資料庫之網際網路常用分庫分表方案

原文： https://www.cnblogs.com/littlecharacter/p/9342129.html

一、資料庫瓶頸

1、IO瓶頸

2、CPU瓶頸

二、分庫分表

1、水平分庫

2、水平分表

3、垂直分庫

4、垂直分表

三、分庫分表工具

四、分庫分表步驟

五、分庫分表問題

1、非partition key的查詢問題（水平分庫分表，拆分策略為常用的hash法）

2、非partition key跨庫跨表分頁查詢問題（水平分庫分表，拆分策略為常用的hash法）

3、擴容問題（水平分庫分表，拆分策略為常用的hash法）

六、分庫分表總結

七、分庫分表示例

一、資料庫瓶頸 ↑

不管是IO瓶頸，還是CPU瓶頸，最終都會導致資料庫的活躍連線數增加，進而逼近甚至達到資料庫可承載活躍連線數的閾值。在業務Service來看就是，可用資料庫連線少甚至無連線可用。接下來就可以想象了吧（併發量、吞吐量、崩潰）。

1、IO瓶頸

第一種：磁碟讀IO瓶頸，熱點資料太多，資料庫快取放不下，每次查詢時會產生大量的IO，降低查詢速度 ->  分庫和垂直分表 。

第二種：網路IO瓶頸，請求的資料太多，網路頻寬不夠 ->  分庫 。

2、CPU瓶頸

第一種：SQL問題，如SQL中包含join，group by，order by，非索引欄位條件查詢等，增加CPU運算的操作 -> SQL優化，建立合適的索引，在業務Service層進行業務計算。

第二種：單表資料量太大，查詢時掃描的行太多，SQL效率低，CPU率先出現瓶頸 ->  水平分表 。

二、分庫分表 ↑

1、水平分庫

1. 概念：以 欄位 為依據 ，按照一定策略（hash、range等），將一個 庫 中的資料拆分到多個 庫 中。
2. 結果：
   • 每個 庫 的 結構 都一樣；
   • 每個 庫 的 資料 都不一樣，沒有交集；
   • 所有 庫 的 並集 是全量資料；
3. 場景：系統絕對併發量上來了，分表難以根本上解決問題，並且還沒有明顯的業務歸屬來垂直分庫。
4. 分析：庫多了，io和cpu的壓力自然可以成倍緩解。

2、水平分表

1. 概念：以 欄位 為依據 ，按照一定策略（hash、range等），將一個 表 中的資料拆分到多個 表 中。
2. 結果：
   • 每個 表 的 結構 都一樣；
   • 每個 表 的 資料 都不一樣，沒有交集；
   • 所有 表 的 並集 是全量資料；
3. 場景：系統絕對併發量並沒有上來，只是單表的資料量太多，影響了SQL效率，加重了CPU負擔，以至於成為瓶頸。
4. 分析：表的資料量少了，單次SQL執行效率高，自然減輕了CPU的負擔。

3、垂直分庫

1. 概念：以 表 為依據，按照業務歸屬不同，將不同的 表 拆分到不同的 庫 中 。
2. 結果：
   • 每個 庫 的 結構 都不一樣；
   • 每個 庫 的 資料 也不一樣，沒有交集；
   • 所有 庫 的 並集 是全量資料；
3. 場景：系統絕對併發量上來了，並且可以抽象出單獨的業務模組。
4. 分析：到這一步，基本上就可以服務化了。例如，隨著業務的發展一些公用的配置表、字典表等越來越多，這時可以將這些表拆到單獨的庫中，甚至可以服務化。再有，隨著業務的發展孵化出了一套業務模式，這時可以將相關的表拆到單獨的庫中，甚至可以服務化。

4、垂直分表

1. 概念：以 欄位 為依據，按照欄位的活躍性，將 表 中欄位拆到不同的 表 （主表和擴充套件表）中。
2. 結果：
   • 每個 表 的 結構 都不一樣；
   • 每個 表 的 資料 也不一樣，一般來說，每個表的 欄位 至少有一列交集，一般是主鍵，用於關聯資料；
   • 所有 表 的 並集 是全量資料；
3. 場景：系統絕對併發量並沒有上來，表的記錄並不多，但是欄位多，並且熱點資料和非熱點資料在一起，單行資料所需的儲存空間較大。以至於資料庫快取的資料行減少，查詢時會去讀磁碟資料產生大量的隨機讀IO，產生IO瓶頸。
4. 分析：可以用列表頁和詳情頁來幫助理解。垂直分表的拆分原則是將熱點資料（可能會冗餘經常一起查詢的資料）放在一起作為主表，非熱點資料放在一起作為擴充套件表。這樣更多的熱點資料就能被快取下來，進而減少了隨機讀IO。拆了之後，要想獲得全部資料就需要關聯兩個表來取資料。但記住，千萬別用join，因為join不僅會增加CPU負擔並且會講兩個表耦合在一起（必須在一個資料庫例項上）。關聯資料，應該在業務Service層做文章，分別獲取主表和擴充套件表資料然後用關聯欄位關聯得到全部資料。
   

三、分庫分表工具 ↑

1. sharding-sphere：jar，前身是sharding-jdbc；

2. TDDL：jar，Taobao Distribute Data Layer；

3. Mycat：中介軟體。

注：工具的利弊，請自行調研，官網和社群優先。

四、分庫分表步驟 ↑

根據容量（當前容量和增長量）評估分庫或分表個數 -> 選key（均勻）-> 分表規則（hash或range等）-> 執行（一般雙寫）-> 擴容問題（儘量減少資料的移動）。

五、分庫分表問題 ↑

1、非partition key的查詢問題（水平分庫分表，拆分策略為常用的hash法）

1. 端上 除了partition key只有一個非partition key作為條件查詢
   • 對映法
     
   • 基因法
     

     注：寫入時，基因法生成user_id，如圖。關於xbit基因，例如要分8張表，2 ³ =8，故x取3，即3bit基因。根據user_id查詢時可直接取模路由到對應的分庫或分表。根據user_name查詢時，先通過user_name_code生成函式生成user_name_code再對其取模路由到對應的分庫或分表。id生成常用 snowflake演算法 。

2. 端上 除了partition key不止一個非partition key作為條件查詢
   • 對映法
     
   • 冗餘法
     

     注：按照order_id或buyer_id查詢時路由到db_o_buyer庫中，按照seller_id查詢時路由到db_o_seller庫中。感覺有點本末倒置！有其他好的辦法嗎？改變技術棧呢？

3. 後臺 除了partition key還有各種非partition key組合條件查詢
   • NoSQL法
     
   • 冗餘法
     

2、非partition key跨庫跨表分頁查詢問題（水平分庫分表，拆分策略為常用的hash法）

注：用 NoSQL法 解決（ES等）。

3、擴容問題（水平分庫分表，拆分策略為常用的hash法）

1. 水平擴容庫（升級從庫法）
   

   注：擴容是成倍的。

2. 水平擴容表（雙寫遷移法）
   
   第一步：（同步雙寫）應用配置雙寫，部署；
   第二步：（同步雙寫）將老庫中的老資料複製到新庫中；
   第三步：（同步雙寫）以老庫為準校對新庫中的老資料；
   第四步：（同步雙寫）應用去掉雙寫，部署；

注： 雙寫 是通用方案。

六、分庫分表總結 ↑

1. 分庫分表，首先得知道瓶頸在哪裡，然後才能合理地拆分（分庫還是分表？水平還是垂直？分幾個？）。且不可為了分庫分表而拆分。
2. 選key很重要，既要考慮到拆分均勻，也要考慮到非partition key的查詢。
3. 只要能滿足需求，拆分規則越簡單越好。

七、分庫分表示例 ↑

示例GitHub地址： https://github.com/littlecharacter4s/study-sharding

作者： 尜尜人物

---

---

About Me

........................................................................................................................ ● 本文作者：小麥苗，部分內容整理自網路，若有侵權請聯絡小麥苗刪除 ● 本文在itpub、部落格園、CSDN和個人微 信公眾號（ xiaomaimiaolhr ）上有同步更新 ● 本文itpub地址： http://blog.itpub.net/26736162 ● 本文部落格園地址： http://www.cnblogs.com/lhrbest ● 本文CSDN地址： https://blog.csdn.net/lihuarongaini ● 本文pdf版、個人簡介及小麥苗雲盤地址： http://blog.itpub.net/26736162/viewspace-1624453/ ● 資料庫筆試面試題庫及解答： http://blog.itpub.net/26736162/viewspace-2134706/ ● DBA寶典今日頭條號地址： http://www.toutiao.com/c/user/6401772890/#mid=1564638659405826 ........................................................................................................................ ● QQ群號： 230161599 （滿） 、618766405 ● 微 信群：可加我微 信，我拉大家進群，非誠勿擾 ● 聯絡我請加QQ好友 （ 646634621 ） ，註明新增緣由 ● 於 2019-07-01 06:00 ~ 2019-07-31 24:00 在西安完成 ● 最新修改時間：2019-07-01 06:00 ~ 2019-07-31 24:00 ● 文章內容來源於小麥苗的學習筆記，部分整理自網路，若有侵權或不當之處還請諒解 ● 版權所有，歡迎分享本文，轉載請保留出處 ........................................................................................................................ ● 小麥苗的微店 ： https://weidian.com/s/793741433?wfr=c&ifr=shopdetail ● 小麥苗出版的資料庫類叢書 ： http://blog.itpub.net/26736162/viewspace-2142121/ ● 小麥苗OCP、OCM、高可用網路班 ： http://blog.itpub.net/26736162/viewspace-2148098/ ● 小麥苗騰訊課堂主頁 ： https://lhr.ke.qq.com/ ........................................................................................................................ 使用 微 信客戶端 掃描下面的二維碼來關注小麥苗的微 信公眾號（ xiaomaimiaolhr ）及QQ群（DBA寶典）、新增小麥苗微 信， 學習最實用的資料庫技術。 ........................................................................................................................

 

 

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/26736162/viewspace-2651606/，如需轉載，請註明出處，否則將追究法律責任。