数据库，分布式，灾容方案和优化

提供一个 API，该 API 的大概逻辑是：从数据库中取出上千万条矩阵数据,然后和提交的矩阵进行矩阵计算，最后把符合条件的几条数据返回给调用者。

当前的方案是:服务器启动的时候，把表里的数据全部导入内存里。然后通过 numpy 库进行矩阵计算，最后把计算符合条件的结果返回调用者，目前速度可以接受。

但是，考虑到数据的增长有些问题需要考虑。

1：直接把数据读入数据库是否可以用内存数据库替代呢?

2：每天都有会新的数据入库，所以现在的方案需要每天入库完之后重新启动服务器，重新把数据读取进入内存，如果以后要做到实时更新，如何做到实时更新内存的数据？在不影响数据查询和计算的情况下。

3：如果数据再持续增长，一段时间之后内存肯定不够用，这个时候需要分布式署，目前的想法是启动的时候根据要部署的机器数量，把数据库的所有数据平均分配在这几台机器中。但是，这个方案有几个问题，a)如果某一台机器出现问题，那么如何定位出故障的机器，并且再重新启动新服务器时候，很好接替出故障的服务器（即加载的数据刚好和出故障的机器一样？）。b)如果临时添加一条新服务器（或者减少一台服务器）时，如何重新分配加载数据呢?

可能目前的方案有点戳，问题有点多,先感谢看完的朋友！