面试官：如何分表分库？业界有哪些常用方案？可能存在什么问题？

红太狼 2022-11-02 03:59 124阅读 0赞

关于分库分表的这个问题，绝对是一个面试加分项。尽管你没有用过，但是面试官可能不太会追究你是否用过，可能就是考察一下，你是否懂这些知识点。如果能把这些回答出来，至少在面试官那里印象分哗啦啦的上涨。

> 偷偷地告诉你，千万别说自己没用过，先把理论给讲清楚。如果往死里问你是否用过，那就得承认，没用过，你懂的~

话不多说，咱们直接入主题。

### 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 ####

![format_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 ####

![format_png 1][]

**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。

**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 ####

![format_png 2][]

**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 ####

![format_png 3][]

**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 ###

1.  sharding-sphere：jar，前身是sharding-jdbc(视频教程：bilibili.com/video/BV1NA411v7W8)；
2.  TDDL：jar，Taobao Distribute Data Layer；
3.  Mycat：中间件(视频教程：bilibili.com/video/BV1Pp4y1v7AT)。

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）。

### 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。

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

**映射法**

![format_png 4][]

**基因法**

![format_png 5][]

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**。

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

**映射法**

![format_png 6][]

**冗余法**

![format_png 7][]

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？

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

**NoSQL法**

![format_png 8][]

**冗余法**

![format_png 9][]

#### 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。

1、水平扩容库（升级从库法）

![format_png 10][]

注：扩容是成倍的。

2、水平扩容表（双写迁移法）

![format_png 11][]

*  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 ###

1、 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。

2、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。

3、只要能满足需求，拆分规则越简单越好。

来源：http://ii081.cn/Dhj2k

推荐阅读

[面试：Zookeeper常见11个连环炮][Zookeeper_11]

[京东面试：说说MySQL的架构体系][MySQL]

[一张思维导图帮你复习并发编程][Link 1]

[如果有困惑、想准备面试请找我][Link 2]

[搞定这24道JVM面试题，要价30k都有底气~][24_JVM_30k]

![format_png 12][]

[format_png]: /images/20221024/301fc741276145549d3518a3b841bf21.png
[format_png 1]: /images/20221024/8a63d04127274a13acb16eaac7e818b7.png
[format_png 2]: /images/20221024/9db1773d42324b7f9f387d7730037565.png
[format_png 3]: /images/20221024/3fcadc8ec6064c51912b0bd0a12ac68e.png
[format_png 4]: /images/20221024/634be188acab4f81abfd046deba61111.png
[format_png 5]: /images/20221024/300bada2f5894cc1b0d16a1755e9e872.png
[format_png 6]: /images/20221024/671a2d26ed374b32a4cd6f0e3fb6c2ac.png
[format_png 7]: /images/20221024/50763548e1b94d39a66a42ef00e25814.png
[format_png 8]: /images/20221024/ee623239117545418891ab4c42d7ec7c.png
[format_png 9]: /images/20221024/8c9d33f60d2c4b8095da68bf9c2e9361.png
[format_png 10]: /images/20221024/9720b84e64dd4b39b94886ce77483f92.png
[format_png 11]: /images/20221024/65721610f2b1488da8d1c552339a16d2.png
[Zookeeper_11]: http://mp.weixin.qq.com/s?__biz=MzU4MDM3MDgyMA%3D%3D&chksm=fd555e59ca22d74f75b6188877be2370a1b36d193e579cc7831b6c005454fc4efa787932dbb9&idx=1&mid=2247497394&scene=21&sn=649b5e470c4d1c4e0addca6c187d0771#wechat_redirect
[MySQL]: http://mp.weixin.qq.com/s?__biz=MzU4MDM3MDgyMA%3D%3D&chksm=fd555c89ca22d59fc0d8621d54df92c29304d7b95a2f84561dc652c3051f4f4e2b7dc8d7fb2c&idx=1&mid=2247496802&scene=21&sn=baf7cd7489b7635dec3bf1a8908b85f8#wechat_redirect
[Link 1]: http://mp.weixin.qq.com/s?__biz=MzU4MDM3MDgyMA%3D%3D&chksm=fd555158ca22d84e79ccedb310e76635c9de7d218191405bb4ea33440d177450840e4a97b2a9&idx=1&mid=2247498163&scene=21&sn=084b93d5ab3ec1d8c2495ffb46273306#wechat_redirect
[Link 2]: http://mp.weixin.qq.com/s?__biz=MzU4MDM3MDgyMA%3D%3D&chksm=fd5553f1ca22dae776511bf0c2062f19ba60e8aca416375f13c106e81305230a7c8d0e5c0a8d&idx=2&mid=2247498522&scene=21&sn=cc39b5eefa14f928800a62ded31b2137#wechat_redirect
[24_JVM_30k]: http://mp.weixin.qq.com/s?__biz=MzU4MDM3MDgyMA%3D%3D&chksm=fd554737ca22ce21f0ac7a525605d6a2fb019dbdd784760a88c1353616ed4cd76303b41350d0&idx=1&mid=2247495644&scene=21&sn=dbfe39e1b0c1df404b0ff7f81b1990fc#wechat_redirect
[format_png 12]: /images/20221024/3ec1b3eeaad7458e8a1ba2d8a5b23c1a.png