数据库优化支持高可用

背景：

假如一个系统注册⽤户就 20 万，每天活跃⽤户就 1 万，每天单表数据量就 1000，然后⾼峰期每秒钟并发请求最多就 10。

公司业务发展迅猛，过了⼏个⽉，注册⽤户数达到了 2000 万！每天活跃⽤户数 100 万！每天单 表新增数据量达到 50 万条！⾼峰期每秒请求量达到 1 万，因为每天单表新增 50 万条数据，⼀个⽉就多 1500 万条数据，⼀年下来单表会达到上亿条数据。经过⼀段时间的运⾏，单表已经两三千万条数据了，勉强还能⽀撑着。但是单表数据量越来越⼤，拖垮了⼀些复杂 查询 SQL 的性能

问题：

服务器方面：峰期请求现在是每秒 1 万，咱们的系统在线上部署了 20 台机器，平均每台机器每秒⽀撑 500 请求，这个还能抗住，没啥⼤问

数据库方面：⼀台数据库服务器在⽀撑每秒上万的请求，会有以下问题：

数据库服务器的磁盘 IO、⽹络带宽、CPU 负载、内存消耗，都会达到⾮常⾼的情况
⾼峰期时，本来你单表数据量就很⼤，SQL 性能就不太好，这时加上你的数据库服务器负 载太⾼导致性能下降，就会发现你的 SQL 性能更差了
就是你的系统在⾼峰期各个功能都运⾏的很慢，⽤户体验很差，点⼀ 个按钮可能要⼏⼗秒才出来结果
如果数据库服务器的配置不是特别的⾼，也许数据库会宕机

设计方案：

步骤1：多台服务器分库⽀撑⾼并发读写

⾸先我们先考虑第⼀个问题，数据库每秒上万的并发请求应该如何来⽀撑呢？ 要搞清楚这个问题，先得明⽩⼀般数据库部署在什么配置的服务器上。

（1）普通配置的服务器：

起码是 16 核 32G 的机器配置。 这种⾮常普通的机器配置部署的数据库，⼀般线上的经验是：不要让其每秒请求⽀撑超过 2000，⼀般控制在 2000 左右。在上万并发请求的场景下，部署个 5 台服务器，每台服务器上都部署⼀ 个数据库实例。然后每个数据库实例⾥，都创建⼀个⼀样的库，⽐如说订单库。

此时在 5 台服务器上都有⼀个订单库，名字可以类似为：db_order_01，db_order_02，等等。 然后每个订单库⾥，都有⼀个相同的表，⽐如说订单库⾥有订单信息表，那么此时 5 个订单库 ⾥都有⼀个订单信息表。⽐如 db_order_01 库⾥就有⼀个 tb_order_01 表，db_order_02 库⾥就有⼀个 tb_order_02 表。 这就实现了⼀个基本的分库分表的思路，原来的⼀台数据库服务器变成了 5 台数据库服务器， 原来的⼀个库变成了 5 个库，原来的⼀张表变成了 5 个表。然后你在写⼊数据的时候，需要借助数据库中间件，⽐如 sharding-jdbc，或者是 mycat。

（2）写操作：

可以根据⽐如订单 id 来 hash 后按 5 取模，⽐如每天订单表新增 50 万数据，此时其中 10 万 条数据会落⼊ db_order_01 库的 tb_order_01 表，另外 10 万条数据会落⼊ db_order_02 库的 tb_order_02 表，以此类推，这样就可以把数据均匀分散在 5 台服务器上了。

（3）读操作：

可以通过订单 id 来 hash 取 模，去对应的服务器上的数据库⾥，从对应的表⾥查询那条数据出来即可。

（4）好处

原来⽐如订单表就⼀张表，这个时候不就成了 5 张表了么，那么每个表的数据就 变成 1/5 了；

假设当前订单表⾥已经有 2000 万数据了，此时做了上述拆分，每个表⾥就只有 400 万数据 了；

写：每天新增 50 万数据的话，那么每个表才新增 10 万数据，初步缓解了单表数据 量过⼤影响系统性能的问题；

读：每秒 1 万请求到 5 台数据库上，每台数据库就承载每秒 2000 的请求，⼀下⼦把 每台数据库服务器的并发请求降低到了安全范围；

这样，降低了数据库的⾼峰期负载，同时还保证了⾼峰期的性能。

步骤2：⼤量分表来保证海量数据下的查询性能

上述的数据库架构还有⼀个问题，那就是单表数据量还是过⼤，现在订单表才分为了 5 张 表，那么如果订单⼀年有 1 亿条，每个表就有 2000 万条，这也还是太⼤了。所以还应该继续分表，⼤量分表。⽐如可以把订单表⼀共拆分为 1024 张表，这样 1 亿数据量的话，分散到每个表⾥也就才 10 万 量级的数据量，然后这上千张表分散在 5 台数据库⾥就可以了。

在写⼊数据的时候，需要做两次路由，先对订单 id hash 后对数据库的数量取模，可以路由到 ⼀台数据库上；

然后再对那台数据库上的表数量取模，就可以路由到数据库上的⼀个表⾥了；

通过这个步骤，就可以让每个表⾥的数据量⾮常⼩，每年 1 亿数据增⻓，但是到每个表⾥才 10 万条数据增⻓，这个系统运⾏ 10 年，每个表⾥可能才百万级的数据量

步骤3：读写分离支撑按需扩容、性能提升

还有⼀个问题，假如说每台数据库服务器承载每秒 2000 的请求，然后其中 400 请求是 写⼊，1600 请求是查询？（也就是说，增删改的 SQL 才占到了 20% 的⽐例，80% 的请求是查询）

此时假如说随着⽤户量越来越⼤，假如说⼜变成每台服务器承载 4000 请求了。 那么其中 800 请求是写⼊，3200 请求是查询，如果说你按照上班步骤⽬前的情况来扩容，就需要增加⼀ 台数据库服务器。但是此时可能就会涉及到表的迁移，因为需要迁移⼀部分表到新的数据库服务器上去，是不是 很麻烦？（分表麻烦）

其实完全没必要，数据库⼀般都⽀持读写分离，也就是做主从架构。

写⼊的时候写⼊主数据库服务器，查询的时候读取从数据库服务器，就可以让⼀个表的读写请 求分开落地到不同的数据库上去执⾏。写⼊主库的时候，会⾃动同步数据到从库上去，保证主库和从库数据⼀致。然后查询的时候都是⾛从库去查询的。

具体操作：

现在的好处就是，假如说现在主库写请求增加到 800，这个⽆所谓，不需要扩容。然后从库的 读请求增加到了 3200，需要扩容了。 这时，你直接给主库再挂载⼀个新的从库就可以了，两个从库，每个从库⽀撑 1600 的读请求， 不需要因为读请求增⻓来扩容主库。

实际上线上⽣产你会发现，读请求的增⻓速度远远⾼于写请求，所以读写分离之后，⼤部分时 候就是扩容从库⽀撑更⾼的读请求就可以了。

优点：

对同⼀个表，如果你既写⼊数据（涉及加锁），还从该表查询数据，可能会牵 扯到锁冲突等问题，⽆论是写性能还是读性能，都会有影响。 所以⼀旦读写分离之后，对主库的表就仅仅是写⼊，没任何查询会影响他，对从库的表就仅仅 是查询。

高并发下数据库架构总结：

分库来⽀撑⾼并发的请求，⼤量分表保证每个表的数据量别太⼤，读写分离实现 主库和从库按需扩容以及性能保证