水平切分

http://www.cnblogs.com/codebean/archive/2011/06/02/2068768.html

 

 

在大中型项目中，在数据库设计的时候，考虑到数据库最大承受数据量，通常会把数据库或者数据表水平切分，以降低单个库，单个表的压力。我这里介绍两个我们项目中常用的数据表切分方法。当然这些方法都是在程序中使用一定的技巧来路由到具体的表的。首先我们要确认根据什么来水平切分？在我们的系统（SNS）中，用户的UID贯穿系统，唯一自增长，根据这个字段分表，再好不过。

方法一：使用MD5哈希

　　做法是对UID进行md5加密，然后取前几位（我们这里取前两位），然后就可以将不同的UID哈希到不同的用户表（user_xx）中了。

  
  

   
   function
   
    getTable( 
   
   $uid
   
    ){
  
   
   $ext
   
    
   
   =
   
     
   
   substr
   
    ( 
   
   md5
   
   (
   
   $uid
   
   ) 
   
   ,
   
   0
   
    
   
   ,
   
   2
   
    );
  
   
   return
   
    
   
   "
   
   user_
   
   "
   
   .
   
   $ext
   
   ;
}
  
  

通过这个技巧，我们可以将不同的UID分散到256中用户表中，分别是user_00,user_01 ...... user_ff。因为UID是数字且递增，根据md5的算法，可以将用户数据几乎很均匀的分别到不同的user表中。

　　但是这里有个问题是，如果我们的系统的用户越来越多，势必单张表的数据量越来越大，而且根据这种算法无法扩展表，这又会回到文章开头出现的问题了。

方法二：使用移位

　　具体方法是：

  
  

   
   public
   
    
   
   function
   
    getTable( 
   
   $uid
   
    ) {
 
   
   return
   
    
   
   "
   
   user_
   
   "
   
    
   
   .
   
    
   
   sprintf
   
   ( 
   
   "
   
   %04d
   
   "
   
   ,
   
    (
   
   $uid
   
    
   
   >>
   
    
   
   20
   
   ) );
}
  
  

这里，我们将uid向右移动20位，这样我们就可以把大约前100万的用户数据放在第一个表user_0000,第二个100万的用户数据放在第二个表user_0001中，这样一直下去，如果我们的用户越来越多，直接添加用户表就行了。由于我们保留的表后缀是四位，这里我们可以添加1万张用户表，即user_0000,user_0001 ...... user_9999。一万张表，每张表100万数据，我们可以存100亿条用户记录。当然，如果你的用户数据比这还多，也不要紧，你只要改变保留表后缀来增加可以扩展的表就行了，如如果有1000亿条数据，每个表存100万，那么你需要10万张表，我们只要保留表后缀为6位即可。

上面的算法还可以写的灵活点：

  
  

   
   /*
   
   *
 * 根据UID分表算法
 * 
 * @param int $uid  //用户ID
 * @param int $bit    //表后缀保留几位
 * @param int $seed //向右移动位数
 
   
   */
   
   

   
   function
   
    getTable( 
   
   $uid
   
    
   
   ,
   
    
   
   $bit
   
    
   
   ,
   
    
   
   $seed
   
    ){
  
   
   return
   
    
   
   "
   
   user_
   
   "
   
    
   
   .
   
    
   
   sprintf
   
   ( 
   
   "
   
   %0{
   
   $bit
   
   }d
   
   "
   
    
   
   ,
   
    (
   
   $uid
   
    
   
   >>
   
    
   
   $seed
   
   ) );
}
  
  

总结：

　　上面两种方法，都要对我们当前系统的用户数据量做出可能最大的预估，并且对数据库单个表的最大承受量做出预估。

　　比如第二种方案，如果我们预估我们系统的用户是100亿，单张表的最优数据量是100万，那么我们就需要将UID移动20来确保每个表是100万的数据，保留用户表（user_xxxx）四位来扩展1万张表。

     又如第一种方案，每张表100万，md5后取前两位，就只能有256张表了，系统总数据库就是：256*100万；如果你系统的总数据量的比这还多，那你实现肯定要MD5取前三位或者四位甚至更多位了。

　　两种方法都是将数据水平切分到不同的表中，相对第一种方法，第二种方法更具扩展性。。。