MySQL：互聯網公司常用分庫分表方案匯總
本文目錄
一、數據庫瓶頸
- IO瓶頸
- CPU瓶頸
二、分庫分表
- 水平分庫
- 水平分表
- 垂直分庫
- 垂直分表
三、分庫分表工具
四、分庫分表步驟
五、分庫分表問題
非partition key的查詢問題
非partition key跨庫跨表分頁查詢問題
擴容問題
六、分庫分表總結
七、分庫分表示例
一、數據庫瓶頸
不管是IO瓶頸，還是CPU瓶頸，最終都會導致數據庫的活躍連接數增加，進而逼近甚至達到數據庫可承載活躍連接數的閾值。在業務Service來看就是，可用數據庫連接少甚至無連接可用。接下來就可以想象了吧(并發量、吞吐量、崩潰)。
1、IO瓶頸
第一種：磁盤讀IO瓶頸，熱點數據太多，數據庫緩存放不下，每次查詢時會產生大量的IO，降低查詢速度 -> 分庫和垂直分表。
第二種：網絡IO瓶頸，請求的數據太多，網絡帶寬不夠 -> 分庫。
2、CPU瓶頸
第一種：SQL問題，如SQL中包含join，group by，order by，非索引字段條件查詢等，增加CPU運算的操作 -> SQL優化，建立合適的索引，在業務Service層進行業務計算。
第二種：單表數據量太大，查詢時掃描的行太多，SQL效率低，CPU率先出現瓶頸 -> 水平分表。
二、分庫分表
1、水平分庫
概念：以字段為依據，按照一定策略(hash、range等)，將一個庫中的數據拆分到多個庫中。
結果：
- 每個庫的結構都一樣;
- 每個庫的數據都不一樣，沒有交集;
- 所有庫的并集是全量數據;
場景：系統絕對并發量上來了，分表難以根本上解決問題，并且還沒有明顯的業務歸屬來垂直分庫。
分析：庫多了，io和cpu的壓力自然可以成倍緩解。
2、水平分表
概念：以字段為依據，按照一定策略(hash、range等)，將一個表中的數據拆分到多個表中。
結果：
- 每個表的結構都一樣;
- 每個表的數據都不一樣，沒有交集;
- 所有表的并集是全量數據;
場景：系統絕對并發量并沒有上來，只是單表的數據量太多，影響了SQL效率，加重了CPU負擔，以至于成為瓶頸。推薦：一次SQL查詢優化原理分析
分析：表的數據量少了，單次SQL執行效率高，自然減輕了CPU的負擔。
3、垂直分庫
概念：以表為依據，按照業務歸屬不同，將不同的表拆分到不同的庫中。
結果：
- 每個庫的結構都不一樣;
- 每個庫的數據也不一樣，沒有交集;
- 所有庫的并集是全量數據;
場景：系統絕對并發量上來了，并且可以抽象出單獨的業務模塊。
分析：到這一步，基本上就可以服務化了。例如，隨著業務的發展一些公用的配置表、字典表等越來越多，這時可以將這些表拆到單獨的庫中，甚至可以服務化。再有，隨著業務的發展孵化出了一套業務模式，這時可以將相關的表拆到單獨的庫中，甚至可以服務化。
4、垂直分表
概念：以字段為依據，按照字段的活躍性，將表中字段拆到不同的表(主表和擴展表)中。
結果：
- 每個表的結構都不一樣;
- 每個表的數據也不一樣，一般來說，每個表的字段至少有一列交集，一般是主鍵，用于關聯數據;
- 所有表的并集是全量數據;
場景：系統絕對并發量并沒有上來，表的記錄并不多，但是字段多，并且熱點數據和非熱點數據在一起，單行數據所需的存儲空間較大。以至于數據庫緩存的數據行減少，查詢時會去讀磁盤數據產生大量的隨機讀IO，產生IO瓶頸。
分析：可以用列表頁和詳情頁來幫助理解。垂直分表的拆分原則是將熱點數據(可能會冗余經常一起查詢的數據)放在一起作為主表，非熱點數據放在一起作為擴展表。這樣更多的熱點數據就能被緩存下來，進而減少了隨機讀IO。拆了之后，要想獲得全部數據就需要關聯兩個表來取數據。
但記住，千萬別用join，因為join不僅會增加CPU負擔并且會講兩個表耦合在一起(必須在一個數據庫實例上)。關聯數據，應該在業務Service層做文章，分別獲取主表和擴展表數據然后用關聯字段關聯得到全部數據。
三、分庫分表工具
sharding-sphere：jar，前身是sharding-jdbc;
TDDL：jar，Taobao Distribute Data Layer;
Mycat：中間件。
注：工具的利弊，請自行調研，官網和社區優先。
四、分庫分表步驟
根據容量(當前容量和增長量)評估分庫或分表個數 -> 選key(均勻)-> 分表規則(hash或range等)-> 執行(一般雙寫)-> 擴容問題(盡量減少數據的移動)。
擴展：MySQL：分庫分表與分區的區別和思考
五、分庫分表問題
1、非partition key的查詢問題
基于水平分庫分表，拆分策略為常用的hash法。
端上除了partition key只有一個非partition key作為條件查詢
映射法
基因法
注：寫入時，基因法生成user_id，如圖。關于xbit基因，例如要分8張表，23=8，故x取3，即3bit基因。根據user_id查詢時可直接取模路由到對應的分庫或分表。
根據user_name查詢時，先通過user_name_code生成函數生成user_name_code再對其取模路由到對應的分庫或分表。id生成常用snowflake算法。
端上除了partition key不止一個非partition key作為條件查詢
映射法
冗余法
注：按照order_id或buyer_id查詢時路由到db_o_buyer庫中，按照seller_id查詢時路由到db_o_seller庫中。感覺有點本末倒置!有其他好的辦法嗎?改變技術棧呢?
后臺除了partition key還有各種非partition key組合條件查詢
NoSQL法
冗余法
2、非partition key跨庫跨表分頁查詢問題
基于水平分庫分表，拆分策略為常用的hash法。
注：用NoSQL法解決(ES等)。
3、擴容問題
基于水平分庫分表，拆分策略為常用的hash法。
水平擴容庫(升級從庫法)
注：擴容是成倍的。
水平擴容表(雙寫遷移法)
第一步：(同步雙寫)修改應用配置和代碼，加上雙寫，部署;
第二步：(同步雙寫)將老庫中的老數據復制到新庫中;
第三步：(同步雙寫)以老庫為準校對新庫中的老數據;
第四步：(同步雙寫)修改應用配置和代碼，去掉雙寫，部署;
注：雙寫是通用方案。
六、分庫分表總結
分庫分表，首先得知道瓶頸在哪里，然后才能合理地拆分(分庫還是分表?水平還是垂直?分幾個?)。且不可為了分庫分表而拆分。
選key很重要，既要考慮到拆分均勻，也要考慮到非partition key的查詢。
只要能滿足需求，拆分規則越簡單越好。
七、分庫分表示例
示例GitHub地址：https://github.com/littlecharacter4s/study-sharding
