為什麼要分庫分表？

面試題

為什麼要分庫分表（設計高併發系統的時候，資料庫層面該如何設計）？用過哪些分庫分表中介軟體？不同的分庫分表中介軟體都有什麼優點和缺點？你們具體是如何對資料庫如何進行垂直拆分或水平拆分的？

面試官心理分析

其實這塊肯定是扯到高併發了，因為分庫分表一定是為了支撐高併發、資料量大兩個問題的。而且現在說實話，尤其是網際網路類的公司面試，基本上都會來這麼一下，分庫分表如此普遍的技術問題，不問實在是不行，而如果你不知道那也實在是說不過去！

面試題剖析

為什麼要分庫分表？（設計高併發系統的時候，資料庫層面該如何設計？）

說白了，分庫分表是兩回事兒，大家可別搞混了，可能是光分庫不分表，也可能是光分表不分庫，都有可能。

我先給大家丟擲來一個場景。

假如我們現在是一個小創業公司（或者是一個 BAT 公司剛興起的一個新部門），現在註冊使用者就 20 萬，每天活躍使用者就 1 萬，每天單表資料量就 1000，然後高峰期每秒鐘併發請求最多就 10 個。我的天，就這種系統，隨便找一個有幾年工作經驗的，然後帶幾個剛培訓出來的，隨便乾乾都可以。

結果沒想到我們運氣居然這麼好，碰上個 CEO 帶著我們走上了康莊大道，業務發展迅猛，過了幾個月，註冊使用者數達到了 2000 萬！每天活躍使用者數 100 萬！每天單表資料量 10 萬條！高峰期每秒最大請求達到 1000！同時公司還順帶著融資了兩輪，進賬了幾個億人民幣啊！公司估值達到了驚人的幾億美金！這是小獨角獸的節奏！

好吧，沒事，現在大家感覺壓力已經有點大了，為啥呢？因為每天多 10 萬條資料，一個月就多 300 萬條資料，現在我們們單表已經幾百萬資料了，馬上就破千萬了。但是勉強還能撐著。高峰期請求現在是 1000，我們們線上部署了幾臺機器，負載均衡搞了一下，資料庫撐 1000QPS 也還湊合。但是大家現在開始感覺有點擔心了，接下來咋整呢......

再接下來幾個月，我的天，CEO 太牛逼了，公司使用者數已經達到 1 億，公司繼續融資幾十億人民幣啊！公司估值達到了驚人的幾十億美金，成為了國內今年最牛逼的明星創業公司！天，我們太幸運了。

但是我們同時也是不幸的，因為此時每天活躍使用者數上千萬，每天單表新增資料多達 50 萬，目前一個表總資料量都已經達到了兩三千萬了！扛不住啊！資料庫磁碟容量不斷消耗掉！高峰期併發達到驚人的 5000~8000 ！別開玩笑了，哥。我跟你保證，你的系統支撐不到現在，已經掛掉了！

好吧，所以你看到這裡差不多就理解分庫分表是怎麼回事兒了，實際上這是跟著你的公司業務發展走的，你公司業務發展越好，使用者就越多，資料量越大，請求量越大，那你單個資料庫一定扛不住。

分表

比如你單表都幾千萬資料了，你確定你能扛住麼？絕對不行，單表資料量太大，會極大影響你的 sql 執行的效能，到了後面你的 sql 可能就跑的很慢了。一般來說，就以我的經驗來看，單表到幾百萬的時候，效能就會相對差一些了，你就得分表了。

分表是啥意思？就是把一個表的資料放到多個表中，然後查詢的時候你就查一個表。比如按照使用者 id 來分表，將一個使用者的資料就放在一個表中。然後操作的時候你對一個使用者就操作那個表就好了。這樣可以控制每個表的資料量在可控的範圍內，比如每個表就固定在 200 萬以內。

分庫

分庫是啥意思？就是你一個庫一般我們經驗而言，最多支撐到併發 2000，一定要擴容了，而且一個健康的單庫併發值你最好保持在每秒 1000 左右，不要太大。那麼你可以將一個庫的資料拆分到多個庫中，訪問的時候就訪問一個庫好了。

這就是所謂的分庫分表，為啥要分庫分表？你明白了吧。

用過哪些分庫分表中介軟體？不同的分庫分表中介軟體都有什麼優點和缺點？

這個其實就是看看你瞭解哪些分庫分表的中介軟體，各個中介軟體的優缺點是啥？然後你用過哪些分庫分表的中介軟體。

比較常見的包括：

• Cobar
• TDDL
• Atlas
• Sharding-jdbc
• Mycat

Cobar

阿里 b2b 團隊開發和開源的，屬於 proxy 層方案，就是介於應用伺服器和資料庫伺服器之間。應用程式通過 JDBC 驅動訪問 Cobar 叢集，Cobar 根據 SQL 和分庫規則對 SQL 做分解，然後分發到 MySQL 叢集不同的資料庫例項上執行。早些年還可以用，但是最近幾年都沒更新了，基本沒啥人用，差不多算是被拋棄的狀態吧。而且不支援讀寫分離、儲存過程、跨庫 join 和分頁等操作。

TDDL

淘寶團隊開發的，屬於 client 層方案。支援基本的 crud 語法和讀寫分離，但不支援 join、多表查詢等語法。目前使用的也不多，因為還依賴淘寶的 diamond 配置管理系統。

Atlas

360 開源的，屬於 proxy 層方案，以前是有一些公司在用的，但是確實有一個很大的問題就是社群最新的維護都在 5 年前了。所以，現在用的公司基本也很少了。

Sharding-jdbc

噹噹開源的，屬於 client 層方案，是 ShardingSphere 的 client 層方案， ShardingSphere 還提供 proxy 層的方案 Sharding-Proxy。確實之前用的還比較多一些，因為 SQL 語法支援也比較多，沒有太多限制，而且截至 2019.4，已經推出到了 4.0.0-RC1 版本，支援分庫分表、讀寫分離、分散式 id 生成、柔性事務（最大努力送達型事務、TCC 事務）。而且確實之前使用的公司會比較多一些（這個在官網有登記使用的公司，可以看到從 2017 年一直到現在，是有不少公司在用的），目前社群也還一直在開發和維護，還算是比較活躍，個人認為算是一個現在也可以選擇的方案。

Mycat

基於 Cobar 改造的，屬於 proxy 層方案，支援的功能非常完善，而且目前應該是非常火的而且不斷流行的資料庫中介軟體，社群很活躍，也有一些公司開始在用了。但是確實相比於 Sharding jdbc 來說，年輕一些，經歷的錘鍊少一些。

總結

綜上，現在其實建議考量的，就是 Sharding-jdbc 和 Mycat，這兩個都可以去考慮使用。

Sharding-jdbc 這種 client 層方案的優點在於不用部署，運維成本低，不需要代理層的二次轉發請求，效能很高，但是如果遇到升級啥的需要各個系統都重新升級版本再發布，各個系統都需要耦合 Sharding-jdbc 的依賴；

Mycat 這種 proxy 層方案的缺點在於需要部署，自己運維一套中介軟體，運維成本高，但是好處在於對於各個專案是透明的，如果遇到升級之類的都是自己中介軟體那裡搞就行了。

通常來說，這兩個方案其實都可以選用，但是我個人建議中小型公司選用 Sharding-jdbc，client 層方案輕便，而且維護成本低，不需要額外增派人手，而且中小型公司系統複雜度會低一些，專案也沒那麼多；但是中大型公司最好還是選用 Mycat 這類 proxy 層方案，因為可能大公司系統和專案非常多，團隊很大，人員充足，那麼最好是專門弄個人來研究和維護 Mycat，然後大量專案直接透明使用即可。

你們具體是如何對資料庫如何進行垂直拆分或水平拆分的？

水平拆分的意思，就是把一個表的資料給弄到多個庫的多個表裡去，但是每個庫的表結構都一樣，只不過每個庫表放的資料是不同的，所有庫表的資料加起來就是全部資料。水平拆分的意義，就是將資料均勻放更多的庫裡，然後用多個庫來扛更高的併發，還有就是用多個庫的儲存容量來進行擴容。

垂直拆分的意思，就是把一個有很多欄位的表給拆分成多個表，或者是多個庫上去。每個庫表的結構都不一樣，每個庫表都包含部分欄位。一般來說，會將較少的訪問頻率很高的欄位放到一個表裡去，然後將較多的訪問頻率很低的欄位放到另外一個表裡去。因為資料庫是有快取的，你訪問頻率高的行欄位越少，就可以在快取裡快取更多的行，效能就越好。這個一般在表層面做的較多一些。

這個其實挺常見的，不一定我說，大家很多同學可能自己都做過，把一個大表拆開，訂單表、訂單支付表、訂單商品表。

還有表層面的拆分，就是分表，將一個表變成 N 個表，就是讓每個表的資料量控制在一定範圍內，保證 SQL 的效能。否則單表資料量越大，SQL 效能就越差。一般是 200 萬行左右，不要太多，但是也得看具體你怎麼操作，也可能是 500 萬，或者是 100 萬。你的 SQL 越複雜，就最好讓單錶行數越少。

好了，無論分庫還是分表，上面說的那些資料庫中介軟體都是可以支援的。就是基本上那些中介軟體可以做到你分庫分表之後，中介軟體可以根據你指定的某個欄位值，比如說 userid，自動路由到對應的庫上去，然後再自動路由到對應的表裡去。

你就得考慮一下，你的專案裡該如何分庫分表？一般來說，垂直拆分，你可以在表層面來做，對一些欄位特別多的表做一下拆分；水平拆分，你可以說是併發承載不了，或者是資料量太大，容量承載不了，你給拆了，按什麼欄位來拆，你自己想好；分表，你考慮一下，你如果哪怕是拆到每個庫裡去，併發和容量都 ok 了，但是每個庫的表還是太大了，那麼你就分表，將這個表分開，保證每個表的資料量並不是很大。

而且這兒還有兩種分庫分表的方式：

• 一種是按照 range 來分，就是每個庫一段連續的資料，這個一般是按比如時間範圍來的，但是這種一般較少用，因為很容易產生熱點問題，大量的流量都打在最新的資料上了。
• 或者是按照某個欄位 hash 一下均勻分散，這個較為常用。

range 來分，好處在於說，擴容的時候很簡單，因為你只要預備好，給每個月都準備一個庫就可以了，到了一個新的月份的時候，自然而然，就會寫新的庫了；缺點，但是大部分的請求，都是訪問最新的資料。實際生產用 range，要看場景。

hash 分發，好處在於說，可以平均分配每個庫的資料量和請求壓力；壞處在於說擴容起來比較麻煩，會有一個資料遷移的過程，之前的資料需要重新計算 hash 值重新分配到不同的庫或表。