MYSQL数据库分库分表演化

前言：部门最近在搞服务分离，数据切分方面的东西，因为单张表的数据量实在是太大，并且还在以每天60W的量增长

第一部分：实际业务系统发展过程中面临的问题

架构的演变

刚开始我们只用单机数据库就够了，随后面对越来越多的请求，我们将数据库的写操作和读操作进行分离， 使用多个从库副本（Slaver Replication）负责读，使用主库（Master）负责写， 从库从主库同步更新数据，保持数据一致。架构上就是数据库主从同步。从库可以水平扩展，所以更多的读请求不成问题。

但是当用户量级上来后，写请求越来越多，该怎么办？加一个Master是不能解决问题的， 因为数据要保存一致性，写操作需要2个master之间同步，相当于是重复了，而且更加复杂。

这时就需要用到分库分表（sharding），对写操作进行切分。

分库分表前的问题

任何问题都是太大或者太小的问题，我们这里面对的数据量太大的问题。

用户请求量太大

因为单服务器TPS，内存，IO都是有限的。

解决方法：请求分散到多个服务器上；其实用户请求和执行一个sql查询是本质是一样的，都是请求一个资源，只是用户请求还会经过网关，路由，http服务器等。

单库太大

• 单个数据库处理能力有限；
• 单库所在服务器上磁盘空间不足；
• 单库上操作的IO瓶颈

 解决方法：切分成更多更小的库

单表太大

• CRUD都成问题；
• 索引膨胀，查询超时

解决方法：切分成多个数据集更小的表。

第二部分：有哪几种切分方式，垂直和水平的区别和适用面

分库分表的方法

一般就是垂直切分和水平切分，这是一种结果集描述的切分方式，是物理空间上的切分。

我们针对具体场景解决问题：

• 用户请求量太大，我们就堆机器搞定
• 单库太大（且表多导致数据多），我们就垂直切分，可以根据不同业务切分成不同库
• 单库太大（单张表包裹的数据多），我们就水平切分

PS：分库分表的顺序应该是先垂直分，后水平分。 因为垂直分更简单，更符合我们处理现实世界问题的方式。  

垂直拆分

垂直分表

即“大表拆小表”，基于列字段进行的。一般是表中的字段较多，将不常用的， 数据较大，长度较长（比如text类型字段）的拆分到“扩展表“。一般是针对那种几百列的大表，也避免查询时，数据量太大造成的“跨页”问题

垂直分库

垂直分库针对的是一个系统中的不同业务进行拆分，比如用户User一个库，商品Producet一个库，订单Order一个库。切分后，要放在多个服务器上，而不是一个服务器上 。为什么？

我们想象一下，一个购物网站对外提供服务，会有用户，商品，订单等的CRUD。没拆分之前， 全部都是落到单一的库上的，这会让数据库的单库处理能力成为瓶颈。按垂直分库后，如果还是放在一个数据库服务器上， 随着用户量增大，这会让单个数据库的处理能力成为瓶颈，还有单个服务器的磁盘空间，内存，tps等非常吃紧。所以我们要拆分到多个服务器上，这样上面的问题都解决了 ，以后也不会面对单机资源问题。

数据库业务层面的拆分，和服务的“治理”，“降级”机制类似，也能对不同业务的数据分别的进行管理，维护，监控，扩展等。数据库往往最容易成为应用系统的瓶颈，而数据库本身属于“有状态”的，相对于Web和应用服务器来讲，是比较难实现“横向扩展”的。数据库的连接资源比较宝贵且单机处理能力也有限，在高并发场景下，垂直分库一定程度上能够突破IO、连接数及单机硬件资源的瓶颈 。

水平拆分

水分分表

针对数据量巨大的单张表（比如订单表），按照某种规则（RANGE,HASH取模等），切分到多张表里面去。但是这些表还是在同一个库中，故库级别的数据库操作还是有IO瓶颈。不建议采用 。

水平分库分表

将单张表的数据切分到多个服务器上去，每个服务器具有相应的库与表，只是表中数据集合不同。水平分库分表能够有效的缓解单机和单库的性能瓶颈和压力，突破IO、连接数、硬件资源等的瓶颈。  

水平分库分表切分规则

• RANG：从0到10000一个表，10001到20000一个表 
• HASH取模：一个商场系统，一般都是将用户，订单作为主表，然后将和它们相关的作为附表，这样不会造成跨库事务之类的问题。取用户id，然后hash取模，分配到不同的数据库上
• 地理区域：如按照华东，华南，华北这样来区分业务，七牛云应该就是如此
• 时间：按照时间切分，将6个月前，甚至一年前的数据切出去放到另外的一张表，因为随着时间流逝，这些表的数据被查询的概率变小，故没必要和“热数据”放在一起，即“冷热数据分离” 

第三部分：目前市面有的一些开源产品，技术

分库分表方案产品

中间件产品： 

• 基于代理方式：MySQL Proxy和Amoeba 
• 基于Hibernate框架：Hibernate Shards
• 基于jdbc：sharding-jdbc
• 基于mybatis的类似maven插件式的：蘑菇街TSharding

第四部分：为什么不建议水平分库分表！？这能让你能在规划前期谨慎的对待，规避掉切分造成的问题

分库分表后面临的问题

事务支持

分库分表后，就成了分布式事务了。如果依赖数据库本身的分布式事务管理功能去执行事务，将付出高昂的性能代价；如果由应用程序去协助控制，形成程序逻辑上的事务，又会造成编程方面的负担。

多库结果集合并（group by，order by）

跨库join

分库分表后表之间的关联操作将受到限制，我们无法join位于不同分库的表，也无法join分表粒度不同的表， 结果原本一次查询能够完成的业务，可能需要多次查询才能完成。

粗略的解决方法：

• 全局表：基础数据，所有库都拷贝一份
• 字段冗余：这样有些字段就不用join去查询了
• 系统层组装：分别查询出所有，然后组装起来，较复杂

水平分库分表涉及问题

多数据源事务问题 

一个思路：可以通过自定义注解，自定义切面开启事务，通过方法栈逐层回滚or提交的方式解决的 

多表的分页问题 

拆表一定会引起分页查询的难度增加。由于各个表查出来的数据量不等，原始的sql语句limit不再适用，需要设计一个新方法便捷的获取分页信息。

一个分页的思路：

综合考虑业务实际与开发的复杂程度，项目团队决定在出现跨表查询的情况下，每一张表采用一个线程进行查询，以提高查询效率。

这个方案的难点在于分页规则的转换。例如，页面传入的offset和pageSize分别为8和20。各分表中符合条件的数量分别为10,10,50。那么我们需要将总的分页条件转化为三个分表各自的分页条件，大分页条件(offset=8,pageSize=20)，转换为(offset=8,pageSize=2)，(offset=0.pageSize=10)，(offset=0,pageSize=8)三个条件。

整个计算过程如下：

1)      多线程查询各个分表中满足条件的数据数量

2)      将各个表数量按照分表的先后顺序累加，形成一个数轴

3)      判断第一条数据和最后一条数据所在的表

4)      除第一条和最后一条数据所在表外，其他表offset=0，pageSize=总数量

5)      计算第一条数据的offset，pageSize

计算最后一条数据的pageSize，同时将该表查询条件的offset设置为0

 我也没看懂！！！