一、数据库瓶颈
不管是IO瓶颈还是CPU瓶颈,最终都会导致数据库的活跃连接数增加,进而逼近甚至达到数据库可承载活跃连接数的阈值。在业务Service来看就是,可用的数据连接少甚至无连接可用。
(1)IO瓶颈
第一种:磁盘读IO瓶颈,热点数据太多,数据库缓存放不下,每次查询时会产生大量的IO,降低查询速度。
解决方案:分库和垂直分表
第二种:网络IO瓶颈,请求的数据太多,网络带宽不够。
解决方案:分库
(2)CPU瓶颈
第一种:SQL问题,比如SQL中包含join、group by、order by、非索引字段条件查询等,增加CPU运算的操作
解决方案:SQL优化,建立合适的索引,在业务层进行计算。
第二种:表单数据量太大,查询时扫描的行太多,SQL效率低,CPU率先出现瓶颈。
解决方案:水平分表。
二、分库分表
1、水平分库
以字段为依据,按照一定的策略,将一个库中的数据拆分到多个库中。
特性:
- 每个库的结构都一样;
- 每个库的数据都不一样,没有交集;
- 所有库的并集是全量数据;
应用场景:系统的绝对并发量上来了,分表难以根本上解决问题,并且还没有明显的业务归属来垂直分库。
分析:库多了,IO和CPU的压力自然可以成倍缓解。
2、水平分表
以字段为依据,按照一定的策略,将一个表中的数据拆分到多个表中。
特性:
- 所有表的结构都一样;
- 每个表的数据都不一样,没有交集;
- 所有表的并集是全量数据;
应用场景:系统绝对并发了并没有上来,只是单表的数据量太多,影响了SQL的效率,加重了CPU负担。
分析:表的数据量少了,单次SQL执行效率高,自然减轻了CPU的负担。
3、垂直分库
以表为依据,按照业务归属不同,将不同的表拆分到不同的库中。
特性:
- 每个库的结构都不一样;
- 每个库的数据也不一样,没有交集;
- 所有库的并集是全量数据;
应用场景:系统绝对并发量上来了,并且可以抽象出单独的业务模块。
分析:到了这一步基本上可以服务化了。
4、垂直分表
以字段为依据,按照字段的活跃性,将表中的字段拆分到不同的表中(主表和扩展表)
特性:
- 所有表的结构都不一样;
- 每个表的数据也不一样,一般来说,每个表的字段至少有一列交集,一般是主键,用于关联的数据;
- 所有表的并集是全量数据。
应用场景:系统绝对并发量并没有上来,表的记录并不多,但是字段多,并且热点数据和非热点数据在一起,单行数据所需的存储空间较大。以至于数据库缓存的数据行减少,查询时会读磁盘数据产生大量的随机读IO,产生IO瓶颈。
分析:可以用列表页和详情页来帮助理解。垂直分表的拆分原则是将热点数据放在一起作为主表免费热点数据放在一起作为扩展表。