千万数据的分库分表(一)

单表数据量达到1000W以后，就要拆了.

背景情况

用户表达到了 几千万级别，在做很多操作都比较吃力,.所以，考虑对其进行分表.

常用的切分方案

数据的切分（Sharding）根据其切分规则的类型，可以分为两种切分模式。一种是按照不同的表（或者Schema）来切分到不同的数据库（主机）之上，这种切可以称之为数据的垂直（纵向）切分；另外一种则是根据表中的数据的逻辑关系，将同一个表中的数据按照某种条件拆分到多台数据库（主机）上面，这种切分称之为数据的水平（横向）切分。

垂直切分

即业务切分 
下面来分析下垂直切分的优缺点： 
优点： 
 拆分后业务清晰，拆分规则明确。 
 系统之间整合或扩展容易。 
 数据维护简单。 
缺点： 
 部分业务表无法 join，只能通过接口方式解决，提高了系统复杂度。 
 受每种业务不同的限制存在单库性能瓶颈，不易数据扩展跟性能提高。 
 事务处理复杂。 
由于垂直切分是按照业务的分类将表分散到不同的库，所以有些业务表会过于庞大，存在单库读写与存储瓶 
颈，所以就需要水平拆分来做解决。

水平切分

相对于垂直拆分，水平拆分不是将表做分类，而是按照某个字段的某种规则来分散到多个库之中，每个表中 
包含一部分数据。简单来说，我们可以将数据的水平切分理解为是按照数据行的切分，就是将表中的某些行切分到一个数据库，而另外的某些行又切分到其他的数据库中 

几种典型的分片规则包括： 
 按照用户 ID 求模，将数据分散到不同的数据库，具有相同数据用户的数据都被分散到一个库中。 
 按照日期，将不同月甚至日的数据分散到不同的库中。 
 按照某个特定的字段求摸，或者根据特定范围段分散到不同的库中。 
如图，切分原则都是根据业务找到适合的切分规则分散到不同的库，下面用用户 ID 求模举例： 

优点： 
 拆分规则抽象好，join 操作基本可以数据库做。 
 不存在单库大数据，高并发的性能瓶颈。 
 应用端改造较少。 
 提高了系统的稳定性跟负载能力。 
缺点： 
 拆分规则难以抽象。 
 分片事务一致性难以解决。 
 数据多次扩展难度跟维护量极大。 
 跨库 join 性能较差。

切分共同的问题

前面讲了垂直切分跟水平切分的不同跟优缺点，会发现每种切分方式都有缺点，但共同的特点缺点有： 
 引入分布式事务的问题。 
 跨节点 Join 的问题。 
 跨节点合并排序分页问题。 
 多数据源管理问题

一般来讲业务存在着复杂 join 的场景是难以切分的，往往业务独立的易于切分。如何切分，切分到何种程度是考验技术架构的一个难题。

切分的一些原则

由于数据切分后数据 Join 的难度在此也分享一下数据切分的经验： 
第一原则：能不切分尽量不要切分。 
第二原则：如果要切分一定要选择合适的切分规则，提前规划好。 
第三原则：数据切分尽量通过数据冗余或表分组（Table Group）来降低跨库 Join 的可能。 
第四原则：由于数据库中间件对数据 Join 实现的优劣难以把握，而且实现高性能难度极大，业务读取尽量 
少使用多表 Join。

转载于：https://blog.csdn.net/mingover/article/details/71108852