数据的切分(Sharding)根据其切分规则的类型,可以分为两种切分模式。一种是按照不同的表(或者Schema)来切分到不同的数据库(主机)之上,这种切可以称之为数据的垂直(纵向)切分;另外一种则是根据表中的数据的逻辑关系,将同一个表中的数据按照某种条件拆分到多台数据库(主机)上面,这种切分称之为数据的水平(横向)切分。
一、垂直切分
一个数据库由很多表构成,每个表对应着不同的业务,垂直切分是按照业务将表进行分类,分布到不同的数据库上面
一个架构设计较好的应用系统,其总体功能肯定是由很多个功能模块所组成的,而每一个功能模块所需要的数据对应到数据库中就是一个或者多个表。而在架构设计中,各个功能模块相互之间的交互点越统一越少,系统的耦合度就越低,系统各个模块的维护性以及扩展性也就越好。这样的系统,实现数据的垂直切分也就越容易。
二、水平切分
相对于垂直拆分,水平拆分不是将表做分类,而是按照某个字段的某种规则来分散到多个库之中,每个表中包含一部分数据。简单来说,我们可以将数据的水平切分理解为是按照数据行的切分,就是将表中的某些行切分到一个数据库,而另外的某些行又切分到其他的数据库中。
拆分数据就是定义分片规则。关系型数据库是行列的二维模型,拆分的第一原则就是找到拆分维度。
几种典型的分片规则:
按照用户ID求模,将数据分散到不同的数据库,具有相同数据用户的数据都被分散到一个库中
按照日期,将不同月甚至日的数据分散到不同库
按照某个特定字段求模,或者根据特定范围段分散到不同的库中
三、分片比较
分片类型 | 优点 | 缺点 |
垂直分区 | 1.拆分后业务清晰,拆分规则明确; 2.系统之间整合或扩展容易; 3.数据维护简单 | 1.部分业务表无法join,只能通过接口方式解决,提高了系统复杂度; 2.受每种业务不同的限制存在单库性能瓶颈,不易数据扩展性能提高; 3.事务处理复杂 |
水平切分 | 1.拆分规则抽象好,join操作基本可以数据库做; 2.不存在单库大数据,高并发的性能瓶颈 3.应用端改造少 4.提高了系统的稳定性和负载能力 | 1.拆分规则难以抽象 2.分片事务一致性难以解决 3.数据多次扩展难度跟维护量极大 4.跨库join性能较差 |
四、数据源管理
客户端模式:在每个应用程序模块中配置管理自己需要的一个(或多个)数据源,直接访问各个数据库,在模块内完成数据的整合。
代理模式:通过中间代理层来统一管理所有的数据源,后端数据库集群对前端应用程序透明。