单库单表到分库分表的平滑迁移

背景

我们接下来用电商作为案例分享

业务视角

在业务初期，数据库基本上都是由单库单表实现的，这样既可以快速支持业务试错，同时又可以把资源成本控制到最低，但随着业务不断发展，数据量也会呈指数形式增长，最终会发现单库单表无法支撑业务快速发展，因此需要对现有数据库架构进行升级改造。

技术视角

根据前人经验，单表最多支撑2000W左右的数据，如果数据量再增长，则会影响读写效率，就需要对单库单表进行分库表的改造

单库单表存在的问题：

1. 性能瓶颈：随着数据量的增加，数据库的读写、查询性能会逐渐下降。尤其当表中数据行达到百万级甚至更多时，即使是简单的查询操作也可能会变得非常缓慢
2. 数据热点：所有数据操作都集中在一个数据库的一个表上，容易形成数据热点，导致某些数据行频繁被访问而成为性能瓶颈
3. 高可用和灾备问题：单库单表的架构很难做到高可用性和灾备。一旦数据库发生故障，整个应用都会受影响。而且，数据恢复的时间较长，影响业务的正常运行。
4. 扩展性问题：随着业务的发展，数据量和访问量不断增加，单库单表的架构很难通过简单的扩展来满足需求。水平扩展（增加更多的服务器）和垂直扩展（升级现有的服务器的硬件）都有局限性。
5. 事务管理和锁竞争：在高并发的情况下，大量的事务和数据库操作会导致锁竞争问题，影响数据库的处理能力。
6. 备份和维护难度：随着数据量的增加，对数据库进行备份和维护的难度和时间成本也会大幅度增加。

架构升级历程

参考：数据库架构演变过程

这里我们直接一步到位，实现单库单表到垂直拆库，水平分表

迁移过程

场景汇总

新老数据	读	写
老数据	是	是
老数据	是	是

迁移步鄹

1. 实现新数据的读和写的能力

2. 实现老数据到新数据的同步（监听binlog的方式）

3. 实现新数据到老数据的同步（监听binlog的方式）

4. 开始灰度新数据的读

5. 新数据读全量后，关闭老数据的读

6. 开始灰度新数据的写

7. 新数据写全量后，关闭老数据的写

8. 线上稳定运行一段时间后，关闭新老数据同步

9. 归档老数据，下线老数据

迁移前

迁移中

迁移后

总结

自此就完成了数据库架构的升级，在整个迁移过程中，秉承着对业务影响最小的策略理念执行，最终实现数据和功能平滑迁移到新的数据库架构。大幅度提高了系统扩展性和吞吐量，可以有效支撑业务快速发展