海量数据下的分库分表方案

移动互联网时代，海量的用户每天产生海量的数据，比如：

• 用户表
• 订单表
• 交易流水表

我们以支付宝为例，支付宝用户是8亿；微信用户更是10亿。而订单表更夸张，比如美团外卖，每天都是几千万的订单。淘宝的历史订单总量应该百亿，甚至千亿级别，这些海量数据远不是一张表能Hold住的。

事实上，MySQL单表可以存储10亿级数据，只是这时候性能比较差。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。

既然一张表无法搞定，那么就想办法将数据放到多个地方，目前比较普遍的方案有3个：

• 分区；
• 分库分表；
• NoSQL/NewSQL；

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

          

1.1 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。

1.2 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;

1.3 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。

1.4 分析：库多了，io和cpu的压力自然可以成倍缓解。

 

 

2、水平分表

          

2.1 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。

2.2 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;

2.3 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。

2.4 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

          

3.1 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。

3.2 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；

3.3 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。

3.4 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

          

4.1 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。

4.2 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；

4.3 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。

4.4 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；

2. TDDL：jar，Taobao Distribute Data Layer（淘宝分销数据层）；

3. 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。