按照用户id打散订单数据。
以uid来切分数据,有两种思路:
1,某个范围的uid订单到哪些库。0到2千万uid,对应的订单数据到a库、a表。2千万到4千万对应的订单到b库。
为什么这种方案用得比较少呢?
容易出现瓶颈吗。某个范围内的用户,下单量比较多,那么造成这个库的压力特别大。其他库却没什么压力。
2,使用uid取模运算。第二种方案业界用得比较多。
一方面、处理简单,程序上做取模运算就好了。
另一方面、使用取模的方式,数据比较均匀分散到多个库去了。不容易出现单个库性能瓶颈。
但是不好处也有:即要扩容的时候,比较麻烦。就需要迁移数据了。
要扩容的时候,为了减少迁移的数据量,一般扩容是以倍数的形式增加。比如原来是8个库,扩容的时候,就要增加到16个库,再次扩容,就增加到32个库。这样迁移的数据量,就小很多了。这个问题不算很大问题,毕竟一次扩容,可以保证比较长的时间,而且使用倍数增加的方式,已经减少了数据迁移量。
按照用户id作为key来切分订单数据,具体如下:
1、 库名称定位:用户id末尾4位 Mod 32。
Mod表示除以一个数后,取余下的数。比如除以32后,余下8,余数就是8。
代码符号是用%表示:15%4=3。
2、表名称定位:(用户id末尾4位 Dev 32) Mod 32。
上面是用计算机术语来表示, 下面用通俗的话描述。
1、库名称计算
用户id的后4位数,取32的模(取模就是除以这个数后,余多少)。余下的数,是0-31之间。
比如用户id:19408064,用最后4位数字8063除以32,余数是31,则定位到底31库。
这样可以表示从0-31之间,总共32个数字。用这个32个数字代表着32个库名称:order_db_0、order_db_2…order_db_31
2、表名称计算
用户id的最后4位数,除以32,取整数。将整数除以32,得到余数,能够表示从0-31之间32个数字,表示表名称。
表名称类似这样:order_tb_1、order_tb_2…order_tb_31。一个库里面,总共32个表名称。
比如用户id:19408063,用最后4位数字8063除以32,得到是251.9,取它的整数是251。
接着将251除以32,取余数,余数为27。
为了保持性能,每张表的数据量要控制。单表可以维持在一千万-5千万行的数据。1024*一千万。哇,可以表示很多数据了。
三、思考优点和缺点
1,优点
订单水平分库分表,为什么要按照用户id来切分呢?
好处:查询指定用户的所有订单,避免了跨库跨表查询。
因为,根据一个用户的id来计算节点,用户的id是规定不变的,那么计算出的值永远是固定的(x库的x表)
那么保存订单的时候,a用户的所有订单,都是在x库x表里面。需要查询a用户所有订单时,就不用进行跨库、跨表去查询了。
2,缺点
缺点在于:数据分散不均匀,某些表的数据量特别大,某些表的数据量很小。因为某些用户下单量多,打个比方,1000-2000这个范围内的用户,下单特别多,
而他们的id根据计算规则,都是分到了x库x表。造成这个表的数据量大,单表的数据量撑到极限后,咋办呢?
总结一下:每种分库分表方案也不是十全十美,都是有利有弊的。目前来说,这种使用用户id来切分订单数据的方案,还是被大部分公司给使用。实际效果还不错。程序员省事,至于数据量暴涨,以后再说呢。毕竟公司业务发展到什么程度,不知道的,项目存活期多久,未来不确定。先扛住再说。
比较好的方案是不是:又能均匀分散、又能避免单表数据量暴涨方便扩容。以前看过一篇文章介绍过使用节点来存储分库分表。笔者暂时没完整的思路。
二、查询需求的考虑
方案一的查询问题
方案一的情况下,由于是按照订单号做分散数据到多个库、多个表。如果需要查询a用户的所有订单,咋办?需要跨库、跨表查询。
这样效率低。不可行。
方案二的查询问题
如果是按照uid来切分订单数据,在实际应用中一些很频繁的查询需求像下面这样:
1、后台、前台,往往是输入一个订单号,查询这个订单的数据。select操作
2、然后修改这个订单的相关状态。update操作。
由于是,按照用户编号将订单数据分散在各个库、各个表中。
那输入订单号,怎么知道去哪个库、哪个表查询呢?不可能所有的库、所有表都查询一遍,效率太低,不可行。
三、解决办法:建立用户id和订单号的索引关系表
存储的数据包括两项:订单号、用户编号。
思路1:既然是根据订单号分散订单数据,如果需要知道某个用户所有的订单。只要我能知道了a用户的所有的订单号,那么就可以根据订单号定位到表名称了。
思路2:既然是根据用户id来分散订单数据的。那么只要知道了这个订单号是谁的(得到了用户id),就能知道去哪个库、哪个表查询数据了。
这样输入订单号,可以去查询索引关系表,获取到用户编号。得到了用户编号,问题解决了。订单信息是根据用户编号分库分表的,可以直接定位到x库x表了。当创建订单的时候,就要把关系插入到表里面去了。保存关系记录时,为了减低用户等待时间,不需要实时,做成异步。加入到消息队列中去操作。
订单用户索引关系表的性能优化:直接根据订单号取模进行分库分表
一个订单,在创建的时候,就已经分配好给指定用户了。只是一个关系对应,以后也不会变化。 根据这个特点。订单用户索引关系表,其实可以放到内存中缓存起来应对查询需求(数据库那张索引关系表也要有,数据要持久化)。平时查询的时候,走内存缓存查询。如果查询不到,再走数据库查询一下关系。这样速度就很快了。
思考
一、b2b平台的订单分卖家和买家的时候,选择什么字段来分库分表呢?
上面讨论的情况是,b2c平台。订单的卖家就一个,就是平台自己。
b2b平台,上面支持开店,买家和卖家都要能够登陆看到自己的订单。
先来看看,分表使用买家id分库分表和根据卖家id分库分表,两种办法出现的问题
如果按买家id来分库分表。有卖家的商品,会有n个用户购买,他所有的订单,会分散到多个库多个表中去了,卖家查询自己的所有订单,跨库、跨表扫描,性能低下。
如果按卖家id分库分表。买家会在n个店铺下单。订单就会分散在多个库、多个表中。买家查询自己所有订单,同样要去所有的库、所有的表搜索,性能低下。
所以,无论是按照买家id切分订单表,还是按照卖家id切分订单表。两边都不讨好。
淘宝的做法是拆分买家库和卖家库,也就是两个库:买家库、卖家库。
买家库,按照用户的id来分库分表。卖家库,按照卖家的id来分库分表。
实际上是通过数据冗余解决的:一个订单,在买家库里面有,在卖家库里面也存储了一份。下订单的时候,要写两份数据。先把订单写入买家库里面去,然后通过消息中间件来同步订单数据到卖家库里面去。
买家库的订单a修改了后,要发异步消息,通知到卖家库去,更改状态。
二:那可以按订单号来分库分表吗? (答:不可以)
这样分库分表的话,用户有10个订单,订单不见得都在一个库、一个表里面。查询a用户的所有订单,就会变得麻烦了。尤其是要进行分页展示,分散在不同的表,甚至不同的数据库服务器,也比较耗费性能。
那么订单号里面,最好是要有分库分表信息。淘宝的是在订单号里面添加了卖家id末2位、买家id末2位。这样的好处是干嘛呢?直接定位到具体的库、具体的表去了?
怎么根据这个呢。因为分库、分表的规则,买家库是按照卖家id末尾2位数分,卖家库是按照卖家id末尾两位分。
所以,只要从订单号里面拿到了这些数字信息,就知道在哪个库,哪个表了。
这种办法,与微信的红包订单号是类似的,末尾三位数包含了库信息、表信息。
按照这样,其实就没必要使用订单号来计算了?
如果是按照用户id的后4位数取模分散订单数据。那么订单号的生成,可以在后面加上用户id的后4位数。
那么,虽然是按照用户id来对订单表分库分表的。其实可以直接根据订单号,知道这个订单在哪个库哪个表了。
如果是b2b系统,涉及到卖家和买家。那么可以把卖家和买家的id后面4位都加进去。不过是不是订单号太长了?
三、按照订单的时间来分表如何?
一月一张表。一年一张表。用户的所有订单,会分散在不同的库、不同的表中。
按照时间分,在切分订单数据的时候,业界用得比较少。
出现如下两个问题:
1、如果需要分页查询某个用户的所有订单数据,就会出现跨库、跨表查询。效率低。
可以做折中:限制只能查一个范围内的订单,比如一次只能查询,一年以内或者一个月以内的订单。
2、某个时间集中写入数据,出现瓶颈。如一个月一张表。这个月的订单量暴涨呢。那么写入新的订单数据都会操作这张表。造成性能低下。影响整个业务系统交易。
真正好的分表方案,尽量将写数据分散到多个表去,达到分流效果,系统的并发能力就提高了。
参考:分库分表设计