数据库的分库分表

最新推荐文章于 2024-05-28 10:06:31 发布

Stream_who

最新推荐文章于 2024-05-28 10:06:31 发布

阅读量483

点赞数

分类专栏：数据库

本文链接：https://blog.csdn.net/Stream_who/article/details/85040081

版权

数据库专栏收录该内容

6 篇文章 0 订阅

订阅专栏

更详细参看博客：数据库分库分表思路 https://www.cnblogs.com/butterfly100/p/9034281.html

一、垂直（纵向）切分

在这里插入图片描述

1.垂直切分分库分表方式

1）垂直分库

	（1）根据业务耦合性，将关联度低的不同表存储在不同的数据库

2）垂直分表

	（1）基于数据库中的"列"进行，某个表字段较多，可以新建一张扩展表，将不经常用或字段长度较大的字段拆分出去到扩展表中

	（2）在字段很多的情况下（例如一个大表有100多个字段），通过"大表拆小表"，更便于开发与维护，也能避免跨页问题，MySQL底层是通过数据页存储的，一条记录占用空间过大会导致跨页，造成额外的性能开销。另外数据库以行为单位将数据加载到内存中，这样表中字段长度较短且访问频率较高，内存能加载更多的数据，命中率更高，减少了磁盘IO，从而提升了数据库性能

2. 垂直切分优点

1）解决业务系统层面的耦合，业务清晰

2）与微服务的治理类似，也能对不同业务的数据进行分级管理、维护、监控、扩展等

3）高并发场景下，垂直切分一定程度的提升IO、数据库连接数、单机硬件资源的瓶颈

3. 垂直切分缺点

1）部分表无法join，只能通过接口聚合方式解决，提升了开发的复杂度

2）分布式事务处理复杂

3）依然存在单表数据量过大的问题（需要水平切分）

二、水平（横向）切分

在这里插入图片描述

1. 水平切分分库分表方式

1）库内分表		

	（1）库内分表只解决了单一表数据量过大的问题，但没有将表分布到不同机器的库上，因此对于减轻MySQL数据库的压力来说，帮助不是很大，大家还是竞争同一个物理机的CPU、内存、网络IO，最好通过分库分表来解决

2）分库分表（分片规则）	

	（1）根据数值范围（按照时间区间或ID区间来切分）

		a. 示例：按日期将不同月甚至是日的数据分散到不同的库中；将userId为1~9999的记录分到第一个库，10000~20000的分到第二个库，以此类推

		b. 优点：

			I.单表大小可控

			II.天然便于水平扩展，后期如果想对整个分片集群扩容时，只需要添加节点即可，无需对其他分片的数据进行迁移

			III.使用分片字段进行范围查找时，连续分片可快速定位分片进行快速查询，有效避免跨分片查询的问题

		c.缺点：

			I. 热点数据成为性能瓶颈。连续分片可能存在数据热点，例如按时间字段分片，有些分片存储最近时间段内的数据，可能会被频繁的读写，而有些分片存储的历史数据，则很少被查询

			II. 很多customerID可能集中在某些段中，还有就是后期服务器更不上了，哈哈（工作中遇到）	

	（2）根据数值取模（一般采用hash取模mod的切分方式）		

		a. 示例：将 Customer 表根据 customerID 字段切分到4个库中，余数为0的放到第一个库，余数为1的放到第二个库，以此类推

		b. 优点：

			I.数据分片相对比较均匀，不容易出现热点和并发访问的瓶颈

		c.缺点：

			I. 后期分片集群扩容时，需要迁移旧的数据（使用一致性hash算法能较好的避免这个问题）

			II. 容易面临跨分片查询的复杂问题。比如上例中，如果频繁用到的查询条件中不带customerID时，将会导致无法定位数据库，从而需要同时向4个库发起查询，再在内存中合并数据，取最小集返回给应用，分库反而成为拖累(比如现在工作中的所有跟用户有关的表都加了customerID)

2. 水平切分优点：

1）不存在单库数据量过大、高并发的性能瓶颈，提升系统稳定性和负载能力

2）应用端改造较小，不需要拆分业务模块

3. 水平切分缺点：

1）跨分片的事务一致性难以保证

2）跨库的join关联查询性能较差

3）数据多次扩展难度和维护量极大

三、分库分表带来的问题

1. 事务一致性问题

1）分布式事务

	（1）当更新内容同时分布在不同库中，不可避免会带来跨库事务问题。跨分片事务也是分布式事务，没有简单的方案，一般可使用"XA协议"和"两阶段提交"处理

	（2）分布式事务能最大限度保证了数据库操作的原子性。但在提交事务时需要协调多个节点，推后了提交事务的时间点，延长了事务的执行时间。导致事务在访问共享资源时发生冲突或死锁的概率增高。随着数据库节点的增多，这种趋势会越来越严重，从而成为系统在数据库层面上水平扩展的枷锁

2）最终一致性						

	（1）对于那些性能要求很高，但对一致性要求不高的系统，往往不苛求系统的实时一致性，只要在允许的时间段内达到最终一致性即可，可采用事务补偿的方式

	（2）与事务在执行中发生错误后立即回滚的方式不同，事务补偿是一种事后检查补救的措施，一些常见的实现方法有：对数据进行对账检查，基于日志进行对比，定期同标准数据来源进行同步等等。事务补偿还要结合业务系统来考虑

2. 跨节点关联查询 join 问题

切分之前，系统中很多列表和详情页所需的数据可以通过sql join来完成。而切分之后，数据可能分布在不同的节点上，此时join带来的问题就比较麻烦了，考虑到性能，尽量避免使用join查询

1）全局表

	全局表，也可看做是"数据字典表"，就是系统中所有模块都可能依赖的一些表，为了避免跨库join查询，可以将这类表在每个数据库中都保存一份。这些数据通常很少会进行修改，所以也不担心一致性的问题

2）字段冗余

	一种典型的反范式设计，利用空间换时间，为了性能而避免join查询。例如：订单表保存userId时候，也将userName冗余保存一份，这样查询订单详情时就不需要再去查询"买家user表"了。但这种方法适用场景也有限，比较适用于依赖字段比较少的情况。而冗余字段的数据一致性也较难保证，就像上面订单表的例子，买家修改了userName后，是否需要在历史订单中同步更新呢？这也要结合实际业务场景进行考虑	

3）数据组装

	在系统层面，分两次查询，第一次查询的结果集中找出关联数据id，然后根据id发起第二次请求得到关联数据。最后将获得到的数据进行字段拼装

4）ER分片（现在工作中就是利用customerID在订单，支付等表中都存在，而且分库规则都一样，就在一个库里面，不用跨库了）

	关系型数据库中，如果可以先确定表之间的关联关系，并将那些存在关联关系的表记录存放在同一个分片上，那么就能较好的避免跨分片join问题。在1:1或1:n的情况下，通常按照主表的ID主键切分

3. 跨节点分页、排序、函数问题

1）分页需要按照指定字段进行排序，当排序字段就是分片字段时，通过分片规则就比较容易定位到指定的分片；当排序字段非分片字段时，就变得比较复杂了。需要先在不同的分片节点中将数据进行排序并返回，然后将不同分片返回的结果集进行汇总和再次排序，最终返回给用户

2）在使用Max、Min、Sum、Count之类的函数进行计算的时候，也需要先在每个分片上执行相应的函数，然后将各个分片的结果集进行汇总和再次计算，最终将结果返回

3）解决办法暂无：不过现在工作中都是根据customerID拿到数据，然后这些数据都在一个库里，随便排序，函数

4. 全局主键避重问题

在分库分表环境中，由于表中数据同时存在不同数据库中，主键值平时使用的自增长将无用武之地，某个分区数据库自生成的ID无法保证全局唯一。因此需要单独设计全局主键，以避免跨库主键重复问题

1）UUID

	（1）UUID标准形式包含32个16进制数字，分为5段，形式为8-4-4-4-12的36个字符，例如：550e8400-e29b-41d4-a716-446655440000	

	（2）UUID是主键是最简单的方案，本地生成，性能高，没有网络耗时。但缺点也很明显，由于UUID非常长，会占用大量的存储空间；另外，作为主键建立索引和基于索引进行查询时都会存在性能问题，在InnoDB下，UUID的无序性会引起数据位置频繁变动，导致分页

2）结合数据库维护主键ID表

3）Snowflake分布式自增ID算法

5. 数据迁移、扩容问题

1）当业务高速发展，面临性能和存储的瓶颈时，才会考虑分片设计，此时就不可避免的需要考虑历史数据迁移的问题。一般做法是先读出历史数据，然后按指定的分片规则再将数据写入到各个分片节点中。此外还需要根据当前的数据量和QPS，以及业务发展的速度，进行容量规划，推算出大概需要多少分片（一般建议单个分片上的单表数据量不超过1000W）

2）如果采用数值范围分片，只需要添加节点就可以进行扩容了，不需要对分片数据迁移。如果采用的是数值取模分片，则考虑后期的扩容问题就相对比较麻烦。

四、什么时候考虑切分

1. 能不切分尽量不要切分

1）并不是所有表都需要进行切分，主要还是看数据的增长速度。切分后会在某种程度上提升业务的复杂度，数据库除了承载数据的存储和查询外，协助业务更好的实现需求也是其重要工作之一

2）不到万不得已不用轻易使用分库分表这个大招，避免"过度设计"和"过早优化"。分库分表之前，不要为分而分，先尽力去做力所能及的事情，例如：升级硬件、升级网络、读写分离、索引优化等等。当数据量达到单表的瓶颈时候，再考虑分库分表

2. 数据量过大，正常运维影响业务访问

1）对数据库备份，如果单表太大，备份时需要大量的磁盘IO和网络IO。例如1T的数据，网络传输占50MB时候，需要20000秒才能传输完毕，整个过程的风险都是比较高的

2）对一个很大的表进行DDL修改时，MySQL会锁住全表，这个时间会很长，这段时间业务不能访问此表，影响很大。如果使用pt-online-schema-change，使用过程中会创建触发器和影子表，也需要很长的时间。在此操作过程中，都算为风险时间。将数据表拆分，总量减少，有助于降低这个风险

3）大表会经常访问与更新，就更有可能出现锁等待。将数据切分，用空间换时间，变相降低访问压力

3. 随着业务发展，需要对某些字段垂直拆分

1）一张表中有些字段频繁更新，但有些字段很少更新

4. 数据量快速增长

1）随着业务的快速发展，单表中的数据量会持续增长，当性能接近瓶颈时，就需要考虑水平切分，做分库分表了。此时一定要选择合适的切分规则，提前预估好数据容量

5. 安全性和可用性

1）鸡蛋不要放在一个篮子里。在业务层面上垂直切分，将不相关的业务的数据库分隔，因为每个业务的数据量、访问量都不同，不能因为一个业务把数据库搞挂而牵连到其他业务。利用水平切分，当一个数据库出现问题时，不会影响到100%的用户，每个库只承担业务的一部分数据，这样整体的可用性就能提高

五、支持分库分表的中间件

1. sharding-jdbc（当当）	

2. TSharding（蘑菇街）	

3. Atlas（奇虎360）	

4. Cobar（阿里巴巴）	

5. MyCAT（基于Cobar）

6. Oceanus（58同城）

7. Vitess（谷歌）

六、多数据源分库分表案例

1. 写json文件把所有库的信息都写在里面

2. 写个DataSource（DynamicDataSource extends AbstractRoutingDataSource implements ApplicationContextAware） 

3. afterPropertiesSet()里面写初始化所有数据源的操作，利用Druid数据库连接池，放到map里面

4. 记得注册每个数据库连接池，registerSingleton(id, ds)，然后setTargetDataSources(datasources)

5. 初始化分库信息，主库从库的String[]初始化，匹配名称，供后续切换动态源使用

6. 写个切面，所有service(数据操作包)包下的类为切点

7. 切面继承 （DataSourceAspect implements MethodBeforeAdvice, AfterReturningAdvice, ThrowsAdvice），重写before()方法

8. before方面里面写读写分离的操作，自定义一些读操作的方法头，然后调设置主从的方法

9. 新建一个DBContextHolder类，每次业务要调数据库的时候，DBContextHolder.setCustomerID（customerID）

10. 继续设置主从的方法，会根据customerID%最大主库数量取模，然后决定用哪个库，返回

11. 自己写的DataSource类里面需要重写一个方法determineCurrentLookupKey（）, 里面调用DBContextHolder.getDbType()，这应该就是集成了spring里面的其他东西吧

参考网址

注：文章是经过参考其他的文章然后自己整理出来的，有可能是小部分参考，也有可能是大部分参考，但绝对不是直接转载，觉得侵权了我会删，我只是把这个用于自己的笔记，顺便整理下知识的同时，能帮到一部分人。
ps : 有错误的还望各位大佬指正,小弟不胜感激

Stream_who

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
数据库的分库分表

更详细参看博客：数据库分库分表思路 https://www.cnblogs.com/butterfly100/p/9034281.html一、垂直（纵向）切分1.垂直切分分库分表方式1）垂直分库（1）根据业务耦合性，将关联度低的不同表存储在不同的数据库2）垂直分表（1）基于数据库中的"列"进行，某个表字段较多，可以新建一张扩展表，将不经常用或字段长度较大的字段拆分出去到...
复制链接

扫一扫

专栏目录