分布式存储--Mysql--序列1--分库分表策略

分库分表是存储层设计中一个普遍而重大的问题，什么时候分？怎么分？分完之后引发的新问题，比如不能Join、分布式事务？ 本篇将从最基本的策略出发，逐步深入讲解这里面涉及的一序列策略。

分库－业务分拆 & 数据隔离

分库的首先目的就是做“业务分拆“，关于业务分拆，在前面的序列文章“分布式系统－－基本思想汇总“中已经有阐述。通过业务分拆，把一个大的复杂系统拆成多个业务子系统，之间通过RPC或消息中间件通信。这样做既便于团队成员的职责分工，也便于对未来某个系统做扩展。

另外一个考虑角度是“数据隔离”。如果你把核心业务的数据和非核心业务数据放在一个库里面，不分轻重，同等对待。这样如果因为非核心业务把DB搞挂了，核心业务也受到牵连。分开之后，区别对待，投入的开发和运维人力也不一样。

读多写少 vs. 读少写多

对于业务来讲，读多写少/读少写多，所对应的策略是不一样的。

如果是读多写少，那你可以通过加从库、加缓存来解决，不一定要分库分表。

如果是读少写多，或者说写入的QPS已经达到了DB的瓶颈，这个时候就得考虑分库分表了。

对于Mysql来讲，一般写入的QPS有3k/s左右，读写的QPS可以达到2万/s。可见写入和查询的吞吐量区别是很大的。

分表/分库

考虑了上面2个策略之后，最后万不得已，再做分库分表。因为分库分表的代价是很大的，意味着代码要大规模重构，以前能用的join，事务可能都不能用了，需要用新的办法解决。

垂直切分

垂直切分一般主要用于表的字段太多（比如上百个字段），这种情形通常就对应着上层业务没有很好的分拆，解耦。如果做好了上面的“业务分拆”，需要这种“垂直切分”的场景可能就会变得很少。下面主要讲“水平切分”。

水平切分

当表的记录数太多，几千万，上亿，并且有很高的写入QPS，这个时候就得考虑水平切分了。

一般思路是：保证单表的记录条数不要超过千万，然后根据总数据量估算出要拆多少个表，再考虑把这些表分散到多少个库里面。

水平切分的最关键问题就是：拆分维度的选择。

拆分维度（字段）的选择

比如电商的订单表，至少有3个查询维度：订单id，用户id，商户id。那你拆分的时候，根据哪个维度进行拆分呢？

假设你按用户id拆分，同一个用户的所有订单记录都落到同1个库的同1张表里面。那查询的时候，按user id查，就很容易；

但如果按订单id，或者商户id呢？拆分之后，同1个商户id的订单，可能被分到了不同的库、不同的表里面，根本没办法查。

对于这种分库分表之后，其他维度的查询，一般有以下几个办法：

（1）建立一个映射表，建立辅助维度和主维度之间的映射关系（也就是商户id和用户id之间的映射关系）。 
查询的时候，根据商户id，查出用户id。再根据用户id，来查

（2）业务双写 
同1份数据，2套分库分表。1套按user id切分，1套按商户id 切分。这个其实也就是我在”分布式系统－－基本思想汇总“中所用的“重写轻读”

（3）异步双写 
还是2套表，只是业务单写。然后通过binlog同步（比如阿里的canal，点评的puma)，同步到另外一套表上。

（4）2个维度统一到1个维度 
这个在特殊的场景下可以使用。比如order id和user id就可以统一成1个维度，把user id作为order id中的某几位，这样order id中就包含了user id信息。 
然后按照user id 分库，当按照order id查询的时候，截取出user id，在按user id查询。但反过来就不行，按order id分库了，再按user id就不能查了。

Join问题

分库分表之后，有些Join就不能用了，针对这种情况，一般有下面几种解决办法： 
（1）把Join拆成多个单表查询，上层业务代码进行结果拼装 
（2）提前做宽边，重写轻读 
很多时候，你有这样的情况：需要把Join的结果分页，这个需要利用mysql本身的分页功能。对于这种不得不用Join的情况，可以另外做一个Join表，提前把结果Join好。这是“重读轻写”，其实也是“空间换时间”的思路。 
（3）利用搜索引擎 
对于（2）当中提到的场景，还可以利用Lucence，ES这种搜索引擎，把DB中数据导入到搜索引擎中来查询，从而解决Join问题。

分布式事务

做了分库之后，纯DB的事务就搞不了了。一般解决办法都是：通过精心选择维度，优化业务，避免跨库的事务，保证所有事务都落到单库上面。

如果实在无法避免，那就需要分布式事务的解决方案了。关于分布式事务，又是一个系统化的课题，没有一个标准答案。