为甚分库分表?
先集群:主从,且读写分离。
分表:数据量过大 查询慢 锁事物冲突。一般先垂直分,再考虑水平分
分库:机器的写压力大,并发量数千级别,读压力大,太多slave
分库分表后:降低磁盘使用率 单表数据量少 并发冲突低
主备延迟的原因: 机器性能不均衡 使用不均衡 大事物 没有开启并行同步 确实写入并发过大
主从复制延迟解决:show status查看 Seconds_Behind_Master,可以看到从库复制主库的数据落后了几 ms
8个方案:
从库机器性能差,可以增加机器性能,或者多从
打开MySQL的并行复制:多个库并行复制。某个库的写入并发就是特别高时无意义
开启半同步复制:拉取binlog日志要是多线程的
业务:
代码修改:业务控制,插入后不要立刻查询,等待后查询
避免大事物:避免删除大量数据;建立合适的索引,减少冲突;
使用不均衡,读多写少时,可以把部分读放到主库
必须先插入,立马要求就查询到:对主查询设置直连主库
分库:一个主库拆分为多个主库,每个主库的写并发就减少了几倍,降低延迟
分库分表的技术方案,比如:
mycat:中间件,代码无需修改。通过改写与转发sql,然后汇总结果后返回给客户端。
shading-jdbc:jar包,代码需要修改。client层方案的优点在于不用部署,运维成本低,不需要代理层的二次转发请求,性能很高,升级的话需要修改系统。
优缺点对比:mycat需要单独部署与运维。sharding-jdbc,需要修改代码。
分库分表引入问题:
1)分布式全局唯一id snowflake+mysqlIndex
2)分库规则和策略
3)跨库查询问题
4)跨库事物问题,即分布式事务
跨库join解决:
1)全局表,表重复,需要开启全局表一致性检测,配置全局表。
2)share join,简单的跨分片join;如mycat,自动sql拆分查询,并汇总结果
3)ER join,子表的记录与所关联的父表记录存放在同一个数据分片上,从而解决跨库join的问题
Federal引擎 或 带上库名
mycat和shading-jdbc:https://www.cnblogs.com/leeSmall/p/9539370.html
比较全的分库分表: https://blog.csdn.net/qq_36625757/article/details/90477131
mycat分页中的坑:LIMIT 1000100, 100;,他会查出所有取后几条,解决:先查id,再根据id查询具体记录
不同分表方式的查询
sharding jdbc方式:
按照订单hash分表
按照订单查询:查询的时候直接按照hash查询对应表
按照用户查询订单:建立订单号和用户的关系表,先根据用户获取对应的订单号,然后查询。
mycat方式
mycat分表的实现:首先在mycat的scheme.xml中配置逻辑表,并且在配置中说明此表在哪几个物理库上。此逻辑表的名字与真实数据库中的名字一致!然后需要配置分片规则,即按照什么逻辑分库!
推荐:通过改写与转发sql,然后汇总结果后返回给客户端。
分库分表
1、水平分库
- 概念:以字段为依据,按照一定策略(hash、range等),将一个库中的数据拆分到多个库中。
- 结果:
- 每个库的结构都一样;
- 每个库的数据都不一样,没有交集;
- 所有库的并集是全量数据;
- 场景:系统绝对并发量上来了,分表难以根本上解决问题,并且还没有明显的业务归属来垂直分库。
- 分析:库多了,io和cpu的压力自然可以成倍缓解。
2、水平分表
- 概念:以字段为依据,按照一定策略(hash、range等),将一个表中的数据拆分到多个表中。
- 结果:
- 每个表的结构都一样;
- 每个表的数据都不一样,没有交集;
- 所有表的并集是全量数据;
- 场景:系统绝对并发量并没有上来,只是单表的数据量太多,影响了SQL效率,加重了CPU负担,以至于成为瓶颈。
- 分析:表的数据量少了,单次SQL执行效率高,自然减轻了CPU的负担。
3、垂直分库
- 概念:以表为依据,按照业务归属不同,将不同的表拆分到不同的库中。
- 结果:
- 每个库的结构都不一样;
- 每个库的数据也不一样,没有交集;
- 所有库的并集是全量数据;
- 场景:系统绝对并发量上来了,并且可以抽象出单独的业务模块。
- 分析:到这一步,基本上就可以服务化了。例如,随着业务的发展一些公用的配置表、字典表等越来越多,这时可以将这些表拆到单独的库中,甚至可以服务化。再有,随着业务的发展孵化出了一套业务模式,这时可以将相关的表拆到单独的库中,甚至可以服务化。
4、垂直分表
- 概念:以字段为依据,按照字段的活跃性,将表中字段拆到不同的表(主表和扩展表)中。
- 结果:
- 每个表的结构都不一样;
- 每个表的数据也不一样,一般来说,每个表的字段至少有一列交集,一般是主键,用于关联数据;
- 所有表的并集是全量数据;
- 场景:系统绝对并发量并没有上来,表的记录并不多,但是字段多,并且热点数据和非热点数据在一起,单行数据所需的存储空间较大。以至于数据库缓存的数据行减少,查询时会去读磁盘数据产生大量的随机读IO,产生IO瓶颈。
- 分析:可以用列表页和详情页来帮助理解。垂直分表的拆分原则是将热点数据(可能会冗余经常一起查询的数据)放在一起作为主表,非热点数据放在一起作为扩展表。这样更多的热点数据就能被缓存下来,进而减少了随机读IO。拆了之后,要想获得全部数据就需要关联两个表来取数据。但记住,千万别用join,因为join不仅会增加CPU负担并且会讲两个表耦合在一起(必须在一个数据库实例上)。关联数据,应该在业务Service层做文章,分别获取主表和扩展表数据然后用关联字段关联得到全部数据。
三、分库分表工具
- sharding-sphere:jar,前身是sharding-jdbc;
- TDDL:jar,Taobao Distribute Data Layer;
- Mycat:中间件。
注:工具的利弊,请自行调研,官网和社区优先。
四、分库分表步骤
根据容量(当前容量和增长量)评估分库或分表个数 -> 选key(均匀)-> 分表规则(hash或range等)-> 执行(一般双写)-> 扩容问题(尽量减少数据的移动)。
五、分库分表问题
1、非partition key的查询问题
基于水平分库分表,拆分策略为常用的hash法。
- 端上除了partition key只有一个非partition key作为条件查询
- 映射法
-
- 基因法
注:写入时,基因法生成user_id,如图。关于xbit基因,例如要分8张表,23=8,故x取3,即3bit基因。根据user_id查询时可直接取模路由到对应的分库或分表。根据user_name查询时,先通过user_name_code生成函数生成user_name_code再对其取模路由到对应的分库或分表。id生成常用snowflake算法。
- 端上除了partition key不止一个非partition key作为条件查询
- 映射法
-
- 冗余法
注:按照order_id或buyer_id查询时路由到db_o_buyer库中,按照seller_id查询时路由到db_o_seller库中。感觉有点本末倒置!有其他好的办法吗?改变技术栈呢?
- 后台除了partition key还有各种非partition key组合条件查询
- NoSQL法
-
- 冗余法
2、非partition key跨库跨表分页查询问题
基于水平分库分表,拆分策略为常用的hash法。
注:用**NoSQL法**解决(ES等)。
3、扩容问题
基于水平分库分表,拆分策略为常用的hash法。
- 水平扩容库(升级从库法)
注:扩容是成倍的。
- 水平扩容表(双写迁移法)
第一步:(同步双写)修改应用配置和代码,加上双写,部署;第二步:(同步双写)将老库中的老数据复制到新库中;第三步:(同步双写)以老库为准校对新库中的老数据;第四步:(同步双写)修改应用配置和代码,去掉双写,部署;
注:双写是通用方案。
六、分库分表总结
- 分库分表,首先得知道瓶颈在哪里,然后才能合理地拆分(分库还是分表?水平还是垂直?分几个?)。且不可为了分库分表而拆分。
- 选key很重要,既要考虑到拆分均匀,也要考虑到非partition key的查询。
- 只要能满足需求,拆分规则越简单越好。
参考:https://zhuanlan.zhihu.com/p/137368446
分区
1)为什么要分区?
如果一张表的数据量太大的话,索引和数据空间会很大,查找数据就会变的很慢。这个时候我们可以利用mysql的分区功能
2)分区的具体实现:
分为range分区,list,hash,key
List分区实现:
- mysql> CREATE TABLE IF NOT EXISTS `list_part` (
- -> `id` int(11) NOT NULL COMMENT '用户ID',
- -> `province_id` int(2) NOT NULL DEFAULT 0 COMMENT '省',
- -> `name` varchar(50) NOT NULL DEFAULT '' COMMENT '名称',
- -> `sex` int(1) NOT NULL DEFAULT '0' COMMENT '0为男,1为女'
- -> ) ENGINE=INNODB DEFAULT CHARSET=utf8
- -> PARTITION BY LIST (province_id) (
- -> PARTITION p0 VALUES IN (1,2,3,4,5,6,7,8),
- -> PARTITION p1 VALUES IN (9,10,11,12,16,21),
- -> PARTITION p2 VALUES IN (13,14,15,19),
- -> PARTITION p3 VALUES IN (17,18,20,22,23,24)
- -> );
Hash分区的实现
- mysql> CREATE TABLE IF NOT EXISTS `hash_part` (
- -> `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '评论ID',
- -> `comment` varchar(1000) NOT NULL DEFAULT '' COMMENT '评论',
- -> `ip` varchar(25) NOT NULL DEFAULT '' COMMENT '来源IP',
- -> PRIMARY KEY (`id`)
- -> ) ENGINE=INNODB DEFAULT CHARSET=utf8 AUTO_INCREMENT=1
- -> PARTITION BY HASH(id)
- -> PARTITIONS 3;
对分区的管理
#删除分区
alter table list_part drop partition p2;
查询
select count(*) from aa;
3)分区内部实现与原理
分区表是一个独立的逻辑表,但是底层MySQL将其分成了多个物理子表,这对用户来说是透明的,每一个分区表都会使用一个独立的表文件。
MySQL内部将表分成多个物理字表,但是客户端并无感知,仍然认为操作的是一个表
- 分区的优缺点
1,分区可以分在多个磁盘,存储更大一点
2,根据查找条件,也就是where后面的条件,查找只查找相应的分区不用全部查找了
3,进行大数据搜索时可以进行并行处理。
4,跨多个磁盘来分散数据查询,来获得更大的查询吞吐量
分区优势:
1)代码完全无需修改
2)可以使用多磁盘,存储更大一点,且跨多个磁盘来分散数据查询,来获得更大的查询吞吐量。
但是:
1)mysql应该就做简单的事。别的都应该在代码层面实现。
2)mysql5.7开始,server提供的通用分区处理器已经弃用了;后期mysqlServer彻底不再支持,少数引擎单独支持
MySQL :: MySQL 5.7 Reference Manual :: 22 Partitioning
重点:
As of MySQL 5.7.17, the generic partitioning handler in the MySQL server is deprecated, and is removed in MySQL 8.0, when the storage engine used for a given table is expected to provide its own (“native”) partitioning handler. Currently, only the InnoDB and NDB storage engines do this.
结论:现在一般不再使用分区了。