分库分表策略详解与实践

分库分表是应对数据库性能瓶颈和大规模数据存储的重要手段，能够有效解决单库、单表的数据量和并发限制问题。本文将深入讲解分库分表策略设计，并结合实际案例展示其配置与应用。

---

一、分库分表的必要性

1. 常见问题

• 单表数据量过大：如亿级数据量的订单表，导致查询和写入性能显著下降。
• 单库并发瓶颈：数据库实例连接数有限，高并发场景容易引发性能瓶颈。
• 存储容量限制：单个数据库的磁盘存储能力有限，扩展成本较高。

2. 分库分表的优势

• 提升性能：减少单表数据量，降低查询复杂度。
• 水平扩展：通过分布式存储，支持大规模扩展。
• 高并发支持：分散访问压力，优化并发性能。

---

二、分库分表策略设计

1. 分表策略

分表是在单个数据库中，将数据拆分为多个表的操作，常见策略包括：

1. 范围分片

   • 按时间范围拆分：如每月一个表。
   • 按主键范围拆分：如 ID 为 0-100 万的数据放入表 order_0。

   优点：简单直观，易于维护。
   缺点：数据分布不均可能导致部分表负载过高。

2. 哈希分片

   • 使用主键或特定字段取模分表：table = hash(user_id) % 4。

   优点：数据分布均匀，负载均衡。
   缺点：难以按范围查询，需要额外配置查询路由。

3. 混合分片

   • 结合范围分片和哈希分片，如先按时间范围分片，再对单时间段的数据按哈希分片。

   适用场景：数据量大且分布不均，需同时支持范围查询和均匀分布。

---

2. 分库策略

分库是将数据分散到多个数据库实例中的操作，常见策略包括：

1. 垂直分库

   • 按业务模块拆分：如用户数据放入 user_db，订单数据放入 order_db。
   • 优点：逻辑清晰，易于管理。
   • 缺点：跨库查询复杂，容易出现分布式事务问题。

2. 水平分库

   • 按字段取模分库：如 db = hash(user_id) % 2，将用户数据分布到 db_0 和 db_1。
   • 优点：适合单一业务场景，扩展性好。
   • 缺点：同样存在跨库事务和路由复杂性。

---

3. 综合分片策略

• 按用户分片：适合用户维度的数据分布，如用户表、订单表。
• 按时间分片：适合日志、历史记录等时间相关的数据分布。
• 动态分片：适合需要动态扩展分片的场景，如大规模电商业务。

---

三、分库分表的实践

以下以 ShardingSphere-JDBC 为例，展示订单表分库分表的具体实现。

1. 数据表设计

订单表结构如下：

CREATE TABLE `order` (
    `id` BIGINT AUTO_INCREMENT PRIMARY KEY COMMENT '订单ID',
    `user_id` BIGINT NOT NULL COMMENT '用户ID',
    `order_no` VARCHAR(64) NOT