一、緣起

當數據庫的數據量非常大時，水平切分和垂直拆分是兩種常見的降低數據庫大小，提升性能的方法。假設有用戶表：

user(

uid bigint,

name varchar(16),

pass varchar(16),

age int,

sex tinyint,

flag tinyint,

sign varchar(64),

intro varchar(256)

…);

水平切分是指，以某個字段為依據(例如uid)，按照一定規則(例如取模)，將一個庫(表)上的數據拆分到多個庫(表)上，以降低單庫(表)大小，達到提升性能的目的的方法，水平切分后，各個庫(表)的特點是：

(1)每個庫(表)的結構都一樣

(2)每個庫(表)的數據都不一樣，沒有交集

(3)所有庫(表)的并集是全量數據

二、什么是垂直拆分

垂直拆分是指，將一個屬性較多，一行數據較大的表，將不同的屬性拆分到不同的表中，以降低單庫(表)大小，達到提升性能的目的的方法，垂直切分后，各個庫(表)的特點是：

(1)每個庫(表)的結構都不一樣

(2)一般來說，每個庫(表)的屬性至少有一列交集，一般是主鍵

(3)所有庫(表)的并集是全量數據

還是以上文提到的用戶表為例，如果要垂直拆分，可能拆分結果會是這樣的：

user_base(

uid bigint,

name varchar(16),

pass varchar(16),

age int,

sex tinyint,

flag tinyint,

…);

user_ext(

uid bigint,

sign varchar(64),

intro varchar(256)

…);

三、垂直切分的依據是什么

當一個表屬性很多時，如何來進行垂直拆分呢?如果沒有特殊情況，拆分依據主要有幾點：

(1)將長度較短，訪問頻率較高的屬性盡量放在一個表里，這個表暫且稱為主表

(2)將字段較長，訪問頻率較低的屬性盡量放在一個表里，這個表暫且稱為擴展表

如果1和2都滿足，還可以考慮第三點：

(3)經常一起訪問的屬性，也可以放在一個表里

優先考慮1和2，第3點不是必須。另，如果實在屬性過多，主表和擴展表都可以有多個。

一般來說，數據量并發量比較大時，數據庫的上層都會有一個服務層。需要注意的是，當應用方需要同時訪問主表和擴展表中的屬性時，服務層不要使用join來連表訪問，而應該分兩次進行查詢：

原因是，大數據高并發互聯網場景下，一般來說，吞吐量和擴展性是主要矛盾：

(1)join更消損耗數據庫性能

(2)join會讓base表和ext表耦合在一起(必須在一個數據庫實例上)，不利于數據量大時拆分到不同的數據庫實例上(機器上)。畢竟減少數據量，提升性能才是垂直拆分的初衷。

四、為什么要這么這么拆分

為何要將字段短，訪問頻率高的屬性放到一個表內?為何這么垂直拆分可以提升性能?因為：

(1)數據庫有自己的內存buffer，會將磁盤上的數據load到內存buffer里(暫且理解為進程內緩存吧)

(2)內存buffer緩存數據是以row為單位的

(3)在內存有限的情況下，在數據庫內存buffer里緩存短row，就能緩存更多的數據

(4)在數據庫內存buffer里緩存訪問頻率高的row，就能提升緩存***率，減少磁盤的訪問

舉個例子就很好理解了：

假設數據庫內存buffer為1G，未拆分的user表1行數據大小為1k，那么只能緩存100w行數據。

如果垂直拆分成user_base和user_ext，其中：

(1)user_base訪問頻率高(例如uid, name, passwd, 以及一些flag等)，一行大小為0.1k

(2)user_ext訪問頻率低(例如簽名, 個人介紹等)，一行大小為0.9k

那邊內存buffer就就能緩存近乎1000w行user_base的記錄，訪問磁盤的概率會大大降低，數據庫訪問的時延會大大降低，吞吐量會大大增加。

五、總結

(1)水平拆分和垂直拆分都是降低數據量大小，提升數據庫性能的常見手段

(2)流量大，數據量大時，數據訪問要有service層，并且service層不要通過join來獲取主表和擴展表的屬性

(3)垂直拆分的依據，盡量把長度較短，訪問頻率較高的屬性放在主表里

【本文為51CTO專欄作者“58沈劍”原創稿件，轉載請聯系原作者】