点击上方“Java基基”,选择“设为星标”
做积极的人,而不是积极废人!
每天 14:00 更新文章,每天掉亿点点头发...
源码精品专栏
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,可用数据库连接少甚至无连接可用。接下来就可以想象了吧(并发量、吞吐量、崩溃)。
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 -> 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 -> 分库 。
2、CPU瓶颈
第一种:SQL问题,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 -> SQL优化,建立合适的索引,在业务Service层进行业务计算。
第二种:单表数据量太大,查询时扫描的行太多,SQL效率低,CPU率先出现瓶颈 -> 水平分表 。
基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序,支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能。
项目地址:https://github.com/YunaiV/ruoyi-vue-pro
二、分库分表
1、水平分库
![1440c17e6e2fb0b92d705f771a8a838f.png](https://i-blog.csdnimg.cn/blog_migrate/62659189e45a9ebcbbd9ec3bc287a676.png)
1.概念:以字段 为依据,按照一定策略(hash、range等),将一个库 中的数据拆分到多个库 中。
2.结果:
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;
3.场景:系统绝对并发量上来了,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。
4.分析:库多了,io和cpu的压力自然可以成倍缓解。
2、水平分表
![1c6f4e742e47b79c5d20e92a9df082b2.png](https://i-blog.csdnimg.cn/blog_migrate/8659ad5e32f65307a271dcadfec5fe21.png)
1.概念:以字段 为依据,按照一定策略(hash、range等),将一个表 中的数据拆分到多个表 中。
2.结果:
每个表 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;
3.场景:系统绝对并发量并没有上来,只是单表的数据量太多,影响了SQL效率,加重了CPU负担,以至于成为瓶颈。
4.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
![f8f64f44cf19c1641c82b52fac4aedf1.png](https://i-blog.csdnimg.cn/blog_migrate/c784872c214f5597cf0fa24d9069e53d.png)
1.概念: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。
2.结果:
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;
3.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。4.分析:到这一步,基本上就可以服务化了。
例如,随着业务的发展一些公用的配置表、字典表等越来越多,这时可以将这些表拆到单独的库中,甚至可以服务化。再有,随着业务的发展孵化出了一套业务模式,这时可以将相关的表拆到单独的库中,甚至可以服务化。
4、垂直分表
![69daa080e773e4f1b87210b9c1188baf.png](https://i-blog.csdnimg.cn/blog_migrate/a49211edc43f852aa45cd7fd72f805c9.png)
1.概念:以字段 为依据,按照字段的活跃性,将表 中字段拆到不同的表 (主表和扩展表)中。
2.结果:
每个表 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,用于关联数据;
所有表 的并集 是全量数据;
3.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,查询时会去读磁盘数据产生大量的随机读IO,产生IO瓶颈。
4.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(可能会冗余经常一起查询的数据)放在一起作为主表,非热点数据放在一起作为扩展表。
这样更多的热点数据就能被缓存下来,进而减少了随机读IO。拆了之后,要想获得全部数据就需要关联两个表来取数据。但记住,千万别用join,因为join不仅会增加CPU负担并且会讲两个表耦合在一起(必须在一个数据库实例上)。关联数据,应该在业务Service层做文章,分别获取主表和扩展表数据然后用关联字段关联得到全部数据。
基于微服务的思想,构建在 B2C 电商场景下的项目实战。核心技术栈,是 Spring Boot + Dubbo 。未来,会重构成 Spring Cloud Alibaba 。
项目地址:https://github.com/YunaiV/onemall
三、分库分表工具
sharding-sphere:jar,前身是sharding-jdbc;
TDDL:jar,Taobao Distribute Data Layer;
Mycat:中间件。
注:工具的利弊,请自行调研,官网和社区优先。
四、分库分表步骤
根据容量(当前容量和增长量)评估分库或分表个数 -> 选key(均匀)-> 分表规则(hash或range等)-> 执行(一般双写)-> 扩容问题(尽量减少数据的移动)。
五、分库分表问题
1、非partition key的查询问题(水平分库分表,拆分策略为常用的hash法)
端上 除了partition key只有一个非partition key作为条件查询
映射法
![fd2c2a4c7512cc99dd8e9052fa0d4ef7.png](https://i-blog.csdnimg.cn/blog_migrate/1920c01818bbafb0394bc47d80f77dca.png)
基因法
![cc3782fb9ff942efad1b94314101da8a.png](https://i-blog.csdnimg.cn/blog_migrate/a86aa96c1601c94ed994ab91091551bd.png)
注:写入时,基因法生成userid,如图。关于xbit基因,例如要分8张表,23=8,故x取3,即3bit基因。根据userid查询时可直接取模路由到对应的分库或分表。
根据username查询时,先通过usernamecode生成函数生成username_code再对其取模路由到对应的分库或分表。id生成常用snowflake算法 。
端上 除了partition key不止一个非partition key作为条件查询
映射法
![6a42ab270c2d6cbf85894d61acd327e9.png](https://i-blog.csdnimg.cn/blog_migrate/99ffcdbb6345e24a107fdf367119d0b4.png)
冗余法
![6f4ec43eef51f3363f0e42be304c8390.png](https://i-blog.csdnimg.cn/blog_migrate/e39125481bf4926af84baa72316de18d.png)
注:按照orderid或buyerid查询时路由到dbobuyer库中,按照sellerid查询时路由到dbo_seller库中。感觉有点本末倒置!有其他好的办法吗?改变技术栈呢?
后台 除了partition key还有各种非partition key组合条件查询
NoSQL法
![f9b3ed8d60de8abf653157bf602b8cc3.png](https://i-blog.csdnimg.cn/blog_migrate/54b3dc55f62d9e5632363e56b78e9ca8.png)
冗余法
![d7a610fe9cfd18cfc051eda239c9648a.png](https://i-blog.csdnimg.cn/blog_migrate/179eed947f7e119b00ea5367b44b61a7.png)
2、非partition key跨库跨表分页查询问题(水平分库分表,拆分策略为常用的hash法)
注:用NoSQL法 解决(ES等)。
3、扩容问题(水平分库分表,拆分策略为常用的hash法)
1.水平扩容库(升级从库法)
![963879d3f69783b9c9d792535f4b3f06.png](https://i-blog.csdnimg.cn/blog_migrate/e933178444d1f7d90a3da59359625d05.png)
注:扩容是成倍的。
2.水平扩容表(双写迁移法)
![d6793b1438ed6b927ea83b6fbeb6b993.png](https://i-blog.csdnimg.cn/blog_migrate/6423c35e303c993ac25c2349c66b7aad.png)
第一步:(同步双写)应用配置双写,部署;第二步:(同步双写)将老库中的老数据复制到新库中;第三步:(同步双写)以老库为准校对新库中的老数据;第四步:(同步双写)应用去掉双写,部署;
注:双写 是通用方案。
六、分库分表总结
分库分表,首先得知道瓶颈在哪里,然后才能合理地拆分(分库还是分表?水平还是垂直?分几个?)。且不可为了分库分表而拆分。
选key很重要,既要考虑到拆分均匀,也要考虑到非partition key的查询。
只要能满足需求,拆分规则越简单越好。
七、分库分表示例
示例GitHub址:
https://github.com/LiHaodong888/SpringBootLear
欢迎加入我的知识星球,一起探讨架构,交流源码。加入方式,长按下方二维码噢:
已在知识星球更新源码解析如下:
最近更新《芋道 SpringBoot 2.X 入门》系列,已经 101 余篇,覆盖了 MyBatis、Redis、MongoDB、ES、分库分表、读写分离、SpringMVC、Webflux、权限、WebSocket、Dubbo、RabbitMQ、RocketMQ、Kafka、性能测试等等内容。
提供近 3W 行代码的 SpringBoot 示例,以及超 6W 行代码的电商微服务项目。
获取方式:点“在看”,关注公众号并回复 666 领取,更多内容陆续奉上。
文章有帮助的话,在看,转发吧。
谢谢支持哟 (*^__^*)