搞懂数据库-数据库设计

搞懂数据库-关系型数据库设计

背景

面对海量数据，例如，上千万甚至上亿的数据，查询一次所花费的时间会变长，甚至会造成数据库的单点压力。那么数据库应该怎么来设计才更合理呢？
对于一个复杂多变的场景，数据库应该怎么来设计？

1.分库和分表设计

1.分表

1.1为什么要分表

分库与分表的目的在于，减小数据库的单库单表负担，提高查询性能，缩短查询时间，此外，可以很大的缓解表锁的问题

1.2什么时候分表

那么什么时候应该分库和分表呢，阿里巴巴《Java 开发手册》提出单表行数超过 500 万行或者单表容量超过 2GB，才推荐进行分库分表。

1.3怎么分表

分表策略可以归纳为垂直拆分和水平拆分

1.3.1垂直拆分

把表的字段进行拆分，即一张字段比较多的表拆分为多张表，这样使得行数据变小。举个例子，假设用户表中有一个字段是家庭地址，这个字段是可选字段，在数据库操作的时候除了个人信息外，并不需要经常读取或是更改这个字段的值。在这种情况下，更建议把它拆分到另外一个表，从而提高性能。

建议：

• 将不常用的字段单独拆分到另外一张扩展表
• 将大文本的字段单独拆分到另外一张扩展表
• 将不经常修改的字段放在同一张表中，将经常改变的字段放在另一张表中
• 对于需要经常关联查询的字段，建议放在同一张表中

1.3.2水平拆分

把表的行进行拆分。因为表的行数超过几百万行时，就会变慢，这时可以把一张的表的数据拆成多张表来存放。水平拆分，有许多策略，例如，取模分表，时间维度分表，以及自定义 Hash 分表。例如用户 ID 维度分表等。在不同策略分表情况下，根据各自的策略写入与读取。常见的水平分表策略归纳起来，可以总结为随机分表和连续分表两种情况。例如，取模分表就属于随机分表，而时间维度分表则属于连续分表。

区别

• 连续分表有可能存在数据热点的问题，有些表可能会被频繁地查询从而造成较大压力，热数据的表就成为了整个库的瓶颈，而有些表可能存的是历史数据，很少需要被查询到。
• 随机分表的数据相对比较均匀，不容易出现热点和并发访问的瓶颈

建议

• 对于日志场景，可以考虑根据时间维度分表
• 对于海量用户场景，可以考虑取模分表，数据相对比较均匀，不容易出现热点和并发访问的瓶颈。

2.分库

2.1为什么要进行分库

库内分表解决了单表数据过大的问题，但是没有把单个表的数据分配到不同的物理机上，因此并不能减轻Mysql服务器的压力。

2.2怎么分库

2.2.1垂直分库

按照业务和功能划分，把数据分别放到不同的数据库中，例如老师的数据放一个数据库，学生的数据放一个数据库，

2.2.2水平分库

把一张表的数据划分到不同的数据库，两个数据库的表结构一样。实际上，水平分库与水平分表类似，水平拆分有许多策略，例如，取模分库，自定义 Hash 分库等，在不同策略分库情况下，根据各自的策略写入与读取。举个例子，随着业务的增长，资讯库的单表数据过大，此时采取水平拆分策略，根据取模分库。

注：仅用于学习交流