MySQL：互联网公司常用分库分表

╰半橙微兮° 2022-08-28 03:44 172阅读 0赞

**本文目录**

一、数据库瓶颈

*  IO瓶颈
 *  CPU瓶颈

二、分库分表

*  水平分库
 *  水平分表
 *  垂直分库
 *  垂直分表

三、分库分表工具

四、分库分表步骤

五、分库分表问题

*  非partition key的查询问题
 *  非partition key跨库跨表分页查询问题
 *  扩容问题

六、分库分表总结

七、分库分表示例

## **一、数据库瓶颈** ##

不管是IO瓶颈，还是CPU瓶颈，最终都会导致数据库的活跃连接数增加，进而逼近甚至达到数据库可承载活跃连接数的阈值。在业务Service来看就是，可用数据库连接少甚至无连接可用。接下来就可以想象了吧（并发量、吞吐量、崩溃）。

### 1、IO瓶颈 ###

第一种：磁盘读IO瓶颈，热点数据太多，数据库缓存放不下，每次查询时会产生大量的IO，降低查询速度 -> 分库和垂直分表。

第二种：网络IO瓶颈，请求的数据太多，网络带宽不够 -> 分库。

### 2、CPU瓶颈 ###

第一种：SQL问题，如SQL中包含[join][]，group by，order by，非索引字段条件查询等，增加CPU运算的操作 -> SQL优化，建立合适的索引，在业务Service层进行业务计算。

第二种：单表数据量太大，查询时扫描的行太多，SQL效率低，CPU率先出现瓶颈 -> 水平分表。

## **二、分库分表** ##

### 1、水平分库 ###

![图片][2aed33573a9fe661588c19c568036a51.png]

**概念：**以字段为依据，按照一定策略（hash、range等），将一个库中的数据拆分到多个库中。

**结果：**

*  每个库的结构都一样；
 *  每个库的数据都不一样，没有交集；
 *  所有库的并集是全量数据；

**场景：**系统绝对并发量上来了，分表难以根本上解决问题，并且还没有明显的业务归属来垂直分库。

**分析：**库多了，io和cpu的压力自然可以成倍缓解。

### 2、水平分表 ###

![图片][244900507b7c7d16dd037825d2a6ca1c.png]

**概念：**以字段为依据，按照一定策略（hash、range等），将一个表中的数据拆分到多个表中。

**结果：**

*  每个表的结构都一样；
 *  每个表的数据都不一样，没有交集；
 *  所有表的并集是全量数据；

**场景：**系统绝对并发量并没有上来，只是单表的数据量太多，影响了SQL效率，加重了CPU负担，以至于成为瓶颈。推荐：[一次SQL查询优化原理分析][SQL]

**分析：**表的数据量少了，单次SQL执行效率高，自然减轻了CPU的负担。

### 3、垂直分库 ###

![图片][79c98e2fba48fd567b914a6acdeee272.png]

**概念：**以表为依据，按照业务归属不同，将不同的表拆分到不同的库中。

**结果：**

*  每个库的结构都不一样；
 *  每个库的数据也不一样，没有交集；
 *  所有库的并集是全量数据；

**场景：**系统绝对并发量上来了，并且可以抽象出单独的业务模块。

**分析：**到这一步，基本上就可以服务化了。例如，随着业务的发展一些公用的配置表、字典表等越来越多，这时可以将这些表拆到单独的库中，甚至可以服务化。再有，随着业务的发展孵化出了一套业务模式，这时可以将相关的表拆到单独的库中，甚至可以服务化。

### 4、垂直分表 ###

**概念：**以字段为依据，按照字段的活跃性，将表中字段拆到不同的表（主表和扩展表）中。

**结果：**

*  每个表的结构都不一样；
 *  每个表的数据也不一样，一般来说，每个表的字段至少有一列交集，一般是主键，用于关联数据；
 *  所有表的并集是全量数据；

**场景：**系统绝对并发量并没有上来，表的记录并不多，但是字段多，并且热点数据和非热点数据在一起，单行数据所需的存储空间较大。以至于数据库缓存的数据行减少，查询时会去读磁盘数据产生大量的随机读IO，产生IO瓶颈。

**分析：**可以用列表页和详情页来帮助理解。垂直分表的拆分原则是将热点数据（可能会冗余经常一起查询的数据）放在一起作为主表，非热点数据放在一起作为扩展表。这样更多的热点数据就能被缓存下来，进而减少了随机读IO。拆了之后，要想获得全部数据就需要关联两个表来取数据。

但记住，千万别用join，因为join不仅会增加CPU负担并且会讲两个表耦合在一起（必须在一个数据库实例上）。关联数据，应该在业务Service层做文章，分别获取主表和扩展表数据然后用关联字段关联得到全部数据。

## **三、分库分表工具** ##

*  sharding-sphere：jar，前身是sharding-jdbc；
 *  TDDL：jar，Taobao Distribute Data Layer；
 *  Mycat：中间件。

> 注：工具的利弊，请自行调研，官网和社区优先。

## **四、分库分表步骤** ##

根据容量（当前容量和增长量）评估分库或分表个数 -> 选key（均匀）-> 分表规则（hash或range等）-> 执行（一般双写）-> 扩容问题（尽量减少数据的移动）。

扩展：[MySQL：分库分表与分区的区别和思考][MySQL]

## **五、分库分表问题** ##

### 1、非partition key的查询问题 ###

基于水平分库分表，拆分策略为常用的hash法。

**端上除了partition key只有一个非partition key作为条件查询**

映射法

![图片][a7c519d16e0e489423909a53cff91541.png]

基因法

![图片][cb594e9b684f0860dc114fe0a915fab5.png]

> 注：写入时，基因法生成user\_id，如图。关于xbit基因，例如要分8张表，23=8，故x取3，即3bit基因。根据user\_id查询时可直接取模路由到对应的分库或分表。
> 
> 根据user\_name查询时，先通过user\_name\_code生成函数生成user\_name\_code再对其取模路由到对应的分库或分表。id生成常用snowflake算法。

**端上除了partition key不止一个非partition key作为条件查询**

映射法

![图片][7ec19e31787db4cb9a48c71ac6ccae0d.png]

冗余法

![图片][b35b0ecca71b17a487c0a2c51e7ed693.png]

> 注：按照order\_id或buyer\_id查询时路由到db\_o\_buyer库中，按照seller\_id查询时路由到db\_o\_seller库中。感觉有点本末倒置！有其他好的办法吗？改变技术栈呢？

**后台除了partition key还有各种非partition key组合条件查询**

NoSQL法

![图片][a3b124e0cf5984e6f516172225b684f1.png]

冗余法

![图片][f89ec4e70c9d36d7982ca21a34f57678.png]

### 2、非partition key跨库跨表分页查询问题 ###

基于水平分库分表，拆分策略为常用的hash法。

> 注：用NoSQL法解决（ES等）。

### 3、扩容问题 ###

基于水平分库分表，拆分策略为常用的hash法。

**水平扩容库（升级从库法）**

![图片][6531894799d514653ce80b2785c0dd3d.png]

> 注：扩容是成倍的。

**水平扩容表（双写迁移法）**

![图片][4f424bb0a8fdd1dcb8f706a16c9e8010.png]

*  第一步：（同步双写）修改应用配置和代码，加上双写，部署；
 *  第二步：（同步双写）将老库中的老数据复制到新库中；
 *  第三步：（同步双写）以老库为准校对新库中的老数据；
 *  第四步：（同步双写）修改应用配置和代码，去掉双写，部署；

> 注：双写是通用方案。

## **六、分库分表总结** ##

*  分库分表，首先得知道瓶颈在哪里，然后才能合理地拆分（分库还是分表？水平还是垂直？分几个？）。且不可为了分库分表而拆分。
 *  选key很重要，既要考虑到拆分均匀，也要考虑到非partition key的查询。
 *  只要能满足需求，拆分规则越简单越好。

## **七、分库分表示例** ##

> 示例GitHub地址：https://github.com/littlecharacter4s/study-sharding

[join]: http://mp.weixin.qq.com/s?__biz=MzI4Njc5NjM1NQ==&mid=2247488088&idx=2&sn=501652bb26f69a11f6aca0953cbfdc50&chksm=ebd62d74dca1a4624c476ceaf04327d826c916f550a5660a287dd175034d2edb9c21b4cb4b02&scene=21#wechat_redirect
[2aed33573a9fe661588c19c568036a51.png]: /images/20220828/f91a834fdf6249a597db1a727292e921.png
[244900507b7c7d16dd037825d2a6ca1c.png]: /images/20220828/ec570db7249a4fc69d87f47ebb3b56db.png
[SQL]: http://mp.weixin.qq.com/s?__biz=MzI4Njc5NjM1NQ==&mid=2247491313&idx=2&sn=01d82309c459c7385a2ccf0018bb0d8a&chksm=ebd621dddca1a8cb16f33497c45aeb44e95ca0d5289afee263e047a868cb67f34ada644418b0&scene=21#wechat_redirect
[79c98e2fba48fd567b914a6acdeee272.png]: /images/20220828/f45d5b7029f74bc5bc53a8edeb6c5337.png
[MySQL]: http://mp.weixin.qq.com/s?__biz=MzI4Njc5NjM1NQ==&mid=2247491289&idx=1&sn=0dc45c799ca4c14782455d9d2f161674&chksm=ebd621f5dca1a8e3f2cc4d782b012bd84e61f310959fb3de9f48ef3fa7c54861a66389e9e9ff&scene=21#wechat_redirect
[a7c519d16e0e489423909a53cff91541.png]: /images/20220828/923e842b4ff74c9ba74681f5452cc4b1.png
[cb594e9b684f0860dc114fe0a915fab5.png]: /images/20220828/ecfa5f4d12324b819c5e32fbd81e955b.png
[7ec19e31787db4cb9a48c71ac6ccae0d.png]: /images/20220828/b49b3c5d26d34a41b647c738e2417e0a.png
[b35b0ecca71b17a487c0a2c51e7ed693.png]: /images/20220828/0997eda0cb6c41c9baa6230b65f35bfc.png
[a3b124e0cf5984e6f516172225b684f1.png]: /images/20220828/1b494262ee05429bae0fd1d5b30ac0b2.png
[f89ec4e70c9d36d7982ca21a34f57678.png]: /images/20220828/587253dc63c64e70923593855365c0c7.png
[6531894799d514653ce80b2785c0dd3d.png]: /images/20220828/31864991a295487b919cf8327754ab8f.png
[4f424bb0a8fdd1dcb8f706a16c9e8010.png]: /images/20220828/b22dba0f6d3c41a58a82515245023bf9.png