Mysql分库分表方案

水深无声 2021-09-12 02:56 446阅读 0赞

merge：http://www.linuxidc.com/Linux/2012-08/67797.htm

Mysql分库分表方案

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：

![13104102_slb1.jpg][]

\------------------- ----------华丽的分割线\--------------------------------------

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：

![13104102_nxBO.jpg][]

其主从复制的过程如下图所示：

![13104103_7YzJ.jpg][]

但是，主从复制也带来其他一系列性能瓶颈问题：

1. 写入无法扩展

2. 写入无法缓存

3. 复制延时

4. 锁表率上升

5. 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：

![13104103_CHZw.jpg][]

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：

![13104104_2qZP.jpg][]

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：

![13104105_7oa0.jpg][]

原文地址： [http://blog.csdn.net/zengfuqing/article/details/14466745][http_blog.csdn.net_zengfuqing_article_details_14466745]

[13104102_slb1.jpg]: /images/20210527/501f9eb8ca9849a78483a0155428c339.png
[13104102_nxBO.jpg]: /images/20210527/d1e7c47d22eb452c8823efdfb695152d.png
[13104103_7YzJ.jpg]: /images/20210527/c13c2100044a421b9c59291711f39068.png
[13104103_CHZw.jpg]: /images/20210527/444f08cfe3aa4c13ab1c6684a7a598db.png
[13104104_2qZP.jpg]: /images/20210527/291bee423148418ba7380f45079c71df.png
[13104105_7oa0.jpg]: /images/20210527/1de44b537636403095130974a1536ebc.png
[http_blog.csdn.net_zengfuqing_article_details_14466745]: http://blog.csdn.net/zengfuqing/article/details/14466745