1. 为什么要分表:
当一张表的数据达到几千万时, 你查询一次所花的时间会变多, 如果有联合查询的话, 我想有可能会死在那儿了. 分表的目的就在于此, 减小数据库的负担, 缩短查询时间.
mysql 中有一种机制是表锁定和行锁定, 是为了保证数据的完整性. 表锁定表示你们都不能对这张表进行操作, 必须等我对表操作完才行. 行锁定也一样, 别的 sql 必须等我对这条数据操作完了, 才能对这条数据进行操作.
2. mysql proxy:amoeba
做 mysql 集群, 利用 amoeba.
从上层的 java 程序来讲, 不需要知道主服务器和从服务器的来源, 即主从数据库服务器对于上层来讲是透明的. 可以通过 amoeba 来配置.
3. 大数据量并且访问频繁的表, 将其分为若干个表.
比如对于某网站平台的数据库表 - 公司表, 数据量很大, 这种能预估出来的大数据量表, 我们就事先分出个 N 个表, 这个 N 是多少, 根据实际情况而定.
某网站现在的数据量至多是 5000 万条, 可以设计每张表容纳的数据量是 500 万条, 也就是拆分成 10 张表.
那么如何判断某张表的数据是否容量已满呢? 可以在程序段对于要新增数据的表, 在插入前先做统计表记录数量的操作, 当 <500 万条数据, 就直接插入, 当已经到达阀值, 可以在程序段新创建数据库表(或者已经事先创建好), 再执行插入操作.
4. 利用 merge 存储引擎来实现分表
如果要把已有的大数据量表分开比较痛苦, 最痛苦的事就是改代码, 因为程序里面的 sql 语句已经写好了. 用 merge 存储引擎来实现分表, 这种方法比较适合.
举例子:
数据库架构
1, 简单的 MySQL 主从复制:
MySQL 的主从复制解决了数据库的读写分离, 并很好的提升了读的性能, 其图如下:
其主从复制的过程如下图所示:
但是, 主从复制也带来其他一系列性能瓶颈问题:
写入无法扩展
写入无法缓存
复制延时
锁表率上升
表变大, 缓存率下降
那问题产生总得解决的, 这就产生下面的优化方案, 一起来看看.
2,MySQL 垂直分区
如果把业务切割得足够独立, 那把不同业务的数据放到不同的数据库服务器将是一个不错的方案, 而且万一其中一个业务崩溃了也不会影响其他业务的正常进行, 并且也起到了负载分流的作用, 大大提升了数据库的吞吐能力. 经过垂直分区后的数据库架构图如下:
然而, 尽管业务之间已经足够独立了, 但是有些业务之间或多或少总会有点联系, 如用户, 基本上都会和每个业务相关联, 况且这种分区方式, 也不能解决单张表数据量暴涨的问题, 因此为何不试试水平分割呢?
3,MySQL 水平分片(Sharding)
这是一个非常好的思路, 将用户按一定规则 (按 id 哈希) 分组, 并把该组用户的数据存储到一个数据库分片中, 即一个 sharding, 这样随着用户数量的增加, 只要简单地配置一台服务器即可, 原理图如下:
如何来确定某个用户所在的 shard 呢, 可以建一张用户和 shard 对应的数据表, 每次请求先从这张表找用户的 shard id, 再从对应 shard 中查询相关数据, 如下图所示:
单库单表
单库单表是最常见的数据库设计, 例如, 有一张用户 (user) 表放在数据库 db 中, 所有的用户都可以在 db 库中的 user 表中查到.
单库多表
随着用户数量的增加, user 表的数据量会越来越大, 当数据量达到一定程度的时候对 user 表的查询会渐渐的变慢, 从而影响整个 DB 的性能. 如果使用 mysql, 还有一个更严重的问题是, 当需要添加一列的时候, mysql 会锁表, 期间所有的读写操作只能等待.
可以通过某种方式将 user 进行水平的切分, 产生两个表结构完全一样的 user_0000,user_0001 等表, user_0000 + user_0001 + ... 的数据刚好是一份完整的数据.
多库多表
随着数据量增加也许单台 DB 的存储空间不够, 随着查询量的增加单台数据库服务器已经没办法支撑. 这个时候可以再对数据库进行水平区分.
分库分表规则
设计表的时候需要确定此表按照什么样的规则进行分库分表. 例如, 当有新用户时, 程序得确定将此用户信息添加到哪个表中; 同理, 当登录的时候我们得通过用户的账号找到数据库中对应的记录, 所有的这些都需要按照某一规则进行.
路由
通过分库分表规则查找到对应的表和库的过程. 如分库分表的规则是 user_id mod 4 的方式, 当用户新注册了一个账号, 账号 id 的 123, 我们可以通过 id mod 4 的方式确定此账号应该保存到 User_0003 表中. 当用户 123 登录的时候, 我们通过 123 mod 4 后确定记录在 User_0003 中.
分库分表产生的问题, 及注意事项
1. 分库分表维度的问题
假如用户购买了商品, 需要将交易记录保存取来, 如果按照用户的纬度分表, 则每个用户的交易记录都保存在同一表中, 所以很快很方便的查找到某用户的 购买情况, 但是某商品被购买的情况则很有可能分布在多张表中, 查找起来比较麻烦. 反之, 按照商品维度分表, 可以很方便的查找到此商品的购买情况, 但要查找 到买人的交易记录比较麻烦.
所以常见的解决方式有:
通过扫表的方式解决, 此方法基本不可能, 效率太低了.
记录两份数据, 一份按照用户纬度分表, 一份按照商品维度分表.
通过搜索引擎解决, 但如果实时性要求很高, 又得关系到实时搜索.
2. 联合查询的问题
联合查询基本不可能, 因为关联的表有可能不在同一数据库中.
3. 避免跨库事务
避免在一个事务中修改 db0 中的表的时候同时修改 db1 中的表, 一个是操作起来更复杂, 效率也会有一定影响.
4. 尽量把同一组数据放到同一 DB 服务器上
例如将卖家 a 的商品和交易信息都放到 db0 中, 当 db1 挂了的时候, 卖家 a 相关的东西可以正常使用. 也就是说避免数据库中的数据依赖另一数据库中的数据.
一主多备
在实际的应用中, 绝大部分情况都是读远大于写. Mysql 提供了读写分离的机制, 所有的写操作都必须对应到 Master, 读操作可以在 Master 和 Slave 机器上进行, Slave 与 Master 的结构完全一样, 一个 Master 可以有多个 Slave, 甚至 Slave 下还可以挂 Slave, 通过此方式可以有效的提高 DB 集群的 QPS.
所有的写操作都是先在 Master 上操作, 然后同步更新到 Slave 上, 所以从 Master 同步到 Slave 机器有一定的延迟, 当系统很繁忙的时候, 延迟问题会更加严重, Slave 机器数量的增加也会使这个问题更加严重.
此外, 可以看出 Master 是集群的瓶颈, 当写操作过多, 会严重影响到 Master 的稳定性, 如果 Master 挂掉, 整个集群都将不能正常工作.
所以
1. 当读压力很大的时候, 可以考虑添加 Slave 机器的分式解决, 但是当 Slave 机器达到一定的数量就得考虑分库了.
2. 当写压力很大的时候, 就必须得进行分库操作.
MySQL 使用为什么要分库分表
可以用说用到 MySQL 的地方, 只要数据量一大, 马上就会遇到一个问题, 要分库分表.
这里引用一个问题为什么要分库分表呢? MySQL 处理不了大的表吗?
其实是可以处理的大表的. 我所经历的项目中单表物理上文件大小在 80G 多, 单表记录数在 5 亿以上, 而且这个表 属于一个非常核用的表: 朋友关系表.
但这种方式可以说不是一个最佳方式. 因为面临文件系统如 Ext3 文件系统对大于大文件处理上也有许多问题.
这个层面可以用 xfs 文件系统进行替换. 但 MySQL 单表太大后有一个问题是不好解决: 表结构调整相关的操作基本不在可能. 所以大项在使用中都会面监着分库分表的应用.
从 Innodb 本身来讲数据文件的 Btree 上只有两个锁, 叶子节点锁和子节点锁, 可以想而知道, 当发生页拆分或是添加新叶时都会造成表里不能写入数据.
所以分库分表还就是一个比较好的选择了.
那么分库分表多少合适呢?
经测试在单表 1000 万条记录一下, 写入读取性能是比较好的. 这样在留点 buffer, 那么单表全是数据字型的保持在 800 万条记录以下, 有字符型的单表保持在 500 万以下.
如果按 100 库 100 表来规划, 如用户业务:
500 万 * 100*100 = 50000000 万 = 5000 亿记录.
心里有一个数了, 按业务做规划还是比较容易的.
在这里顺便给大家推荐一个架构交流群: 617434785, 里面会分享一些资深架构师录制的视频录像: 有 Spring,MyBatis,Netty 源码分析, 高并发, 高性能, 分布式, 微服务架构的原理, JVM 性能优化这些成为架构师必备的知识体系. 还能领取免费的学习资源. 相信对于已经工作和遇到技术瓶颈的码友, 在这个群里会有你需要的内容.
来源: http://www.jianshu.com/p/da2822afe8b6