当一张表的数据达到几千万时, 查询一次所花的时间会变长. 业界公认 MySQL 单表容量在 1 千万 以下是最佳状态, 因为这时它的 BTREE 索引树高在 3~5 之间.
数据切分可以分为: 垂直切分和水平切分.
一, 垂直切分
垂直切分又可以分为: 垂直分库和垂直分表.
1, 垂直分库
概念 就是根据业务耦合性, 将关联度低的不同表存储在不同的数据库. 做法与大系统拆分为多个小系统类似, 按业务分类进行独立划分. 与 "微服务治理" 的做法相似,
每个微服务使用单独的一个数据库.
如图:
说明
一开始我们是单体服务, 所以只有一个数据库, 所有的表都在这个库里.
后来因为业务需求, 单体服务变成微服务治理. 所以将之前的一个商品库, 拆分成多个数据库. 每个微服务对于一个数据库.
2, 垂直分表
概念 把一个表的多个字段分别拆成多个表, 一般按字段的冷热拆分, 热字段一个表, 冷字段一个表. 从而提升了数据库性能.
如图:
说明
一开始商品表中包含商品的所有字段, 但是我们发现:
1. 商品详情和商品属性字段较长. 2. 商品列表的时候我们是不需要显示商品详情和商品属性信息, 只有在点进商品商品的时候才会展示商品详情信息.
所以可以考虑把商品详情和商品属性单独切分一张表, 提高查询效率.
3, 垂直切分优缺点
优点
- 解决业务系统层面的耦合, 业务清晰
- 与微服务的治理类似, 也能对不同业务的数据进行分级管理, 维护, 监控, 扩展等
- 高并发场景下, 垂直切分一定程度的提升 IO, 数据库连接数, 单机硬件资源的瓶颈
缺点
- 分库后无法 Join, 只能通过接口聚合方式解决, 提升了开发的复杂度
- 分库后分布式事务处理复杂
- 依然存在单表数据量过大的问题 (需要水平切分)
二, 水平切分
当一个应用难以再细粒度的垂直切分或切分后数据量行数巨大, 存在单库读写, 存储性能瓶颈, 这时候就需要进行水平切分了.
水平切分也可以分为: 水平分库和水平分表.
1, 水平分库
水平分库的原因
上面虽然已经把商品库分成 3 个库, 但是随着业务的增加一个订单库也出现 QPS 过高, 数据库响应速度来不及, 一般 MySQL 单机也就 1000 左右的 QPS, 如果超过 1000 就要考虑分库.
如图
2, 水平分表
概念 一般我们一张表的数据不要超过 1 千万, 如果表数据超过 1 千万, 并且还在不断增加数据, 那就可以考虑分表.
如图
3, 垂直切分优缺点
优点
- 不存在单库数据量过大, 高并发的性能瓶颈, 提升系统稳定性和负载能力
- 应用端改造较小, 不需要拆分业务模块
缺点
- 跨分片的事务一致性难以保证
- 跨库的 Join 关联查询性能较差
- 数据多次扩展难度和维护量极大
三, 数据分片规则
我们我们考虑去水平切分表, 将一张表水平切分成多张表, 这就涉及到数据分片的规则, 比较常见的有: Hash 取模分表, 数值 Range 分表, 一致性 Hash 算法分表.
1,Hash 取模分表
概念 一般采用 Hash 取模的切分方式, 例如: 假设按 goods_id 分 4 张表.(goods_id%4 取整确定表)
优点
- 数据分片相对比较均匀, 不容易出现热点和并发访问的瓶颈.
缺点
- 后期分片集群扩容时, 需要迁移旧的数据很难.
- 容易面临跨分片查询的复杂问题. 比如上例中, 如果频繁用到的查询条件中不带 goods_id 时, 将会导致无法定位数据库, 从而需要同时向 4 个库发起查询,
再在内存中合并数据, 取最小集返回给应用, 分库反而成为拖累.
2, 数值 Range 分表
概念 按照时间区间或 ID 区间来切分. 例如: 将 goods_id 为 1~1000 的记录分到第一个表, 1001~2000 的分到第二个表, 以此类推.
如图
优点
- 单表大小可控
- 天然便于水平扩展, 后期如果想对整个分片集群扩容时, 只需要添加节点即可, 无需对其他分片的数据进行迁移
- 使用分片字段进行范围查找时, 连续分片可快速定位分片进行快速查询, 有效避免跨分片查询的问题.
缺点
- 热点数据成为性能瓶颈.
例如按时间字段分片, 有些分片存储最近时间段内的数据, 可能会被频繁的读写, 而有些分片存储的历史数据, 则很少被查询
3, 一致性 Hash 算法
一致性 Hash 算法能很好的解决因为 Hash 取模而产生的分片集群扩容时, 需要迁移旧的数据的难题. 至于具体原理这里就不详细说,
可以参考一篇博客: 一致性哈希算法 (分库分表, 负载均衡等)
四, 分库分表带来的问题
任何事情都有两面性, 分库分表也不例外, 如果采用分库分表, 会引入新的的问题
1, 分布式事务问题
使用分布式事务中间件解决, 具体是通过最终一致性还是强一致性分布式事务, 看业务需求, 这里就不多说.
2, 跨节点关联查询 Join 问题
切分之前, 我们可以通过 Join 来完成. 而切分之后, 数据可能分布在不同的节点上, 此时 Join 带来的问题就比较麻烦了, 考虑到性能, 尽量避免使用 Join 查询.
解决这个问题的一些方法:
全局表
全局表, 也可看做是 "数据字典表", 就是系统中所有模块都可能依赖的一些表, 为了避免跨库 Join 查询, 可以将 这类表在每个数据库中都保存一份. 这些数据通常
很少会进行修改, 所以也不担心一致性的问题.
字段冗余
利用空间换时间, 为了性能而避免 join 查询. 例: 订单表保存 userId 时候, 也将 userName 冗余保存一份, 这样查询订单详情时就不需要再去查询 "买家 user 表" 了.
数据组装
在系统层面, 分两次查询. 第一次查询的结果集中找出关联数据 id, 然后根据 id 发起第二次请求得到关联数据. 最后将获得到的数据进行字段拼装.
3, 跨节点分页, 排序, 函数问题
跨节点多库进行查询时, 会出现 Limit 分页, Order by 排序等问题. 分页需要按照指定字段进行排序, 当排序字段就是分片字段时, 通过分片规则就比较容易定位到指定的分片;
当排序字段非分片字段时, 就变得比较复杂了. 需要先在不同的分片节点中将数据进行排序并返回, 然后将不同分片返回的结果集进行汇总和再次排序, 最终返回给用户.
4, 全局主键避重问题
如果都用主键自增肯定不合理, 如果用 UUID 那么无法做到根据主键排序, 所以我们可以考虑通过雪花 ID 来作为数据库的主键,
有关雪花 ID 可以参考我之前写的博客: 静态内部类单例模式实现雪花算法
5, 数据迁移问题
采用双写的方式, 修改代码, 所有涉及到分库分表的表的增, 删, 改的代码, 都要对新库进行增删改. 同时, 再有一个数据抽取服务, 不断地从老库抽数据, 往新库写,
边写边按时间比较数据是不是最新的.
参考
1, 分库分表 https://www.jianshu.com/p/89fa2f873afe
2, 谈谈分库分表吧?
3, 数据库分库分表思路
我相信, 无论今后的道路多么坎坷, 只要抓住今天, 迟早会在奋斗中尝到人生的甘甜. 抓住人生中的一分一秒, 胜过虚度中的一月一年!(16)
来源: https://www.cnblogs.com/qdhxhz/p/11608222.html