分库分表基本概要

数据分片

1.垂直分表

分表需求

• 用于划分表，使数据的耦合性降低，容易拓展

• 微服务

分析

• 垂直分库有利于降低数据耦合度（物理服务器，系统业务逻辑），系统间逻辑容易扩展
• 数据整合起来更有条理
• 降低数据库承担的压力，若数据库有性能瓶颈，可根据对应数据库横向扩展
• 垂直分表，将降低mysql查询的IO的性能。（MySQL的innodb引擎使用聚簇索引，当有大字段查询时会损耗IO，聚簇索引可以理解为主键与数据是保存在同一个地方）
• 缺陷：join union 不能使用，不同库的数据只能通过代码组装
• 缺陷：性能问题，复杂的业务逻辑有比较长的调用链

---

2.水平分表

分表需求

• 表数据增长迅速，数据量在单一表内遇到查询的性能瓶颈。
• 例:订单库分库

水平拆分原则

拆分原则主要是体现分治的思想：把数据根据某个特性划分，把整体数据压力分开

• 根据id求模，拆分数据
• 根据业务字段求模，拆分数据（例如，类型，地区，属性等等）
• 根据用户特殊信息取模，拆分数据（例如，所在地区，年龄段等等）
• 根据时间区间，拆分数据
• 或者根据多个字段，更复杂的逻辑

分析

• 解决单库或者单表，高并发和数据量巨大情况下的性能问题
• 数据库可以按照需求局部横向扩展，如在某个分片的查询比较缓慢，可以相应提高服务器资源
• 提高系统稳定性，体现在压力负载均衡，某个数据库宕机不影响整个系统的允许
• 挑战：数据一致性与操作原子性问题
• 挑战：表拆分逻辑比较难，需要找到适合业务的方案
• 挑战：数据维护与迁移变得更麻烦

场景

---

场景1: 某网站的浏览记录，浏览记录包含文章，视频，音频等等各个维度，以下统称为素材。假设当起素材浏览量为100w，当在对某个素材进行浏览记录统计时，查询数据遇到瓶颈。

方案：
1.给素材类型字段添加索引。
2.根据年或月，生成统计表，修改一下统计逻辑。
3.根据素材类型水平切分数据表。

---

场景2：抢票软件的库存表访问数据过大。

方案：
1.根据地区把库存匀到不同地区的数据库集群里；该方案会有某个地区的票比较快买完的情况，需要有个负载均衡服务器，对库存做动态分配。

---