbanken

Es gibt mehrere Kohäsionsmuster, die häufig bei der Bewertung von Datenbankkomponenten im Hinblick auf ihre Zerlegung gefunden werden. Das Verständnis dieser Muster ist entscheidend für die Identifizierung gut strukturierter Datenbankkomponenten. In diesem Abschnitt werden jedes Muster, seine Merkmale und bewährte Verfahren zur Stärkung des Zusammenhalts beschrieben.

Funktionelles Kohäsionsmuster

Definition: Alle Elemente unterstützen direkt die Ausführung einer einzigen, genau definierten Funktion und tragen dazu bei. Beispielsweise verarbeiten alle gespeicherten Prozeduren und Tabellen in einem Zahlungsverarbeitungsmodul nur zahlungsbezogene Vorgänge.

Auswirkungen der Modernisierung: Ideales Muster für das Design von Microservice-Datenbanken

Herausforderungen:

Bewährte Verfahren zur Stärkung des Zusammenhalts:

Sequentielles Kohäsionsmuster

Definition: Die Ausgabe eines Elements wird zur Eingabe für ein anderes. Beispielsweise fließen die Validierungsergebnisse für eine Bestellung in die Auftragsabwicklung ein.

Auswirkungen der Modernisierung: Erfordert eine sorgfältige Workflow-Analyse und Datenflussabbildung

Herausforderungen:

Bewährte Verfahren zur Stärkung des Zusammenhalts:

Muster des kommunikativen Zusammenhalts

Definition: Elemente arbeiten mit denselben Daten. Beispielsweise arbeiten alle Funktionen zur Verwaltung von Kundenprofilen mit Kundendaten.

Auswirkungen der Modernisierung: Hilft bei der Identifizierung von Datengrenzen für die Trennung von Diensten, um die Kopplung zwischen Modulen zu verringern

Herausforderungen:

Bewährte Verfahren zur Stärkung des Zusammenhalts:

Prozedurales Kohäsionsmuster

Definition: Elemente werden gruppiert, weil sie in einer bestimmten Reihenfolge ausgeführt werden müssen, sie aber möglicherweise nicht funktionell zusammenhängen. Bei der Auftragsverarbeitung wird beispielsweise eine gespeicherte Prozedur, die sowohl die Auftragsvalidierung als auch die Benutzerbenachrichtigung verarbeitet, einfach deshalb gruppiert, weil sie nacheinander ablaufen, obwohl sie unterschiedlichen Zwecken dienen und von separaten Diensten verarbeitet werden könnten.

Auswirkungen der Modernisierung: Erfordert eine sorgfältige Trennung der Verfahren unter Beibehaltung des Prozessablaufs

Herausforderungen:

Bewährte Verfahren zur Stärkung des Zusammenhalts:

Temporales Kohäsionsmuster

Definition: Die Elemente sind durch zeitliche Anforderungen miteinander verknüpft. Wenn beispielsweise eine Bestellung aufgegeben wird, müssen mehrere Vorgänge gleichzeitig ausgeführt werden: Inventarprüfung, Zahlungsabwicklung, Auftragsbestätigung und Versandbenachrichtigung müssen alle innerhalb eines bestimmten Zeitfensters erfolgen, um einen konsistenten Bestellstatus aufrechtzuerhalten.

Auswirkungen der Modernisierung: In verteilten Systemen ist möglicherweise eine besondere Behandlung erforderlich

Herausforderungen:

Bewährte Verfahren zur Stärkung des Zusammenhalts:

Logisches oder zufälliges Kohäsionsmuster

Definition: Elemente werden logisch so kategorisiert, dass sie dieselben Dinge bewirken, auch wenn sie schwache oder keine bedeutungsvollen Beziehungen haben. Ein Beispiel ist das Speichern von Kundenauftragsdaten, Lagerbestandszahlen und Marketing-E-Mail-Vorlagen in demselben Datenbankschema, da sie sich alle auf Vertriebsabläufe beziehen, obwohl unterschiedliche Zugriffsmuster, Lebenszyklusmanagement und Skalierungsanforderungen gelten. Ein anderes Beispiel ist die Kombination von Auftragszahlungsabwicklung und Produktkatalogverwaltung innerhalb derselben Datenbankkomponente, da beide Teil des E-Commerce-Systems sind, obwohl sie unterschiedliche Geschäftsfunktionen mit unterschiedlichen betrieblichen Anforderungen erfüllen.

Auswirkungen der Modernisierung: Sollte überarbeitet oder neu organisiert werden

Herausforderungen:

Bewährte Verfahren zur Stärkung des Zusammenhalts:

Implementierung niedriger Kopplung und hoher Kohäsion

Bewährte Methoden

Die folgenden bewährten Verfahren können Ihnen dabei helfen, eine geringe Kopplung zu erreichen:

Die folgenden bewährten Methoden können Ihnen dabei helfen, eine hohe Kohäsion zu erreichen:

Phase 1: Ordnen Sie Datenabhängigkeiten zu

Ordnen Sie Datenbeziehungen zu und identifizieren Sie natürliche Grenzen. Sie können Tools verwenden, um beispielsweise die Datenbank zu visualisieren SchemaSpy, indem Sie die Tabellen in einem Entity-Relationship-Diagramm (ER) anzeigen. Dies ermöglicht eine statische Analyse der Datenbank und zeigt einige klare Grenzen und Abhängigkeiten innerhalb der Datenbank auf.

Sie können Ihre Datenbankschemas auch in eine Graphdatenbank oder in ein Jupiter Notizbuch exportieren. Anschließend können Sie Algorithmen für Clustering oder miteinander verbundene Komponenten anwenden, um natürliche Grenzen und Abhängigkeiten zu identifizieren. Andere AWS Partner Tools, wie z. B. CAST Imaging, können Ihnen helfen, Ihre Datenbankabhängigkeiten zu verstehen.

Phase 2: Analysieren Sie Transaktionsgrenzen und Zugriffsmuster

Analysieren Sie Transaktionsmuster, um die Eigenschaften Atomizität, Konsistenz, Isolation und Dauerhaftigkeit (ACID) aufrechtzuerhalten und zu verstehen, wie auf Daten zugegriffen und wie sie verändert werden. Sie können Datenbankanalyse- und Diagnosetools wie Oracle Automatic Workload Repository (AWR)oder verwenden. PostgreSQL pg_stat_statements Diese Analyse hilft Ihnen zu verstehen, wer auf die Datenbank zugreift und welche Transaktionsgrenzen bestehen. Sie kann Ihnen auch dabei helfen, den Zusammenhalt und die Kopplung zwischen Tabellen zur Laufzeit zu verstehen. Sie können auch Tools zur Überwachung und Profilerstellung verwenden, mit denen Code- und Datenbankausführungsprofile verknüpft werden können, z. B. Dynatrace AppEngine

KI-Tools wie können Ihnen helfen vFunction, Domänengrenzen zu identifizieren, indem sie die Funktions- und Domänengrenzen der Anwendung analysieren. Obwohl vFunction in erster Linie die Anwendungsebene analysiert wird, können die gewonnenen Erkenntnisse als Grundlage für die Zerlegung sowohl der Anwendung als auch der Datenbank dienen und so die Ausrichtung auf Geschäftsdomänen unterstützen.

Phase 3: Identifizieren Sie eigenständige Tabellen

Suchen Sie nach Tabellen, die zwei Hauptmerkmale aufweisen:

Anhand der folgenden Kopplungs- und Kohäsionsmatrix können Sie erkennen, wie schwierig es ist, die einzelnen Tabellen zu entkoppeln. Tabellen, die im oberen rechten Quadranten dieser Matrix erscheinen, eignen sich ideal für anfängliche Entkopplungsversuche, da sie sich am leichtesten trennen lassen. In einem ER-Diagramm weisen diese Tabellen nur wenige Fremdschlüsselbeziehungen oder andere Abhängigkeiten auf. Nachdem Sie diese Tabellen entkoppelt haben, gehen Sie zu Tabellen mit komplexeren Beziehungen über.