【分库分表问题————水平分表】

阿里的Java开发手册上提出：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.InnoDB中B+树的高度一般保持在三层以内会比较好”

MySQL每个节点大小默认为16KB，也就是每个节点最多存16KB的数据

水平分表（Horizontal Partitioning）是数据库分片的一种方法，通过将数据按行（记录）进行拆分，从而将表的数据分布到多个物理存储节点上。常见的水平分表策略有以下几种：

1. 范围分表（Range Partitioning）

按照某个列的值的范围进行分表。例如，可以按照日期范围将订单表拆分为不同的子表：

• orders_2020 表存储 2020 年的订单
• orders_2021 表存储 2021 年的订单

优点

• 适合有明显范围划分的数据
• 易于理解和管理

缺点

• 数据倾斜风险大（某些范围的数据量可能会过大）
• 随时间推移需要不断创建新的分区

2. 哈希分表（Hash Partitioning）

按照某个列的哈希值进行分表。例如，可以按照用户 ID 的哈希值将用户表拆分为多个子表：

• user_0 表存储哈希值为 0 的用户
• user_1 表存储哈希值为 1 的用户
• …

优点

• 数据分布相对均匀，减少数据倾斜
• 查询性能较稳定

缺点

• 复杂查询（如范围查询）性能较差
• 增加和删除分区复杂

3. 列值分表（List Partitioning）

按照某个列的离散值进行分表。例如，可以按照用户的地区将用户表拆分为不同的子表：

• user_asia 表存储亚洲用户
• user_europe 表存储欧洲用户

优点

• 易于管理和理解
• 特定区域的数据可以集中存储和管理

缺点

• 数据倾斜风险大（某些离散值的数据量可能会过大）
• 需要预先定义好分区策略

4. 复合分表（Composite Partitioning）

结合多种分表策略进行分表。例如，可以先按照日期进行范围分表，然后再对每个范围分区按照用户 ID 进行哈希分表：

• orders_2020_0 表存储 2020 年的订单且哈希值为 0
• orders_2020_1 表存储 2020 年的订单且哈希值为 1
• …

优点

• 更加灵活和高效，适应复杂的业务需求
• 能更好地控制数据分布和查询性能

缺点

• 复杂度高，难以管理
• 维护成本较高

5. 一致性哈希分表（Consistent Hashing）

使用一致性哈希算法，将数据分布在多个节点上。常用于分布式系统，如分布式缓存和分布式数据库。

优点

• 动态增减节点时，数据迁移量较小
• 能较好地保证数据均匀分布

缺点

• 实现复杂
• 需要配合分布式系统使用

6. 模（Modulo）分表

按照某个列的值取模进行分表。例如，可以按照用户 ID 取模的结果将用户表拆分为多个子表：

• user_0 表存储 ID % 3 == 0 的用户
• user_1 表存储 ID % 3 == 1 的用户
• user_2 表存储 ID % 3 == 2 的用户

优点

• 实现简单
• 数据分布均匀

缺点

• 扩展性差（增加分区时需要重新计算模）
• 难以处理复杂查询

总结

选择水平分表策略时，需要根据具体的业务需求和数据特点来决定。常见的考虑因素包括：

• 数据分布的均匀性
• 查询和更新操作的频率和类型
• 系统的扩展性要求
• 数据倾斜和热点问题

综合考虑这些因素，可以选择合适的分表策略来优化数据库性能和可扩展性。

参考文章：https://blog.csdn.net/xiaowanzi_zj/article/details/122270389