一文详解分库分表_分库分表设计

详解分库分表设计

背景

​ 在传统的单机数据库架构中，所有数据都存储在同一个数据库中，随着业务规模的不断扩大，数据量和并发量也会越来越大，这会给数据库的性能和可用性带来挑战。此外，当单机数据库的容量达到瓶颈时，无法继续扩展，这也限制了应用程序的可扩展性。

​ 为了解决这些问题，分库分表技术应运而生。通过将数据分散存储在多个数据库或表中，可以减轻单一数据库的负载，提高系统的并发性能。此外，分库分表还可以支持水平扩展，使得系统能够随着业务的增长而不断扩展。

总之，分库分表是一种常用的数据库架构设计方案，可以解决数据库在数据量、并发性、可扩展性等方面面临的瓶颈问题，是大规模应用程序必不可少的技术之一。

为什么分库分表

1. 数据量增大：当数据量逐渐增大时，单个数据库或表可能无法承载所有数据，导致性能下降，甚至崩溃。

   分库分表可以将数据分散到多个数据库或表中，每个数据库或表都只负责一部分数据，从而提高系统的性能和可靠性。

2. 提高并发能力：当多个用户同时访问同一个表时，容易造成数据库的性能瓶颈，导致响应变慢。

   分库分表可以将数据分散到多个数据库或表中，从而提高并发访问能力，减少系统的瓶颈。

3. 数据隔离：在多租户场景下，不同的租户需要使用不同的数据库或表，以保证彼此的数据隔离。分库分表可以将不同租户的数据分散到不同的数据库或表中，从而保证数据的隔离性。

4. 降低单节点的压力：当系统需要支持大量数据的读写操作时，单个数据库或表可能无法承载，此时可以将数据分散到多个数据库或表中，从而降低单个节点的压力。

什么是分库分表

1. 分库：将一个数据库拆分为多个数据库

   1. 水平分库：指将一个大型数据库分成多个较小的、相似的数据库，每个数据库包含数据的不同部分

      例如：将用户数据根据其 ID 值的范围分配到用户库DB1、用户库DB2中。

      这种分片方式可以提高系统的扩展性和性能，因为可以将负载分散到多个数据库中

   

   特点：

    1. 每个库的结构都一样，存储**同一业务类型**的数据	
    2. 每个库的数据都不一样，没有交集
    3. 所有库的并集是全量数据
   1
   2
   3

   2. 垂直分库：是指将一个大型数据库，根据业务关系分成多个较小的数据库。

      例如，将用户数据存储在用户库，订单数据存储在订单库中。

      这种分片方式可以提高系统的灵活性和可维护性，因为可以根据需要对不同的数据库进行单独的优化和维护

   

   特点：

    1. 每个库的结构都不一样，存储**不同业务类型**的数据
   
    2. 每个库的数据都不一样，没有交集
   
    3. 所有库的并集是全量数据
   1
   2
   3
   4
   5

   水平分库和垂直分库并不是互斥的概念，两者可以结合使用来实现更高效的数据库分片方案

2. 分表：将一个数据表拆分为多个数据表

   1. 水平分表：是指将一个表中的数据按照某个规则分散到多个表中，这个规则通常是基于某个列的取值进行的

      例如，可以根据用户ID，通过范围、Hash、取余等规则将用户表分成多个子表，每个子表中存储特定范围内的用户数据

      水平分表可以提高数据查询效率，因为查询只需要在一个小的子表中执行，而不是在整个表中执行

  特点：

  1. 每个表的结构都一样，存储**同一实体、相同类型**的数据
  2. 每个表存的数据都不一样，没有交集
  3. 所有表的并集是全量数据
1
2
3
4
5

2. 垂直分表：指将一个表按照列的方式进行分割，将一部分列存储到一个表中，另一部分列存储到另一个表中。这个分割通常是基于列的相关性进行的，典型的如主表和扩展表

   例如，可以将一个包含用户主要信息、用户辅助信息的表分成两个表，一个包含用户主要信息，另一个包含用户辅助信息。

   这可以提高数据的存储效率，因为每个表只包含必要的列，而不是整个表的所有列。

  特点：

  1. 每个表的结构都不一样，存储**同一实体、不同类型**的数据
  2. 每个表存的数据都不一样，字段至少有一列交集，一般是主键，用于关联数据
  3. 所有表的并集是全量数据
1
2
3
4
5

拆分策略

1. 按范围切分：按照数据的某个范围将表拆分成多个子表。例如，可以按照时间范围将订单表拆分成每个月的子表。

   优点：

   ​ 水平扩展：按照范围进行分库分表可以实现水平扩展，当数据量增加时，可以方便地增加更多的数据库或表；比如以2000万标准拆分，超过2000万的转移到新表，而之前2000万内的记录就无需再做迁移了

   缺点：

   ​ 热点问题：如果某些数据访问频率很高，但是按范围切分后，又被分在同一个区段，这样大量请求会集中在这一区段，没有很好的负载均衡效果

2. 按照哈希值切分：按照数据的哈希值将表拆分成多个子表。例如，可以使用用户ID的哈希值将用户表拆分成多个子表。

   HASH取模策略：指定的路由key（一般是主键ID）对分表总数进行取模，把数据分散到各个表中

   优点：

   ​ 负载均衡，没有明显的热点倾斜问题

   缺点：

   ​ 扩展不灵活，如果一开始按照HASH取模分成4个表了，未来某个时候，表数据量又到瓶颈了，需要扩容至，这就比较棘手了，需要重新进行数据迁移

3. 按照地理位置切分：如果数据与地理位置相关，则可以按照地理位置将表拆分成多个子表。例如，可以按照城市将商家表拆分成多个子表。

4. 按照业务类型切分：如果数据有不同的业务类型，则可以按照业务类型将表拆分成多个子表。例如，可以按照产品类型将商品表拆分成多个子表。

5. 按照访问频率切分：如果某些数据被频繁访问，则可以将其放入单独的表中，以便更快地访问。例如，可以将最近一年的订单数据放入单独的表中，以便更快地查询最近的订单。

分库分表工具

1. ShardingSphere：ShardingSphere是一套开源的分布式数据库中间件解决方案，支持分库分表、读写分离、数据加密等功能。

   官网：https://shardingsphere.apache.org/index_zh.html

2. Mycat：Mycat是一款基于MySQL协议的开源分布式数据库中间件，支持分库分表、读写分离、数据分片等功能。

   官网：http://www.mycat.org.cn/

3. TDDL：TDDL是阿里巴巴开源的一款分布式数据库中间件，支持MySQL、Oracle等数据库，提供了分库分表、读写分离、数据分片等功能。

4. Cobar：Cobar是阿里巴巴开源的一款分布式数据库中间件，支持MySQL、PostgreSQL等数据库，提供了分库分表、读写分离、数据分片等功能。

分库分表问题

1. 主键(自增 ID)唯一性问题：在表设计时，经常会使用自增 ID 作为主键，这就导致后续在迁库迁表、或者分库分表操作时，会因为主键的变化或者主键不唯一产生问题，解决方案主要有

   1. 采用分布式全局统一 ID 生成机制：如 UUID、雪花算法、数据库号段等方式

2. 分布式事务：由于数据被分散在多个数据库或表中，事务的处理会变得更加复杂。例如，如果一个事务涉及多个数据库或表，那么如何保证这些操作的原子性就需要更加细致的设计。

3. Join/分页查询：在分库分表的情况下，查询跨越多个数据库或表就变得更加复杂。例如，如果需要对一组数据进行全文搜索，那么就需要在多个数据库或表中执行查询，这可能会影响查询性能。

   1. 分开查询，再组装数据

   2. 冗余字段：如果每次join操作只是为了获取少量的字段，那么可以考虑直接将这些字段冗余到表上

   3. 数据同步：

      ​ 将数据源之间的数据同步到一个单独的数据仓库中，然后在这个数据仓库中进行join操作。这种方法可以解决跨库跨表的join问题，但是需要额外的存储和同步成本，并且可能存在数据同步延迟和一致性问题

4. 数据迁移：在分库分表的情况下，如果需要将数据迁移到新的数据库或表中，就需要考虑如何迁移数据，并且在迁移的过程中如何保证数据的一致性。

5. 系统复杂度：由于分库分表需要管理多个数据库或表，系统的复杂度也会随之增加。例如，需要考虑如何监控每个数据库或表的状态，如何处理数据库或表的故障等等问题。

6. 数据迁移：在分库分表的情况下，如果需要将数据迁移到新的数据库或表中，就需要考虑如何迁移数据，并且在迁移的过程中如何保证数据的一致性。

7. 系统复杂度：由于分库分表需要管理多个数据库或表，系统的复杂度也会随之增加。例如，需要考虑如何监控每个数据库或表的状态，如何处理数据库或表的故障等等问题。