上期我講了“讀寫分離”，讀寫分離分散了數(shù)據(jù)庫讀寫操作的壓力，但沒有分散存儲壓力，當(dāng)數(shù)據(jù)量達(dá)到千萬甚至上億條的時候，單臺數(shù)據(jù)庫服務(wù)器的存儲能力會成為系統(tǒng)的瓶頸，主要體現(xiàn)在這幾個方面：

• 數(shù)據(jù)量太大，讀寫的性能會下降，即使有索引，索引也會變得很大，性能同樣會下降。

• 數(shù)據(jù)文件會變得很大，數(shù)據(jù)庫備份和恢復(fù)需要耗費(fèi)很長時間。

• 數(shù)據(jù)文件越大，極端情況下丟失數(shù)據(jù)的風(fēng)險(xiǎn)越高（例如，機(jī)房火災(zāi)導(dǎo)致數(shù)據(jù)庫主備機(jī)都發(fā)生故障）。

基于上述原因，單個數(shù)據(jù)庫服務(wù)器存儲的數(shù)據(jù)量不能太大，需要控制在一定的范圍內(nèi)。為了滿足業(yè)務(wù)數(shù)據(jù)存儲的需求，就需要將存儲分散到多臺數(shù)據(jù)庫服務(wù)器上。

今天我來介紹常見的分散存儲的方法“分庫分表”，其中包括“分庫”和“分表”兩大類。

業(yè)務(wù)分庫

業(yè)務(wù)分庫指的是按照業(yè)務(wù)模塊將數(shù)據(jù)分散到不同的數(shù)據(jù)庫服務(wù)器。例如，一個簡單的電商網(wǎng)站，包括用戶、商品、訂單三個業(yè)務(wù)模塊，我們可以將用戶數(shù)據(jù)、商品數(shù)據(jù)、訂單數(shù)據(jù)分開放到三臺不同的數(shù)據(jù)庫服務(wù)器上，而不是將所有數(shù)據(jù)都放在一臺數(shù)據(jù)庫服務(wù)器上。

雖然業(yè)務(wù)分庫能夠分散存儲和訪問壓力，但同時也帶來了新的問題，接下來我進(jìn)行詳細(xì)分析。

1.join 操作問題

業(yè)務(wù)分庫后，原本在同一個數(shù)據(jù)庫中的表分散到不同數(shù)據(jù)庫中，導(dǎo)致無法使用

SQL 的 join 查詢。

例如：“查詢購買了化妝品的用戶中女性用戶的列表”這個功能，雖然訂單數(shù)據(jù)中有用戶的 ID 信息，但是用戶的性別數(shù)據(jù)在用戶數(shù)據(jù)庫中，如果在同一個庫中，簡單的 join 查詢就能完成；但現(xiàn)在數(shù)據(jù)分散在兩個不同的數(shù)據(jù)庫中，無法做 join 查詢，只能采取先從訂單數(shù)據(jù)庫中查詢購買了化妝品的用戶 ID 列表，然后再到用戶數(shù)據(jù)庫中查詢這批用戶 ID 中的女性用戶列表，這樣實(shí)現(xiàn)就比簡單的 join 查詢要復(fù)雜一些。

2. 事務(wù)問題

原本在同一個數(shù)據(jù)庫中不同的表可以在同一個事務(wù)中修改，業(yè)務(wù)分庫后，表分散到不同的數(shù)據(jù)庫中，無法通過事務(wù)統(tǒng)一修改。雖然數(shù)據(jù)庫廠商提供了一些分布式事務(wù)的解決方案（例如，MySQL 的 XA），但性能實(shí)在太低，與高性能存儲的目標(biāo)是相違背的。例如，用戶下訂單的時候需要扣商品庫存，如果訂單數(shù)據(jù)和商品數(shù)據(jù)在同一個數(shù)據(jù)庫中，我們可以使用事務(wù)來保證扣減商品庫存和生成訂單的操作要么都成功要么都失敗，但分庫后就無法使用數(shù)據(jù)庫事務(wù)了，需要業(yè)務(wù)程序自己來模擬實(shí)現(xiàn)事務(wù)的功能。例如，先扣商品庫存，扣成功后生成訂單，如果因?yàn)橛唵螖?shù)據(jù)庫異常導(dǎo)致生成訂單失敗，業(yè)務(wù)程序又需要將商品庫存加上；而如果因?yàn)闃I(yè)務(wù)程序自己異常導(dǎo)致生成訂單失敗，則商品庫存就無法恢復(fù)了，需要人工通過日志等方式來手工修復(fù)庫存異常。

3. 成本問題

業(yè)務(wù)分庫同時也帶來了成本的代價，本來 1 臺服務(wù)器搞定的事情，現(xiàn)在要 3 臺，如果考慮備份，那就是 2 臺變成了 6 臺。

基于上述原因，對于小公司初創(chuàng)業(yè)務(wù)，并不建議一開始就這樣拆分，主要有幾個原因：

• 初創(chuàng)業(yè)務(wù)存在很大的不確定性，業(yè)務(wù)不一定能發(fā)展起來，業(yè)務(wù)開始的時候并沒有真正的存儲和訪問壓力，業(yè)務(wù)分庫并不能為業(yè)務(wù)帶來價值。

• 業(yè)務(wù)分庫后，表之間的 join 查詢、數(shù)據(jù)庫事務(wù)無法簡單實(shí)現(xiàn)了。

• 業(yè)務(wù)分庫后，因?yàn)椴煌臄?shù)據(jù)要讀寫不同的數(shù)據(jù)庫，代碼中需要增加根據(jù)數(shù)據(jù)類型映射到不同數(shù)據(jù)庫的邏輯，增加了工作量。而業(yè)務(wù)初創(chuàng)期間最重要的是快速實(shí)現(xiàn)、快速驗(yàn)證，業(yè)務(wù)分庫會拖慢業(yè)務(wù)節(jié)奏。

有的架構(gòu)師可能會想：如果業(yè)務(wù)真的發(fā)展很快，豈不是很快就又要進(jìn)行業(yè)務(wù)分庫了？那為何不一開始就設(shè)計(jì)好呢？

其實(shí)這個問題很好回答，按照我前面提到的“架構(gòu)設(shè)計(jì)三原則”，簡單分析一下。

首先，這里的“如果”事實(shí)上發(fā)生的概率比較低，做 10 個業(yè)務(wù)有 1 個業(yè)務(wù)能活下去就很不錯了，更何況快速發(fā)展，和中彩票的概率差不多。如果我們每個業(yè)務(wù)上來就按照淘寶、微信的規(guī)模去做架構(gòu)設(shè)計(jì)，不但會累死自己，還會害死業(yè)務(wù)。其次，如果業(yè)務(wù)真的發(fā)展很快，后面進(jìn)行業(yè)務(wù)分庫也不遲。因?yàn)闃I(yè)務(wù)發(fā)展好，相應(yīng)的資源投入就會加大，可以投入更多的人和更多的錢，那業(yè)務(wù)分庫帶來的代碼和業(yè)務(wù)復(fù)雜的問題就可以通過增加人來解決，成本問題也可以通過增加資金來解決。

第三，單臺數(shù)據(jù)庫服務(wù)器的性能其實(shí)也沒有想象的那么弱，一般來說，單臺數(shù)據(jù)庫服務(wù)器能夠支撐 10 萬用戶量量級的業(yè)務(wù)，初創(chuàng)業(yè)務(wù)從 0 發(fā)展到 10 萬級用戶，并不是想象得那么快。

而對于業(yè)界成熟的大公司來說，由于已經(jīng)有了業(yè)務(wù)分庫的成熟解決方案，并且即使是嘗試性的新業(yè)務(wù)，用戶規(guī)模也是海量的，這與前面提到的初創(chuàng)業(yè)務(wù)的小公司有本質(zhì)區(qū)別，因此最好在業(yè)務(wù)開始設(shè)計(jì)時就考慮業(yè)務(wù)分庫。例如，在淘寶上做一個新的業(yè)務(wù)，由于已經(jīng)有成熟的數(shù)據(jù)庫解決方案，用戶量也很大，需要在一開始就設(shè)計(jì)業(yè)務(wù)分庫甚至接下來介紹的分表方案。

分表

將不同業(yè)務(wù)數(shù)據(jù)分散存儲到不同的數(shù)據(jù)庫服務(wù)器，能夠支撐百萬甚至千萬用戶規(guī)模的業(yè)務(wù)，但如果業(yè)務(wù)繼續(xù)發(fā)展，同一業(yè)務(wù)的單表數(shù)據(jù)也會達(dá)到單臺數(shù)據(jù)庫服務(wù)器的處理瓶頸。例如，淘寶的幾億用戶數(shù)據(jù)，如果全部存放在一臺數(shù)據(jù)庫服務(wù)器的一張表中，肯定是無法滿足性能要求的，此時就需要對單表數(shù)據(jù)進(jìn)行拆分。

單表數(shù)據(jù)拆分有兩種方式：垂直分表和水平分表。示意圖如下：

為了形象地理解垂直拆分和水平拆分的區(qū)別，可以想象你手里拿著一把刀，面對一個蛋糕切一刀：

• 從上往下切就是垂直切分，因?yàn)榈兜倪\(yùn)行軌跡與蛋糕是垂直的，這樣可以把蛋糕切成高度相等（面積可以相等也可以不相等）的兩部分，對應(yīng)到表的切分就是表記錄數(shù)相同但包含不同的列。例如，示意圖中的垂直切分，會把表切分為兩個表，一個表包含 ID、name、age、sex 列，

另外一個表包含 ID、nickname、description 列。

• 從左往右切就是水平切分，因?yàn)榈兜倪\(yùn)行軌跡與蛋糕是平行的，這樣可以把蛋糕切成面積相等（高度可以相等也可以不相等）的兩部分，對應(yīng)到表的切分就是表的列相同但包含不同的行數(shù)據(jù)。例如，示意圖中的水平切分，會把表分為兩個表，兩個表都包含 ID、name、age、sex、

nickname、description 列，但是一個表包含的是 ID 從 1 到 999999 的行數(shù)據(jù)，另一個表包含的是 ID 從 1000000 到 9999999 的行數(shù)據(jù)。

上面這個示例比較簡單，只考慮了一次切分的情況，實(shí)際架構(gòu)設(shè)計(jì)過程中并不局限切分的次數(shù)，可以切兩次，也可以切很多次，就像切蛋糕一樣，可以切很多刀。

單表進(jìn)行切分后，是否要將切分后的多個表分散在不同的數(shù)據(jù)庫服務(wù)器中，可以根據(jù)實(shí)際的切分效果來確定，并不強(qiáng)制要求單表切分為多表后一定要分散到不同數(shù)據(jù)庫中。原因在于單表切分為多表后，新的表即使在同一個數(shù)據(jù)庫服務(wù)器中，也可能帶來可觀的性能提升，如果性能能夠滿足業(yè)務(wù)要求，是可以不拆分到多臺數(shù)據(jù)庫服務(wù)器的，畢竟我們在上面業(yè)務(wù)分庫的內(nèi)容看到業(yè)務(wù)分庫也會引入很多復(fù)雜性的問題；如果單表拆分為多表后，單臺服務(wù)器依然無法滿足性能要求，那就不得不再次進(jìn)行業(yè)務(wù)分庫的設(shè)計(jì)了。

分表能夠有效地分散存儲壓力和帶來性能提升，但和分庫一樣，也會引入各種復(fù)雜性。

1. 垂直分表

垂直分表適合將表中某些不常用且占了大量空間的列拆分出去。例如，前面示意圖中的 nickname 和 description 字段，假設(shè)我們是一個婚戀網(wǎng)站，用戶在篩選其他用戶的時候，主要是用 age 和 sex 兩個字段進(jìn)行查詢，而

nickname 和 description 兩個字段主要用于展示，一般不會在業(yè)務(wù)查詢中用到。description 本身又比較長，因此我們可以將這兩個字段獨(dú)立到另外一張表中，這樣在查詢 age 和 sex 時，就能帶來一定的性能提升。

垂直分表引入的復(fù)雜性主要體現(xiàn)在表操作的數(shù)量要增加。例如，原來只要一次查詢就可以獲取 name、age、sex、nickname、description，現(xiàn)在需要兩次查

詢，一次查詢獲取 name、age、sex，另外一次查詢獲取 nickname、 description。

不過相比接下來要講的水平分表，這個復(fù)雜性就是小巫見大巫了。

2. 水平分表

水平分表適合表行數(shù)特別大的表，有的公司要求單表行數(shù)超過 5000 萬就必須進(jìn)行分表，這個數(shù)字可以作為參考，但并不是絕對標(biāo)準(zhǔn)，關(guān)鍵還是要看表的訪問性能。對于一些比較復(fù)雜的表，可能超過 1000 萬就要分表了；而對于一些簡單的表，即使存儲數(shù)據(jù)超過 1 億行，也可以不分表。但不管怎樣，當(dāng)看到表的數(shù)據(jù)量達(dá)到千萬級別時，作為架構(gòu)師就要警覺起來，因?yàn)檫@很可能是架構(gòu)的性能瓶頸或者隱患。

水平分表相比垂直分表，會引入更多的復(fù)雜性，主要表現(xiàn)在下面幾個方面：

 路由

水平分表后，某條數(shù)據(jù)具體屬于哪個切分后的子表，需要增加路由算法進(jìn)行計(jì)算，這個算法會引入一定的復(fù)雜性。

常見的路由算法有：

范圍路由：選取有序的數(shù)據(jù)列（例如，整形、時間戳等）作為路由的條件，不同分段分散到不同的數(shù)據(jù)庫表中。以最常見的用戶 ID 為例，路由算法可以按照 1000000 的范圍大小進(jìn)行分段，1 ~ 999999 放到數(shù)據(jù)庫 1 的表中，

1000000 ~ 1999999 放到數(shù)據(jù)庫 2 的表中，以此類推。范圍路由設(shè)計(jì)的復(fù)雜點(diǎn)主要體現(xiàn)在分段大小的選取上，分段太小會導(dǎo)致切分后

子表數(shù)量過多，增加維護(hù)復(fù)雜度；分段太大可能會導(dǎo)致單表依然存在性能問題，一般建議分段大小在 100 萬至 2000 萬之間，具體需要根據(jù)業(yè)務(wù)選取合適的分段大小。

范圍路由的優(yōu)點(diǎn)是可以隨著數(shù)據(jù)的增加平滑地?cái)U(kuò)充新的表。例如，現(xiàn)在的用戶是 100 萬，如果增加到 1000 萬，只需要增加新的表就可以了，原有的數(shù)據(jù)不需要動。

范圍路由的一個比較隱含的缺點(diǎn)是分布不均勻，假如按照 1000 萬來進(jìn)行分

表，有可能某個分段實(shí)際存儲的數(shù)據(jù)量只有 1000 條，而另外一個分段實(shí)際存儲的數(shù)據(jù)量有 900 萬條。

Hash 路由：選取某個列（或者某幾個列組合也可以）的值進(jìn)行 Hash 運(yùn)算，然后根據(jù) Hash 結(jié)果分散到不同的數(shù)據(jù)庫表中。同樣以用戶 ID 為例，假如我們一開始就規(guī)劃了 10 個數(shù)據(jù)庫表，路由算法可以簡單地用 user_id % 10 的值來表示數(shù)據(jù)所屬的數(shù)據(jù)庫表編號，ID 為 985 的用戶放到編號為 5 的子表中，ID 為 10086 的用戶放到編號為 6 的字表中。

Hash 路由設(shè)計(jì)的復(fù)雜點(diǎn)主要體現(xiàn)在初始表數(shù)量的選取上，表數(shù)量太多維護(hù)比較麻煩，表數(shù)量太少又可能導(dǎo)致單表性能存在問題。而用了 Hash 路由后，增加字表數(shù)量是非常麻煩的，所有數(shù)據(jù)都要重分布。

Hash 路由的優(yōu)缺點(diǎn)和范圍路由基本相反，Hash 路由的優(yōu)點(diǎn)是表分布比較均勻，缺點(diǎn)是擴(kuò)充新的表很麻煩，所有數(shù)據(jù)都要重分布。

配置路由：配置路由就是路由表，用一張獨(dú)立的表來記錄路由信息。同樣以用

戶 ID 為例，我們新增一張 user_router 表，這個表包含 user_id 和 table_id 兩列，根據(jù) user_id 就可以查詢對應(yīng)的 table_id。

配置路由設(shè)計(jì)簡單，使用起來非常靈活，尤其是在擴(kuò)充表的時候，只需要遷移指定的數(shù)據(jù)，然后修改路由表就可以了。配置路由的缺點(diǎn)就是必須多查詢一次，會影響整體性能；而且路由表本身如果太大（例如，幾億條數(shù)據(jù)），性能同樣可能成為瓶頸，如果我們再次將路由表分庫分表，則又面臨一個死循環(huán)式的路由算法選擇問題。

• join 操作

水平分表后，數(shù)據(jù)分散在多個表中，如果需要與其他表進(jìn)行 join 查詢，需要在業(yè)務(wù)代碼或者數(shù)據(jù)庫中間件中進(jìn)行多次 join 查詢，然后將結(jié)果合并。

• count() 操作

水平分表后，雖然物理上數(shù)據(jù)分散到多個表中，但某些業(yè)務(wù)邏輯上還是會將這些表當(dāng)作一個表來處理。例如，獲取記錄總數(shù)用于分頁或者展示，水平分表前用一個 count() 就能完成的操作，在分表后就沒那么簡單了。常見的處理方式有下面兩種：

count() 相加：具體做法是在業(yè)務(wù)代碼或者數(shù)據(jù)庫中間件中對每個表進(jìn)行

count() 操作，然后將結(jié)果相加。這種方式實(shí)現(xiàn)簡單，缺點(diǎn)就是性能比較低。例如，水平分表后切分為 20 張表，則要進(jìn)行 20 次 count(*) 操作，如果串行的話，可能需要幾秒鐘才能得到結(jié)果。

記錄數(shù)表：具體做法是新建一張表，假如表名為“記錄數(shù)表”，包含

table_name、row_count 兩個字段，每次插入或者刪除子表數(shù)據(jù)成功后，都更新“記錄數(shù)表”。

這種方式獲取表記錄數(shù)的性能要大大優(yōu)于 count() 相加的方式，因?yàn)橹恍枰淮魏唵尾樵兙涂梢垣@取數(shù)據(jù)。缺點(diǎn)是復(fù)雜度增加不少，對子表的操作要同步操作“記錄數(shù)表”，如果有一個業(yè)務(wù)邏輯遺漏了，數(shù)據(jù)就會不一致；且針對“記錄數(shù)表”的操作和針對子表的操作無法放在同一事務(wù)中進(jìn)行處理，異常的情況下會出現(xiàn)操作子表成功了而操作記錄數(shù)表失敗，同樣會導(dǎo)致數(shù)據(jù)不一致。

此外，記錄數(shù)表的方式也增加了數(shù)據(jù)庫的寫壓力，因?yàn)槊看吾槍ψ颖淼?insert 和 delete 操作都要 update 記錄數(shù)表，所以對于一些不要求記錄數(shù)實(shí)時保持精確的業(yè)務(wù)，也可以通過后臺定時更新記錄數(shù)表。定時更新實(shí)際上就是“count() 相加”和“記錄數(shù)表”的結(jié)合，即定時通過 count() 相加計(jì)算表的記錄數(shù)，然后更新記錄數(shù)表中的數(shù)據(jù)。

 order by 操作

水平分表后，數(shù)據(jù)分散到多個子表中，排序操作無法在數(shù)據(jù)庫中完成，只能由業(yè)務(wù)代碼或者數(shù)據(jù)庫中間件分別查詢每個子表中的數(shù)據(jù)，然后匯總進(jìn)行排序。

實(shí)現(xiàn)方法

和數(shù)據(jù)庫讀寫分離類似，分庫分表具體的實(shí)現(xiàn)方式也是“程序代碼封裝”和“中間件封裝”，但實(shí)現(xiàn)會更復(fù)雜。讀寫分離實(shí)現(xiàn)時只要識別 SQL 操作是讀操作還是寫操作，通過簡單的判斷 SELECT、UPDATE、INSERT、DELETE 幾個關(guān)鍵字就可以做到，而分庫分表的實(shí)現(xiàn)除了要判斷操作類型外，還要判斷 SQL 中具體需要操作的表、操作函數(shù)（例如 count 函數(shù))、order by、group by 操作等，然后再根據(jù)不同的操作進(jìn)行不同的處理。例如 order by 操作，需要先從多個庫查詢到各個庫的數(shù)據(jù)，然后再重新 order by 才能得到最終的結(jié)果。

小結(jié)

今天我為你講了高性能數(shù)據(jù)庫集群的分庫分表架構(gòu)，包括業(yè)務(wù)分庫產(chǎn)生的問題和分表的兩種方式及其帶來的復(fù)雜度，希望對你有所幫助。

這就是今天的全部內(nèi)容，留一道思考題給你吧，你認(rèn)為什么時候引入分庫分表是合適的？是數(shù)據(jù)庫性能不夠的時候就開始分庫分表么？