轉自今日頭條號：老顧聊技術

中大型專案中，一旦遇到資料量比較大，小夥伴應該都知道就應該對資料進行拆分了。 有垂直和水平兩種 。

垂直拆分 比較簡單，也就是本來一個資料庫，資料量大之後，從業務角度進行拆分多個庫。如下圖，獨立的拆分出訂單庫和使用者庫。

水平拆分 的概念，是同一個業務資料量大之後，進行水平拆分。

上圖中訂單資料達到了4000萬，我們也知道mysql單表儲存量推薦是百萬級，如果不進行處理，mysql單表資料太大，會導致效能變慢。使用方案可以參考資料進行水平拆分。把4000萬資料拆分4張表或者更多。當然也可以分庫，再分表；把壓力從資料庫層級分開。

分庫分表方案中有常用的方案，hash取模和range範圍方案；分庫分表方案最主要就是路由演算法，把路由的key按照指定的演算法進行路由存放。下邊來介紹一下兩個方案的特點。

1、hash取模方案

在我們設計系統之前，可以先預估一下大概這幾年的訂單量，如：4000萬。每張表我們可以容納1000萬，也我們可以設計4張表進行儲存。

那具體如何路由儲存的呢？hash的方案就是對指定的路由key（如：id）對分表總數進行取模，上圖中，id=12的訂單，對4進行取模，也就是會得到0，那此訂單會放到0表中。id=13的訂單，取模得到為1，就會放到1表中。為什麼對4取模，是因為分表總數是4。

• 優點：

訂單資料可以均勻的放到那4張表中，這樣此訂單進行操作時，就不會有熱點問題。

熱點的含義：熱點的意思就是對訂單進行操作集中到1個表中，其他表的操作很少。

訂單有個特點就是時間屬性，一般使用者操作訂單資料，都會集中到這段時間產生的訂單。如果這段時間產生的訂單 都在同一張訂單表中，那就會形成熱點，那張表的壓力會比較大。

• 缺點：

將來的資料遷移和擴容，會很難。

如：業務發展很好，訂單量很大，超出了4000萬的量，那我們就需要增加分表數。如果我們增加4個表

一旦我們增加了分表的總數，取模的基數就會變成8，以前id=12的訂單按照此方案就會到4表中查詢，但之前的此訂單時在0表的，這樣就導致了資料查不到。就是因為取模的基數產生了變化。

遇到這個情況，我們小夥伴想到的方案就是做資料遷移，把之前的4000萬資料，重新做一個hash方案，放到新的規劃分表中。也就是我們要做資料遷移。這個是很痛苦的事情。有些小公司可以接受晚上停機遷移，但大公司是不允許停機做資料遷移的。

當然做資料遷移可以結合自己的公司的業務，做一個工具進行，不過也帶來了很多工作量，每次擴容都要做資料遷移

那有沒有不需要做資料遷移的方案呢，我們看下面的方案

2、range範圍方案

range方案也就是以範圍進行拆分資料。

range方案比較簡單，就是把一定範圍內的訂單，存放到一個表中；如上圖id=12放到0表中，id=1300萬的放到1表中。設計這個方案時就是前期把表的範圍設計好。透過id進行路由存放。

• 優點

我們小夥伴們想一下，此方案是不是有利於將來的擴容，不需要做資料遷移。即時再增加4張表，之前的4張表的範圍不需要改變，id=12的還是在0表，id=1300萬的還是在1表，新增的4張表他們的範圍肯定是 大於 4000萬之後的範圍劃分的。

• 缺點

有熱點問題，我們想一下，因為id的值會一直遞增變大，那這段時間的訂單是不是會一直在某一張表中，如id=1000萬 ～ id=2000萬之間，這段時間產生的訂單是不是都會集中到此張表中，這個就導致1表過熱，壓力過大，而其他的表沒有什麼壓力。

3、總結：

hash取模方案 ：沒有熱點問題，但擴容遷移資料痛苦

range方案 ：不需要遷移資料，但有熱點問題。

那有什麼方案可以做到兩者的優點結合呢？， 即不需要遷移資料，又能解決資料熱點的問題呢？

其實還有一個現實需求，能否根據伺服器的效能以及儲存高低，適當均勻調整儲存呢？

hash是可以解決資料均勻的問題，range可以解決資料遷移問題，那我們可以不可以兩者相結合呢？利用這兩者的特性呢？

我們考慮一下資料的擴容代表著，路由key（如id）的值變大了，這個是一定的，那我們先保證資料變大的時候， 首先用range方案讓資料落地到一個範圍裡面 。這樣以後id再變大， 那以前的資料是不需要遷移的 。

但又要考慮到 資料均勻 ，那是不是可以在 一定的範圍內資料均勻 的呢？因為我們每次的擴容肯定會 事先設計好這次擴容的範圍大小 ，我們只要 保證這次的範圍內的資料均勻 是不是就ok了。

我們先定義一個group組概念，這組裡麵包含了一些分庫以及分表，如下圖

上圖有幾個關鍵點：

1）id=0～4000萬肯定落到group01組中

2）group01組有3個DB，那一個id如何路由到哪個DB？

3）根據hash取模定位DB，那模數為多少？模數要為所有此group組DB中的表數，上圖總表數為10。為什麼要去表的總數？而不是DB總數3呢？

4）如id=12，id%10=2；那值為2，落到哪個DB庫呢？這是設計是前期設定好的，那怎麼設定的呢？

5）一旦設計定位哪個DB後，就需要確定落到DB中的哪張表呢？

按照上面的流程，我們就可以根據此規則，定位一個id，我們看看有沒有避免熱點問題。

我們看一下，id在【0，1000萬】範圍內的，根據上面的流程設計，1000萬以內的id都均勻的分配到DB_0,DB_1,DB_2三個資料庫中的Table_0表中，為什麼可以均勻，因為我們用了hash的方案，對10進行取模。

上面我們也提了疑問，為什麼對錶的總數10取模，而不是DB的總數3進行取模？我們看一下為什麼DB_0是4張表，其他兩個DB_1是3張表？

在我們安排伺服器時，有些伺服器的效能高，儲存高，就可以安排多存放些資料，有些效能低的就少放點資料。如果我們取模是按照DB總數3，進行取模，那就代表著【0，4000萬】的資料是平均分配到3個DB中的，那就不能夠實現按照伺服器能力適當分配了。

按照Table總數10就能夠達到，看如何達到

上圖中我們對10進行取模，如果值為【0，1，2，3】就路由到DB_0，【4，5，6】路由到DB_1，【7，8，9】路由到DB_2。現在小夥伴們有沒有理解，這樣的設計就可以把多一點的資料放到DB_0中，其他2個DB資料量就可以少一點。DB_0承擔了4/10的資料量，DB_1承擔了3/10的資料量，DB_2也承擔了3/10的資料量。整個Group01承擔了【0，4000萬】的資料量。

注意：小夥伴千萬不要被DB_1或DB_2中table的範圍也是0～4000萬疑惑了，這個是範圍區間，也就是id在哪些範圍內，落地到哪個表而已。

上面一大段的介紹，就解決了熱點的問題，以及可以按照伺服器指標，設計資料量的分配。

其實上面設計思路理解了，擴容就已經出來了；那就是擴容的時候再設計一個group02組，定義好此group的資料範圍就ok了。

因為是新增的一個group01組，所以就沒有什麼資料遷移概念，完全是新增的group組，而且這個group組照樣就防止了熱點，也就是【4000萬，5500萬】的資料，都均勻分配到三個DB的table_0表中，【5500萬～7000萬】資料均勻分配到table_1表中。

七、系統設計

思路確定了，設計是比較簡單的，就3張表，把group，DB，table之間建立好關聯關係就行了。

group和DB的關係

table和db的關係

上面的表關聯其實是比較簡單的，只要原理思路理順了，就ok了。小夥伴們在開發的時候不要每次都去查詢三張關聯表，可以儲存到快取中（本地jvm快取），這樣不會影響效能。

一旦需要擴容，小夥伴是不是要增加一下group02關聯關係，那應用服務需要重新啟動嗎？

簡單點的話，就凌晨配置，重啟應用服務就行了。但如果是大型公司，是不允許的，因為凌晨也有訂單的。那怎麼辦呢？本地jvm快取怎麼更新呢？

其實方案也很多，可以使用用zookeeper，也可以使用分散式配置，這裡是比較推薦使用分散式配置中心的，可以將這些資料配置到分散式配置中心去。

到此為止，整體的方案介紹結束，希望對小夥伴們有所幫助。謝謝！！！

·END·

程式設計師的成長之路

路雖遠，行則必至

本文原發於 同名微信公眾號「程式設計師的成長之路」，回覆「1024」你懂得，給個讚唄。

回覆 [ 520 ] 領取程式設計師最佳學習方式

回覆 [ 256 ] 檢視 Java 程式設計師成長規劃

往期精彩回顧