数据优化——分库分表（二）策略讲解

数据优化——分库分表（一）概念及运用场景-详解
数据优化——分库分表（三）中间件讲解
数据优化——分库分表（四）高级策略

1 range

1. 自增ID，根据ID范围进行分表（左闭右开）

• 比如1~1000000是table1；
• 1000001~2000000是table2；
• 2000001~3000000table3；

优点：

• id是⾃增⻓，可以⽆限增⻓
• 扩容不⽤迁移数据，容易理解和维护

缺点：

• ⼤部分读和写都访会问新的数据，有IO瓶颈，整体资源利⽤率低。
• 数据倾斜严重，热点数据过于集中，部分节点有瓶颈

比如：做一个用户数据，用户肯定是越新越活跃，一般来说老用户的活跃程度没有新用户的高，所以按上面的分库分表方法的话会导致后面的库表压力大，前面的库表压力小，造成缺点的产生。

适合： 日活流水记录（需要新旧数据整合）

1.1 拓展-range延伸

按上面的来看，感觉range策略很鸡肋的样子，其实也不然，因为没有万能的策略，只有适合的策略。通过上面可以看出range其实是一个一定范围内的划分（看单词含义就应该知道）。而这个范围不应该限定于数字之间，可以把它延伸扩展。例如：

• 时间 年、⽉、⽇范围，比如按照⽉份⽣成 库或表 pay_log_2022_01、pay_log_2022_02
• 空间 地理位置：省份、区域（华东、华北、华南）⽐如按照 省份 ⽣成 库或表

思考1 ：为什么按地域分的时候多按（华东、华北、华南）而不是直接按省份建表建库？

答案1：如果是按省份建表建库也会导致上面说的“有IO瓶颈，整体资源利⽤率低”等问题，因为省份之间的数据量是不一样的，拿广西跟北上广比，从用户使用频率到使用量基本是有倍数上的差距，如果广西一个库，上海一个库，那就会导致广西的库性能过剩，上海的库性能告急。所以按地域划分，可以均匀些，把各大冷热数据均摊，提高机器的使用率。比如扩大到世界范围时候，也不会按各大洲各大国去划分，而是按经纬度去划分，为了也是混合数据，提高机器的负荷率。

2 hash取模（Hash分库分表是最普遍的方案）

思考2：为什么不直接取模？而是要先Hash呢？

回答2：因为有时候你用来分库分表的字段不一定是整数类型，所以先Hash可以提高规则的适配度，总之，统一规则即可。

例子：
⽤户ID是整数型的，要分2库，每个库表数量4张表，⼀共8张表，⽤户ID取模后，值是0到7的要平均分配到每张表

一般规则：
库ID = userId % 库数量 2

表ID = userId / 库数量 2 % 表数量 4

PS：如果你发现某些表的数据量不够，说明你的规则发生了问题，在建表后应该先数据量的测试判断自己的策略无误再使用。

优点：

• 保证数据较均匀的分散落在不同的库、表中，可以有效的避免热点数据集中问题

缺点：

• 扩容不是很⽅便，需要数据迁移