資料庫之分庫分表-垂直？水準？

一、資料庫瓶頸

　　不管是IO瓶頸，還是CPU瓶頸，最終都會導緻資料庫的活躍連接配接數增加，進而逼近甚至達到資料庫可承載活躍連接配接數的門檻值。在業務Service來看就是，可用資料庫連接配接少甚至無連接配接可用。接下來就可以想象了吧（并發量、吞吐量、崩潰）。

1、IO瓶頸

第一種：磁盤讀IO瓶頸，熱點資料太多，資料庫緩存放不下，每次查詢時會産生大量的随機IO，降低查詢速度 ->

分庫和垂直分表

。

第二種：網絡IO瓶頸，請求的資料太多，網絡帶寬不夠 ->

分庫

2、CPU瓶頸

第一種：SQL問題，如SQL中包含join，group by，order by，非索引字段條件查詢等，增加CPU運算的操作 -> SQL優化，建立合适的索引，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，增加CPU運算的操作 ->

水準分表

二、分庫分表

1、水準分庫

1. 概念：以字段為依據，按照一定政策（hash、range等），将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；
   • 所有庫的并集是全量資料；
3. 場景：系統絕對并發量上來了，分表難以根本上解決問題，并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、水準分表

1. 概念：以字段為依據，按照一定政策（hash、range等），将一個表中的資料拆分到多個表中。
2. • 每個表的結構都一樣；
   • 每個表的資料都不一樣，沒有交集；
   • 所有表的并集是全量資料；
3. 場景：系統絕對并發量并沒有上來，隻是單表的資料量太多，影響了SQL效率，加重了CPU負擔，以至于成為瓶頸。
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，将不同的表拆分到不同的庫中。
2. • 每個庫的結構都不一樣；
   • 每個庫的資料也不一樣，沒有交集；
3. 場景：系統絕對并發量上來了，并且可以抽象出單獨的業務子產品。
4. 分析：到這一步，基本上就可以服務化了。例如，随着業務的發展一些公用的配置表、字典表等越來越多，這時可以将這些表拆到單獨的庫中，甚至可以服務化。再有，随着業務的發展孵化出了一套業務模式，這時可以将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：以字段為依據，按照字段的活躍性，将表中字段拆到不同的表（主表和擴充表）中。
2. • 每個表的結構都不一樣；
   • 每個表的資料也不一樣，一般來說，每個表的字段至少有一列交集，一般是主鍵，用于關聯資料；
3. 場景：系統絕對并發量并沒有上來，表的記錄并不多，但是字段多，并且熱點資料和非熱點資料在一起，單行資料所需的存儲空間較大。以至于資料庫緩存的資料行減少，查詢時會去讀磁盤資料産生大量的随機讀IO，産生IO瓶頸。
4. 分析：可以用清單頁和詳情頁來幫助了解。垂直分表的拆分原則是将熱點資料（可能會備援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表。這樣更多的熱點資料就能被緩存下來，進而減少了随機讀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，千萬别用join，因為join不僅會增加CPU負擔并且會講兩個表耦合在一起（必須在一個資料庫執行個體上）。關聯資料，應該在業務Service層做文章，分别擷取主表和擴充表資料然後用關聯字段關聯得到全部資料。

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：中間件。

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（目前容量和增長量）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（盡量減少資料的移動）。

五、分庫分表問題

1、非partition key的查詢問題（水準分庫分表，拆分政策為常用的hash法）

1. 端上除了partition key隻有一個非partition key作為條件查詢
   • 映射法

     

   • 基因法

     

     注：寫入時，基因法生成user_id，如圖。關于xbit基因，例如要分8張表，23=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生成函數生成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算法。
2. 端上除了partition key不止一個非partition key作為條件查詢

   • 

   • 備援法

     

     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. 背景除了partition key還有各種非partition key組合條件查詢
   • NoSQL法

     

   • 

注：思考下範圍法拆分，該怎麼解決。

2、非partition key跨庫跨表分頁查詢問題（水準分庫分表，拆分政策為常用的hash法）

注：用

解決（ES等）。

3、擴容問題（水準分庫分表，拆分政策為常用的hash法）

1. 水準擴容庫（更新從庫法）

   

   注：擴容是成倍的。
2. 水準擴容表（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）将老庫中的老資料複制到新庫中；

   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；思考下範圍法拆分，該怎麼解決。

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？水準還是垂直？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. 隻要能滿足需求，拆分規則越簡單越好。

七、分庫分表示例

示例GitHub位址：

https://github.com/lc-study/study-sharding.git

作者：

尜尜人物

使命：為中華軟體之崛起而程式設計

願景：願程式員皆因喜歡而程式設計