https://www.jianshu.com/p/32b3e91aa22c

分庫分表的基本思想

Sharding的基本思想就要把一個數(shù)據(jù)庫切分成多個部分放到不同的數(shù)據(jù)庫(server)上，從而緩解單一數(shù)據(jù)庫的性能問題。不太嚴格的講，對于海量數(shù)據(jù)的數(shù)據(jù)庫，如果是因為表多而數(shù)據(jù)多，這時候適合使用垂直切分，即把關(guān)系緊密（比如同一模塊）的表切分出來放在一個server上。如果表并不多，但每張表的數(shù)據(jù)非常多，這時候適合水平切分，即把表的數(shù)據(jù)按某種規(guī)則（比如按ID散列）切分到多個數(shù)據(jù)庫(server)上。當然，現(xiàn)實中更多是這兩種情況混雜在一起，這時候需要根據(jù)實際情況做出選擇，也可能會綜合使用垂直與水平切分，從而將原有數(shù)據(jù)庫切分成類似矩陣一樣可以無限擴充的數(shù)據(jù)庫(server)陣列。

需要特別說明的是：當同時進行垂直和水平切分時，切分策略會發(fā)生一些微妙的變化。比如：在只考慮垂直切分的時候，被劃分到一起的表之間可以保持任意的關(guān)聯(lián)關(guān)系，因此你可以按“功能模塊”劃分表格，但是一旦引入水平切分之后，表間關(guān)聯(lián)關(guān)系就會受到很大的制約，通常只能允許一個主表（以該表ID進行散列的表）和其多個次表之間保留關(guān)聯(lián)關(guān)系，也就是說：當同時進行垂直和水平切分時，在垂直方向上的切分將不再以“功能模塊”進行劃分，而是需要更加細粒度的垂直切分，而這個粒度與領(lǐng)域驅(qū)動設(shè)計中的“聚合”概念不謀而合，甚至可以說是完全一致，每個shard的主表正是一個聚合中的聚合根！這樣切分下來你會發(fā)現(xiàn)數(shù)據(jù)庫分被切分地過于分散了（shard的數(shù)量會比較多，但是shard里的表卻不多），為了避免管理過多的數(shù)據(jù)源，充分利用每一個數(shù)據(jù)庫服務(wù)器的資源，可以考慮將業(yè)務(wù)上相近，并且具有相近數(shù)據(jù)增長速率（主表數(shù)據(jù)量在同一數(shù)量級上）的兩個或多個shard放到同一個數(shù)據(jù)源里，每個shard依然是獨立的，它們有各自的主表，并使用各自主表ID進行散列，不同的只是它們的散列取模（即節(jié)點數(shù)量）必需是一致的.

常用的分庫分表中間件

簡單易用的組件：

• 當當sharding-jdbc
• 蘑菇街TSharding

強悍重量級的中間件：

• sharding
• TDDL Smart Client的方式（淘寶）
• Atlas(Qihoo 360)
• alibaba.cobar(是阿里巴巴（B2B）部門開發(fā))
• MyCAT（基于阿里開源的Cobar產(chǎn)品而研發(fā)）
• Oceanus(58同城數(shù)據(jù)庫中間件)
• OneProxy(支付寶首席架構(gòu)師樓方鑫開發(fā))
• vitess（谷歌開發(fā)的數(shù)據(jù)庫中間件）

分庫分表需要解決的問題

1、事務(wù)問題

解決事務(wù)問題目前有兩種可行的方案：分布式事務(wù)和通過應(yīng)用程序與數(shù)據(jù)庫共同控制實現(xiàn)事務(wù)下面對兩套方案進行一個簡單的對比。

• 方案一：使用分布式事務(wù)
  • 優(yōu)點：交由數(shù)據(jù)庫管理，簡單有效
  • 缺點：性能代價高，特別是shard越來越多時
• 方案二：由應(yīng)用程序和數(shù)據(jù)庫共同控制
  • 原理：將一個跨多個數(shù)據(jù)庫的分布式事務(wù)分拆成多個僅處 于單個數(shù)據(jù)庫上面的小事務(wù)，并通過應(yīng)用程序來總控 各個小事務(wù)。
  • 優(yōu)點：性能上有優(yōu)勢
  • 缺點：需要應(yīng)用程序在事務(wù)控制上做靈活設(shè)計。如果使用 了spring的事務(wù)管理，改動起來會面臨一定的困難。

2、跨節(jié)點Join的問題

只要是進行切分，跨節(jié)點Join的問題是不可避免的。但是良好的設(shè)計和切分卻可以減少此類情況的發(fā)生。解決這一問題的普遍做法是分兩次查詢實現(xiàn)。在第一次查詢的結(jié)果集中找出關(guān)聯(lián)數(shù)據(jù)的id,根據(jù)這些id發(fā)起第二次請求得到關(guān)聯(lián)數(shù)據(jù)。

3、跨節(jié)點的count,order by,group by以及聚合函數(shù)問題

這些是一類問題，因為它們都需要基于全部數(shù)據(jù)集合進行計算。多數(shù)的代理都不會自動處理合并工作。解決方案：與解決跨節(jié)點join問題的類似，分別在各個節(jié)點上得到結(jié)果后在應(yīng)用程序端進行合并。和join不同的是每個結(jié)點的查詢可以并行執(zhí)行，因此很多時候它的速度要比單一大表快很多。但如果結(jié)果集很大，對應(yīng)用程序內(nèi)存的消耗是一個問題。

4、數(shù)據(jù)遷移，容量規(guī)劃，擴容等問題

來自淘寶綜合業(yè)務(wù)平臺團隊，它利用對2的倍數(shù)取余具有向前兼容的特性（如對4取余得1的數(shù)對2取余也是1）來分配數(shù)據(jù)，避免了行級別的數(shù)據(jù)遷移，但是依然需要進行表級別的遷移，同時對擴容規(guī)模和分表數(shù)量都有限制。總得來說，這些方案都不是十分的理想，多多少少都存在一些缺點，這也從一個側(cè)面反映出了Sharding擴容的難度。

5、事務(wù)

分布式事務(wù)

參考： [關(guān)于分布式事務(wù)、兩階段提交、一階段提交、Best Efforts 1PC模式和事務(wù)補償機制的研究](http://blog.csdn.net/bluishglc/article/details/7612811)

• 優(yōu)點
• 基于兩階段提交，最大限度地保證了跨數(shù)據(jù)庫操作的“原子性”，是分布式系統(tǒng)下最嚴格的事務(wù)實現(xiàn)方式。
• 實現(xiàn)簡單，工作量小。由于多數(shù)應(yīng)用服務(wù)器以及一些獨立的分布式事務(wù)協(xié)調(diào)器做了大量的封裝工作，使得項目中引入分布式事務(wù)的難度和工作量基本上可以忽略不計。
• 缺點
• 系統(tǒng)“水平”伸縮的死敵。基于兩階段提交的分布式事務(wù)在提交事務(wù)時需要在多個節(jié)點之間進行協(xié)調(diào),最大限度地推后了提交事務(wù)的時間點，客觀上延長了事務(wù)的執(zhí)行時間，這會導致事務(wù)在訪問共享資源時發(fā)生沖突和死鎖的概率增高，隨著數(shù)據(jù)庫節(jié)點的增多，這種趨勢會越來越嚴重，從而成為系統(tǒng)在數(shù)據(jù)庫層面上水平伸縮的"枷鎖"， 這是很多Sharding系統(tǒng)不采用分布式事務(wù)的主要原因。

基于Best Efforts 1PC模式的事務(wù)

參考spring-data-neo4j的實現(xiàn)。鑒于Best Efforts 1PC模式的性能優(yōu)勢，以及相對簡單的實現(xiàn)方式，它被大多數(shù)的sharding框架和項目采用

事務(wù)補償（冪等值）

對于那些對性能要求很高，但對一致性要求并不高的系統(tǒng)，往往并不苛求系統(tǒng)的實時一致性，只要在一個允許的時間周期內(nèi)達到最終一致性即可，這使得事務(wù)補償機制成為一種可行的方案。事務(wù)補償機制最初被提出是在“長事務(wù)”的處理中，但是對于分布式系統(tǒng)確保一致性也有很好的參考意義。籠統(tǒng)地講，與事務(wù)在執(zhí)行中發(fā)生錯誤后立即回滾的方式不同，事務(wù)補償是一種事后檢查并補救的措施，它只期望在一個容許時間周期內(nèi)得到最終一致的結(jié)果就可以了。事務(wù)補償?shù)膶崿F(xiàn)與系統(tǒng)業(yè)務(wù)緊密相關(guān)，并沒有一種標準的處理方式。一些常見的實現(xiàn)方式有：對數(shù)據(jù)進行對帳檢查;基于日志進行比對;定期同標準數(shù)據(jù)來源進行同步，等等。

6、ID問題

一旦數(shù)據(jù)庫被切分到多個物理結(jié)點上，我們將不能再依賴數(shù)據(jù)庫自身的主鍵生成機制。一方面，某個分區(qū)數(shù)據(jù)庫自生成的ID無法保證在全局上是唯一的；另一方面，應(yīng)用程序在插入數(shù)據(jù)之前需要先獲得ID,以便進行SQL路由.
一些常見的主鍵生成策略

UUID

使用UUID作主鍵是最簡單的方案，但是缺點也是非常明顯的。由于UUID非常的長，除占用大量存儲空間外，最主要的問題是在索引上，在建立索引和基于索引進行查詢時都存在性能問題。

結(jié)合數(shù)據(jù)庫維護一個Sequence表

此方案的思路也很簡單，在數(shù)據(jù)庫中建立一個Sequence表，表的結(jié)構(gòu)類似于：

CREATE TABLE `SEQUENCE` ( `table_name` varchar(18) NOT NULL, `nextid` bigint(20) NOT NULL, PRIMARY KEY (`table_name`) ) ENGINE=InnoDB

每當需要為某個表的新紀錄生成ID時就從Sequence表中取出對應(yīng)表的nextid,并將nextid的值加1后更新到數(shù)據(jù)庫中以備下次使用。此方案也較簡單，但缺點同樣明顯：由于所有插入任何都需要訪問該表，該表很容易成為系統(tǒng)性能瓶頸，同時它也存在單點問題，一旦該表數(shù)據(jù)庫失效，整個應(yīng)用程序?qū)o法工作。有人提出使用Master-Slave進行主從同步，但這也只能解決單點問題，并不能解決讀寫比為1:1的訪問壓力問題。

Twitter的分布式自增ID算法Snowflake

在分布式系統(tǒng)中，需要生成全局UID的場合還是比較多的，twitter的snowflake解決了這種需求，實現(xiàn)也還是很簡單的，除去配置信息，核心代碼就是毫秒級時間41位 機器ID 10位 毫秒內(nèi)序列12位。
* 10---0000000000 0000000000 0000000000 0000000000 0 --- 00000 ---00000 ---000000000000
在上面的字符串中，第一位為未使用（實際上也可作為long的符號位），接下來的41位為毫秒級時間，然后5位datacenter標識位，5位機器ID（并不算標識符，實際是為線程標識），然后12位該毫秒內(nèi)的當前毫秒內(nèi)的計數(shù)，加起來剛好64位，為一個Long型。

這樣的好處是，整體上按照時間自增排序，并且整個分布式系統(tǒng)內(nèi)不會產(chǎn)生ID碰撞（由datacenter和機器ID作區(qū)分），并且效率較高，經(jīng)測試，snowflake每秒能夠產(chǎn)生26萬ID左右，完全滿足需要。

7、跨分片的排序分頁

一般來講，分頁時需要按照指定字段進行排序。當排序字段就是分片字段的時候，我們通過分片規(guī)則可以比較容易定位到指定的分片，而當排序字段非分片字段的時候，情況就會變得比較復(fù)雜了。為了最終結(jié)果的準確性，我們需要在不同的分片節(jié)點中將數(shù)據(jù)進行排序并返回，并將不同分片返回的結(jié)果集進行匯總和再次排序，最后再返回給用戶。如下圖所示：

上面圖中所描述的只是最簡單的一種情況（取第一頁數(shù)據(jù)），看起來對性能的影響并不大。但是，如果想取出第10頁數(shù)據(jù)，情況又將變得復(fù)雜很多，如下圖所示：

有些讀者可能并不太理解，為什么不能像獲取第一頁數(shù)據(jù)那樣簡單處理（排序取出前10條再合并、排序）。其實并不難理解，因為各分片節(jié)點中的數(shù)據(jù)可能是隨機的，為了排序的準確性，必須把所有分片節(jié)點的前N頁數(shù)據(jù)都排序好后做合并，最后再進行整體的排序。很顯然，這樣的操作是比較消耗資源的，用戶越往后翻頁，系統(tǒng)性能將會越差。

那如何解決分庫情況下的分頁問題呢？有以下幾種辦法：

如果是在前臺應(yīng)用提供分頁，則限定用戶只能看前面n頁，這個限制在業(yè)務(wù)上也是合理的，一般看后面的分頁意義不大（如果一定要看，可以要求用戶縮小范圍重新查詢）。

如果是后臺批處理任務(wù)要求分批獲取數(shù)據(jù)，則可以加大page size，比如每次獲取5000條記錄，有效減少分頁數(shù)（當然離線訪問一般走備庫，避免沖擊主庫）。

分庫設(shè)計時，一般還有配套大數(shù)據(jù)平臺匯總所有分庫的記錄，有些分頁查詢可以考慮走大數(shù)據(jù)平臺。

8、分庫策略

分庫維度確定后，如何把記錄分到各個庫里呢?
一般有兩種方式：

• 根據(jù)數(shù)值范圍，比如用戶Id為1-9999的記錄分到第一個庫，10000-20000的分到第二個庫，以此類推。
• 根據(jù)數(shù)值取模，比如用戶Id mod n，余數(shù)為0的記錄放到第一個庫，余數(shù)為1的放到第二個庫，以此類推。

優(yōu)劣比較：
評價指標按照范圍分庫按照Mod分庫
庫數(shù)量前期數(shù)目比較小，可以隨用戶/業(yè)務(wù)按需增長前期即根據(jù)mode因子確定庫數(shù)量，數(shù)目一般比較大
訪問性能前期庫數(shù)量小，全庫查詢消耗資源少，單庫查詢性能略差前期庫數(shù)量大，全庫查詢消耗資源多，單庫查詢性能略好
調(diào)整庫數(shù)量比較容易，一般只需為新用戶增加庫，老庫拆分也只影響單個庫困難，改變mod因子導致數(shù)據(jù)在所有庫之間遷移
數(shù)據(jù)熱點新舊用戶購物頻率有差異，有數(shù)據(jù)熱點問題新舊用戶均勻到分布到各個庫，無熱點
實踐中，為了處理簡單，選擇mod分庫的比較多。同時二次分庫時，為了數(shù)據(jù)遷移方便，一般是按倍數(shù)增加，比如初始4個庫，二次分裂為8個，再16個。這樣對于某個庫的數(shù)據(jù)，一半數(shù)據(jù)移到新庫，剩余不動，對比每次只增加一個庫，所有數(shù)據(jù)都要大規(guī)模變動。
補充下，mod分庫一般每個庫記錄數(shù)比較均勻，但也有些數(shù)據(jù)庫，存在超級Id，這些Id的記錄遠遠超過其他Id，比如在廣告場景下，某個大廣告主的廣告數(shù)可能占總體很大比例。如果按照廣告主Id取模分庫，某些庫的記錄數(shù)會特別多，對于這些超級Id，需要提供單獨庫來存儲記錄。

9、分庫數(shù)量

分庫數(shù)量首先和單庫能處理的記錄數(shù)有關(guān)，一般來說，Mysql 單庫超過5000萬條記錄，Oracle單庫超過1億條記錄，DB壓力就很大(當然處理能力和字段數(shù)量/訪問模式/記錄長度有進一步關(guān)系)。

在滿足上述前提下，如果分庫數(shù)量少，達不到分散存儲和減輕DB性能壓力的目的；如果分庫的數(shù)量多，好處是每個庫記錄少，單庫訪問性能好，但對于跨多個庫的訪問，應(yīng)用程序需要訪問多個庫，如果是并發(fā)模式，要消耗寶貴的線程資源；如果是串行模式，執(zhí)行時間會急劇增加。

最后分庫數(shù)量還直接影響硬件的投入，一般每個分庫跑在單獨物理機上，多一個庫意味多一臺設(shè)備。所以具體分多少個庫，要綜合評估，一般初次分庫建議分4-8個庫。

10、路由透明

分庫從某種意義上來說，意味著DB schema改變了，必然影響應(yīng)用，但這種改變和業(yè)務(wù)無關(guān)，所以要盡量保證分庫對應(yīng)用代碼透明，分庫邏輯盡量在數(shù)據(jù)訪問層處理。當然完全做到這一點很困難，具體哪些應(yīng)該由DAL負責，哪些由應(yīng)用負責，這里有一些建議：

對于單庫訪問，比如查詢條件指定用戶Id，則該SQL只需訪問特定庫。此時應(yīng)該由DAL層自動路由到特定庫，當庫二次分裂時，也只要修改mod 因子，應(yīng)用代碼不受影響。

對于簡單的多庫查詢，DAL負責匯總各個數(shù)據(jù)庫返回的記錄，此時仍對上層應(yīng)用透明。

11、使用框架還是自主研發(fā)

目前市面上的分庫分表中間件相對較多，其中基于代理方式的有MySQL Proxy和Amoeba，基于Hibernate框架的是Hibernate Shards，基于jdbc的有當當sharding-jdbc，基于mybatis的類似maven插件式的有蘑菇街的蘑菇街TSharding，通過重寫spring的ibatis template類是Cobar Client，這些框架各有各的優(yōu)勢與短板，架構(gòu)師可以在深入調(diào)研之后結(jié)合項目的實際情況進行選擇，但是總的來說，我個人對于框架的選擇是持謹慎態(tài)度的。一方面多數(shù)框架缺乏成功案例的驗證，其成熟性與穩(wěn)定性值得懷疑。另一方面，一些從成功商業(yè)產(chǎn)品開源出框架（如阿里和淘寶的一些開源項目）是否適合你的項目是需要架構(gòu)師深入調(diào)研分析的。當然，最終的選擇一定是基于項目特點、團隊狀況、技術(shù)門檻和學習成本等綜合因素考量確定的。

參考文章：
Twitter-Snowflake，64位自增ID算法詳解
數(shù)據(jù)庫分庫分表(sharding)系列(五) 一種支持自由規(guī)劃無須數(shù)據(jù)遷移和修改路由代碼的Sharding擴容方案
數(shù)據(jù)庫分庫分表(sharding)系列(四) 多數(shù)據(jù)源的事務(wù)處理
數(shù)據(jù)庫分庫分表(sharding)系列(三) 關(guān)于使用框架還是自主開發(fā)以及sharding實現(xiàn)層面的考量
數(shù)據(jù)庫分庫分表(sharding)系列(二) 全局主鍵生成策略
數(shù)據(jù)庫分庫分表(sharding)系列(一) 拆分實施策略和示例演示
關(guān)于垂直切分Vertical Sharding的粒度
數(shù)據(jù)庫Sharding的基本思想和切分策略

轉(zhuǎn)載于:https://www.cnblogs.com/davidwang456/articles/8995118.html

總結(jié)

以上是生活随笔為你收集整理的分库分表需要考虑的问题及方案的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。