分库分表Sharding

笔者个人博客
https://www.yuque.com/yinhe-dglmu

前言

笔者学年尚浅，目前接触的项目数据量不是很多，单表数据库最多的表数据量为562w，是一个学校的课程信息表，但是需要关联的表还是挺多的，如学籍表，如用户表等，按目前业务的发展来看，数据的增长量还是较快的。

目前的查询效率未到千万级别，再加上有缓存的配置，所以查询也不算慢。但是以防之后数据量过多导致查询效率低下，笔者学了一点分库分表的知识，与读者分享一下。

提醒：分库分表会给系统带来巨大的复杂性，不是万不得已建议不要提前使用。作为系统架构师可以让系统灵活性和可扩展性强，但是不要过度设计和超前设计。

什么是分库分表？

分库分表分为四种：水平分表、水平分库、垂直分表、垂直分库。

图中很好的表达了水平和垂直的含义，水平是拆分数据量，垂直是拆分字段(或表)，很好理解。

使用场景

垂直分表：比如商品名称图片与商品描述，一般我们是存在一个表中，但商品描述相比名称图片又不是很重要，所以我们可以把描述字段分为另一个表，两个表以商品id相连。这样我们在查询时，名称图片查询时会少了描述字段，减少单表查询的磁盘I/O。

垂直分库：比如用户库与订单库，可以分在不同的数据库，增大单个数据库业务的吞吐量。操作用户系统就用户数据库，操作订单系统就订单数据库。

水平分表：单表数据量超过一定数量，查询操作会变的很慢。业内流传超过500w就考虑拆分，但其实只要不到1000w，也不会有很大变化。

水平分库：单数据库数据量太多，请求太多，将数据分散在不同数据库，减少对单个数据库的查询时间，提高数据库的承载量。

总结：
将业务数据进行解耦–垂直拆分
解决容量和性能压力–水平拆分

当然具体业务要具体分析，SQL调优、缓存设置、读写分离等提高的效果显著，并且成本很低，使用是优先考虑这些，不要为了分库分表而分库分表。

分库分表的复杂性

（1）跨库关联查询
在未拆分之前，我们只用简单的join就可以关联，但经过分库分表后两种表可能不在同一个数据库，那要怎么进行关联查询呢？

• 字段冗余：把要关联的字段放入主表中，避免join操作。
• 数据抽象：把各关联字段抽取出来，生成新的表。
• 公共表：将基础表在每个数据库都生成一份。
• 应用层组装：将基础数据查出来，通过应用程序计算组装。。

（2）分布式事务
单数据库用本地事务就可以搞定，使用多数据库就只能通过分布式事务解决了。
常用解决方案有：基于可靠消息（MQ）的解决方案、两阶段提交等。
（3）排序、分页、函数计算问题
在使用SQL时Order By、Limit等关键字需要特殊处理，一般来说采用分片的思想。
先在每个分片上执行相应的函数，然后将各个分片的结果集进行汇总和再次计算，最终得到结果（分库分表中间件一般会自己处理）
（4）分布式ID
如果是一个表，那可以id自增作为主键，但是分库分表之后就不行了，会出现id重复。常用的分布式ID解决方案有：UUID、雪花算法（SnowFlake）、美团Leaf等。

技术选型

笔者选择的中间件为
Sharding-JDBC
基于Sharding-JDBC的MySQL读写分离用起来真是很方便，而且ShardingSphere 已于2020年4月16日成为 Apache 软件基金会的顶级项目了
轻量级的Java框架，直接引入jar包即可。这意味着在项目中不需要做额外的安装软件，或者开启一部署某一个服务器框架。这对于学生机是很友好的，并且也是不收费的，适合自己的才是最好的。。。。。

但是缺点也是存在的，相比MyCat等有部署服务的框架，比如不便于观测和检测。
并且相比云数据库，基于中间件的分布式数据库，相对于单纯的中间件来说， 创建/管理方便、关键指标可视化/自动化告警、复杂运维。

demo

笔者分库分表还未真正应用，目前也只采用了水平分表的学习而已，但其实都差不多。简单展示一下。

操作方法与平时用的SpringBoot、MyBatisPlus那一套一样，只用配置文件application.propertie(yml)加一些配置即可，官网的配置很详细，需要配置自行去查考。

原表数据量562w

根据用户id取模2之后分为两个表，每个表280w

其他完全不影响我的增删改查。