轉自：https://kefeng.wang/2018/07/22/mysql-sharding/
衆所周知，資料庫很容易成為應用系統的瓶頸。單機資料庫的資源和處理能力有限，在高并發的分布式系統中，可采用分庫分表突破單機局限。本文總結了分庫分表的相關概念、全局ID的生成政策、分片政策、平滑擴容方案、以及流行的方案。
1 分庫分表概述
在業務量不大時，單庫單表即可支撐。
當資料量過大存儲不下、或者并發量過大負荷不起時，就要考慮分庫分表。
1.1 分庫分表相關術語
讀寫分離: 不同的資料庫，同步相同的資料，分别隻負責資料的讀和寫；
分區: 指定分區清單達式，把記錄拆分到不同的區域中(必須是同一伺服器，可以是不同硬碟)，應用看來還是同一張表，沒有變化；
分庫：一個系統的多張資料表，存儲到多個資料庫執行個體中；
分表: 對于一張多行(記錄)多列(字段)的二維資料表，又分兩種情形：
(1) 垂直分表: 豎向切分，不同分表存儲不同的字段，可以把不常用或者大容量、或者不同業務的字段拆分出去；
(2) 水準分表(最複雜): 橫向切分，按照特定分片算法，不同分表存儲不同的記錄。
1.2 真的要采用分庫分表？
需要注意的是，分庫分表會為資料庫維護和業務邏輯帶來一系列複雜性和性能損耗，除非預估的業務量大到萬不得已，切莫過度設計、過早優化。
規劃期内的資料量和性能問題，嘗試能否用下列方式解決：
目前資料量：如果沒有達到幾百萬，通常無需分庫分表；
資料量問題：增加磁盤、增加分庫(不同的業務功能表，整表拆分至不同的資料庫)；
性能問題：更新CPU/記憶體、讀寫分離、優化資料庫系統配置、優化資料表/索引、優化 SQL、分區、資料表的垂直切分；
如果仍未能奏效，才考慮最複雜的方案：資料表的水準切分。
2 全局ID生成政策
2.1 自動增長列
優點：資料庫自帶功能，有序，性能佳。
缺點：單庫單表無妨，分庫分表時如果沒有規劃，ID可能重複。解決方案：
2.1.1 設定自增偏移和步長
## 假設總共有 10 個分表
## 級别可選: SESSION(會話級), GLOBAL(全局)
SET @@SESSION.auto_increment_offset = 1; ## 起始值, 分别取值為 1~10
SET @@SESSION.auto_increment_increment = 10; ## 步長增量
1
2
3
4
如果采用該方案，在擴容時需要遷移已有資料至新的所屬分片。
2.1.2 全局ID映射表
在全局 Redis 中為每張資料表建立一個 ID 的鍵，記錄該表目前最大 ID；
每次申請 ID 時，都自增 1 并傳回給應用；
Redis 要定期持久至全局資料庫。
2.2 UUID(128位)
在一台機器上生成的數字，它保證對在同一時空中的所有機器都是唯一的。通常平台會提供生成UUID的API。
UUID 由4個連字号(-)将32個位元組長的字元串分隔後生成的字元串，總共36個位元組長。形如：550e8400-e29b-41d4-a716-446655440000。
UUID 的計算因子包括：以太網卡位址、納秒級時間、晶片ID碼和許多可能的數字。
UUID 是個标準，其實作有幾種，最常用的是微軟的 GUID(Globals Unique Identifiers)。
優點：簡單，全球唯一；
缺點：存儲和傳輸空間大，無序，性能欠佳。
2.3 COMB(組合)
參考資料：The Cost of GUIDs as Primary Keys
組合 GUID(10位元組) 和時間(6位元組)，達到有序的效果，提高索引性能。
2.4 Snowflake(雪花) 算法
參考資料：twitter/snowflake，Snowflake 算法詳解
Snowflake 是 Twitter 開源的分布式 ID 生成算法，其結果為 long(64bit) 的數值。
其特性是各節點無需協調、按時間大緻有序、且整個叢集各節點單不重複。
該數值的預設組成如下(符号位之外的三部分允許個性化調整)：
1bit: 符号位，總是 0(為了保證數值是正數)。
41bit: 毫秒數(可用 69 年)；
10bit: 節點ID(5bit資料中心 + 5bit節點ID，支援 32 * 32 = 1024 個節點)
12bit: 流水号(每個節點每毫秒内支援 4096 個 ID，相當于 409萬的 QPS，相同時間内如 ID 遇翻轉，則等待至下一毫秒)
3 分片政策
3.1 連續分片
根據特定字段(比如使用者ID、訂單時間)的範圍，值在該區間的，劃分到特定節點。
優點：叢集擴容後，指定新的範圍落在新節點即可，無需進行資料遷移。
缺點：如果按時間劃分，資料熱點分布不均(曆史數冷目前資料熱)，導緻節點負荷不均。
3.3 ID取模分片
缺點：擴容後需要遷移資料。
3.2 一緻性Hash算法
優點：擴容後無需遷移資料。
3.4 Snowflake 分片
優點：擴容後無需遷移資料。
4 分庫分表引入的問題
4.1 分布式事務
參見 分布式事務的解決方案
由于兩階段/三階段送出對性能損耗大，可改用事務補償機制。
4.2 跨節點 JOIN
對于單庫 JOIN，MySQL 原生就支援；
對于多庫，出于性能考慮，不建議使用 MySQL 自帶的 JOIN，可以用以下方案避免跨節點 JOIN：
全局表: 一些穩定的共用資料表，在各個資料庫中都儲存一份；
字段備援: 一些常用的共用字段，在各個資料表中都儲存一份；
應用組裝：應用擷取資料後再組裝。
另外，某個 ID 的使用者資訊在哪個節點，他的關聯資料(比如訂單)也在哪個節點，可以避免分布式查詢。
4.3 跨節點聚合
隻能在應用程式端完成。
但對于分頁查詢，每次大量聚合後再分頁，性能欠佳。
4.4 節點擴容
節點擴容後，新的分片規則導緻資料所屬分片有變，因而需要遷移資料。
5 節點擴容方案
相關資料: 資料庫秒級平滑擴容架構方案
5.1 正常方案
如果增加的節點數和擴容操作沒有規劃，那麼絕大部分資料所屬的分片都有變化，需要在分片間遷移：
預估遷移耗時，釋出停服公告；
停服(使用者無法使用服務)，使用事先準備的遷移腳本，進行資料遷移；
修改為新的分片規則；
啟動伺服器。
5.2 免遷移擴容
采用雙倍擴容政策，避免資料遷移。擴容前每個節點的資料，有一半要遷移至一個新增節點中，對應關系比較簡單。
具體操作如下(假設已有 2 個節點 A/B，要雙倍擴容至 A/A2/B/B2 這 4 個節點)：
無需停止應用伺服器；
新增兩個資料庫 A2/B2 作為從庫，設定主從同步關系為：A=>A2、B=>B2，直至主從資料同步完畢(早期資料可手工同步)；
調整分片規則并使之生效：
原 ID%2=0 => A 改為 ID%4=0 => A, ID%4=2 => A2；
原 ID%2=1 => B 改為 ID%4=1 => B, ID%4=3 => B2。
解除資料庫執行個體的主從同步關系，并使之生效；
此時，四個節點的資料都已完整，隻是有備援(多存了和自己配對的節點的那部分資料)，擇機清除即可(過後随時進行，不影響業務)。
6 分庫分表方案
6.1 代理層方式
部署一台代理伺服器僞裝成 MySQL 伺服器，代理伺服器負責與真實 MySQL 節點的對接，應用程式隻和代理伺服器對接。對應用程式是透明的。
比如 MyCAT，官網，源碼，參考文檔：MyCAT+MySQL 讀寫分離部署
MyCAT 後端可以支援 MySQL, SQL Server, Oracle, DB2, PostgreSQL等主流資料庫，也支援MongoDB這種新型NoSQL方式的存儲，未來還會支援更多類型的存儲。
MyCAT 不僅僅可以用作讀寫分離，以及分表分庫、容災管理，而且可以用于多租戶應用開發、雲平台基礎設施，讓你的架構具備很強的适應性和靈活性。
6.2 應用層方式
處于業務層和 JDBC 層中間，是以 JAR 包方式提供給應用調用，對代碼有侵入性。主要方案有：
(1)淘寶網的 TDDL: 已于 2012 年關閉了維護通道，建議不要使用。
(2)當當網的 Sharding-JDBC: 仍在活躍維護中：
是當當應用架構 ddframe 中，從關系型資料庫子產品 dd-rdb 中分離出來的資料庫水準分片架構，實作透明化資料庫分庫分表通路，實作了 Snowflake 分片算法；
Sharding-JDBC定位為輕量Java架構，使用用戶端直連資料庫，無需額外部署，無其他依賴，DBA也無需改變原有的運維方式。
Sharding-JDBC分片政策靈活，可支援等号、between、in等多元度分片，也可支援多分片鍵。
SQL解析功能完善，支援聚合、分組、排序、limit、or等查詢，并支援Binding Table以及笛卡爾積表查詢。
Sharding-JDBC直接封裝JDBC API，可以了解為增強版的JDBC驅動，舊代碼遷移成本幾乎為零：
可适用于任何基于Java的ORM架構，如JPA、Hibernate、Mybatis、Spring JDBC Template或直接使用JDBC。
可基于任何第三方的資料庫連接配接池，如DBCP、C3P0、 BoneCP、Druid等。
理論上可支援任意實作JDBC規範的資料庫。雖然目前僅支援MySQL，但已有支援Oracle、SQLServer等資料庫的計劃。
轉自：https://kefeng.wang/2018/07/22/mysql-sharding/
