mysql建表语句分库分表_MySQL 常用分库分表方案，都在这里了！

小灰灰 2023-01-12 04:25 148阅读 0赞

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

![f63d5462d2d8dfe7abe8934be5afc11e.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

![b642428137b608d320f219fac3ee7afd.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。

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

![a0ec898b6fe5bf116162f429d48499c7.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

![3b880ff072413a211f638bdcb8fcd16e.png][]

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)。

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

![5742ee957dbc6de2bde3776c38734431.png][]

基因法

![cb3d5c322fa7286ce53f59a390a2a8d5.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

![51b9cffc3e7b1c76a30e5c5684b76756.png][]

冗余法

![dc03444585eee2bf1df5a10c258f915c.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

![1a9389060a5a6f72de901ecd3437e574.png][]

冗余法

![90ba7d55f649c213c226daa5f52ef286.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)

![387c393f250bb83ec21790ccd2de758c.png][]

注：扩容是成倍的。

水平扩容表(双写迁移法)

![93cc562c0a477c27132b78f7be3efec2.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。

转自：尜尜人物

来源：www.cnblogs.com/littlecharacter/p/9342129.htm

[f63d5462d2d8dfe7abe8934be5afc11e.png]: /images/20221119/de6afc23739d4a0493ebcfb6a5c44679.png
[b642428137b608d320f219fac3ee7afd.png]: /images/20221119/23857c40155f469a9e6156ed4d31ab10.png
[a0ec898b6fe5bf116162f429d48499c7.png]: /images/20221119/e1d7de8ff1234beda5e822e84f45d394.png
[3b880ff072413a211f638bdcb8fcd16e.png]: /images/20221119/a16c7dda4be044ff9608638153301429.png
[5742ee957dbc6de2bde3776c38734431.png]: /images/20221119/3b76cfc7c94b4a1d857403c24210c610.png
[cb3d5c322fa7286ce53f59a390a2a8d5.png]: /images/20221119/055404597ae5423296b701189fcfa784.png
[51b9cffc3e7b1c76a30e5c5684b76756.png]: /images/20221119/6c2cc3f8549044a18d3bde983513e4c7.png
[dc03444585eee2bf1df5a10c258f915c.png]: /images/20221119/6e8241ac42c44aa9accfc935b771e72a.png
[1a9389060a5a6f72de901ecd3437e574.png]: /images/20221119/71297dfcdef94b5eaeebad0e9b0e75e6.png
[90ba7d55f649c213c226daa5f52ef286.png]: /images/20221119/15c3a6d280fd43039bea02cd1edb1627.png
[387c393f250bb83ec21790ccd2de758c.png]: /images/20221119/69f4d6df5e3d459191b1a9dfaaa0ca44.png
[93cc562c0a477c27132b78f7be3efec2.png]: /images/20221119/2d918b45f8b1438cac991f6799267d6e.png