数据库之分库分表

中大型项目中,一旦遇到数据量比较大,我们就需要对数据进行拆分,我们知道的就是垂直和水平分两种

垂直拆分

比较简单,也就是本来一个数据库,数据量大以后,从业务角度进行拆分多个库,如下图:独立的拆分出订单库和用户库

水平拆分

是同一个业务数据量大之后,进行水平拆分

 上图中订单数据达到了4000万,我们也知道mysql单标存储推荐是百万级,如果不进行处理,mysql单表数据太大,会导致性能变慢,使用方案可以参考数据进行水平拆分,把4000万数据拆分4张表,或者更多,当然也可以进行分库,再分表,把压力从数据库层级分开

传统分库分表设计方案

分库分表方案中有常用的方案,hash取模和range范围方案,分库分表方案最主要就是路由算法,把路由的key按照指定的算法进行路由存放,下面介绍一下两个方案的特点:

1.hash取模方案

在我们设计系统之前,可以先预估一下大概这几年的订单量,如:4000万,我们每张表可以容纳1000万,我们可以设计4张表进行存储

具体如何路由存储的呢?

hash的方案就是对指定的路由key(如:id)对分表总数进行取模,上图中,id=12是订单号,对4进行取模,也是会得到0,那订单就会放到0表中,id=13的订单,取模得到为1,就会放到1表中,为什么对4取模,因为我们分表的总数是4

其实在实际中,我们的订单编号都是自动生产的,可能很难按照定增的排序,我们可以建立一个额外的字段递增进行分表

优点: 

订单数据可以均匀的放到那4张表中,这样此订单进行操作时,就不会有热点问题

热点的含义:

热点的意思就是对订单进行操作集中到1个表中,其他表的操作很少

订单有个特点就是时间属性,一般用户操作订单数据,都会集中到这段时间产生的订单,如果这段时间产生的订单,都在同一张订单表中,那就会形成热点,那张表的压力就会比较大

缺点: 

将来数据迁移和扩容,会很难

如:业务发展很好,订单量很大,超出了4000万的量,那我们就需要增加分表数,如果我们增加4个表

一旦我们增加了分表的总数,取模的基数就会变成8,以前id=12的订单按照此方案就会到4表中查询,但之前的此订单是在0表的,这样就导致了数据查不到,就是因为取模的基数产生了变化 

遇到这个情况,我们想到的方案就是做数据迁移,把之前的4000万数据,重新做一个hash方案,放到新的规划表中,也就是我们要做数据迁移,这个是很痛苦的事情,有些小公司可以接受晚上停机,但是大公司是不允许停机做数据迁移的

当前做数据迁移可以结合自己的公司业务,做一个工具进行,不过也带来了很多工作量,每次扩容都要做数据迁移 

2.range范围方案

range方案也就是以范围进行拆分数据

range方案比较简单,就是把一定范围内的订单,存放到一个表中,如上图id=12放到0表中,id=1300万的放到1表中,设计这个方案时就是前期把表的范围设计好,通过id进行路由存放

优点: 

我们想一下,这个方案是不是有利于将来的扩容,不需要做数据迁移,即使再增加4张表,之前4张表的范围不需要改变,id=12的还是在0表,id=1300万的还是在1表,新增的4张表他们的范围肯定是大于4000万之后的范围划分

缺点:

又热点问题,因为id的值会一直递增变大,那这段时间的订单是不是一直在某张表中,如id=1000万-2000万,这段时间产生的订单是不是都会集中到此表中,这个就会导致表1过热,压力过大,而其他表反而没什么压力

总结:

hash取模方案:没有热点问题,但是扩容迁移数据痛苦

range方案:不需要迁移数据,但有热点问题

那有什么方案可以做到两者的优点结合呢,即不需要迁移数据,又能解决数据热点的问题?

其实还有一个现实需求,能否根据服务器的性能以及存储高低,适当均匀调整存储呢

终极方案之思路

hash是可以解决数据均匀的问题,range可以解决数据迁移问题,那我们可以不可以两者相结合?利用这两者的特性呢？

我们考虑一下数据的扩容代表着,路由key(如：id)的值变大了,这个是一定的,那我们先保证数据变大的时候,首先用range方案让数据落地到一个范围里面,这样以后id再变大,那以前的数据是不需要迁移的

但又要考虑到数据均匀,那是不是可以在一定的范围内数据均匀的呢？因为我们每次扩容肯定会事先设计好这次扩容范围大小,我们只要保证这次的范围内数据均匀是不是就ok啦

终极方案之设计

我们先定义一个group组概念，这组里面包含了一些分库以及分表，如下图

上图有几个关键点:

1）id=0～4000万肯定落到group01组中

2）group01组有3个DB，那一个id如何路由到哪个DB？

3）根据hash取模定位DB，那模数为多少？模数要为所有此group组DB中的表数，上图总表数为10。为什么要去表的总数？而不是DB总数3呢？

4）如id=12，id%10=2；那值为2，落到哪个DB库呢？这是设计是前期设定好的，那怎么设定的呢？

5）一旦设计定位哪个DB后，就需要确定落到DB中的哪张表呢

终极方案之核心主流程 

按照上面的流程，我们就可以根据此规则，定位一个id，我们看看有没有避免热点问题。

我们看一下，id在【0，1000万】范围内的，根据上面的流程设计，1000万以内的id都均匀的分配到DB_0,DB_1,DB_2三个数据库中的Table_0表中，为什么可以均匀，因为我们用了hash的方案，对10进行取模

在我们安排服务器时，有些服务器的性能高，存储高，就可以安排多存放些数据，有些性能低的就少放点数据。如果我们取模是按照DB总数3，进行取模，那就代表着【0，4000万】的数据是平均分配到3个DB中的，那就不能够实现按照服务器能力适当分配了。

按照Table总数10就能够达到，看如何达到

 上图中我们对10进行取模，如果值为【0，1，2，3】就路由到DB_0，【4，5，6】路由到DB_1，【7，8，9】路由到DB_2。现在小伙伴们有没有理解，这样的设计就可以把多一点的数据放到DB_0中，其他2个DB数据量就可以少一点。DB_0承担了4/10的数据量，DB_1承担了3/10的数据量，DB_2也承担了3/10的数据量。整个Group01承担了【0，4000万】的数据量

 

注意：千万不要被DB_1或DB_2中table的范围也是0～4000万疑惑了，这个是范围区间，也就是id在哪些范围内，落地到哪个表而已。

 上面一大段的介绍，就解决了热点的问题，以及可以按照服务器指标，设计数据量的分配。

终极方案之如何扩容

其实上面设计思路理解了，扩容就已经出来了；那就是扩容的时候再设计一个group02组，定义好此group的数据范围就ok了。

 

因为是新增的一个group01组，所以就没有什么数据迁移概念，完全是新增的group组，而且这个group组照样就防止了热点，也就是【4000万，5500万】的数据，都均匀分配到三个DB的table_0表中，【5500万～7000万】数据均匀分配到table_1表中。

终极方案之系统设计

 思路确定了，设计是比较简单的，就3张表，把group，DB，table之间建立好关联关系就行了。

group和DB的关系

table和db的关系

 

上面的表关联其实是比较简单的，只要原理思路理顺了，就ok了。在开发的时候不要每次都去查询三张关联表，可以保存到缓存中，这样不会影响性能

这里面隐含了一个关键点:那就是路由key(如:id)的值是非常关键的,要求一定是有序的,自增的