Java培訓：分庫分表

1. 導讀
   

　　各位小伙伴，在目前企業(yè)級開發(fā)中采用Mysql做為數(shù)據(jù)庫是一個主流選擇，而當數(shù)據(jù)量比較大的情況下，為了支撐項目的正?？焖俚倪\行，我們不得不選擇對數(shù)據(jù)庫分庫分表操作，本章節(jié)就對數(shù)據(jù)庫的分表做一些方案的講解，包括如下：

　　- 為什么要分庫分表

　　- 分庫分表的具體方式

　　- 分庫分表帶來的問題及解決方案有哪些

　　2 .為什么分庫分表

　　 隨著平臺的業(yè)務發(fā)展，數(shù)據(jù)可能會越來越多，甚至達到億級。以MySQL為例，單庫數(shù)據(jù)量在5000萬以內(nèi)性能比較好，超過閾值后性能會隨著數(shù)據(jù)量的增大而明顯降低。單表的數(shù)據(jù)量超過1000w，性能也會下降嚴重。這就會導致查詢一次所花的時間變長，并發(fā)操作達到一定量時可能會卡死，甚至把系統(tǒng)給拖垮。

　　 我們是否可以通過提升服務器硬件能力來提高數(shù)據(jù)處理能力?能，但是這種方案很貴，并且提高硬件是有上限的。**那我們能不能把數(shù)據(jù)分散在不同的數(shù)據(jù)庫中，使得單一數(shù)據(jù)庫和表的數(shù)據(jù)量變小，從而達到提升數(shù)據(jù)庫操作性能的目的?** 可以，這就是數(shù)據(jù)庫分庫分表。

　　 分庫分表就是把較大的數(shù)據(jù)庫和數(shù)據(jù)表按照某種策略進行拆分。目的在于：降低每個庫、每張表的數(shù)據(jù)量，減小數(shù)據(jù)庫的負擔，提高數(shù)據(jù)庫的效率，縮短查詢時間。另外，因為分庫分表這種改造是可控的，底層還是基于RDBMS，因此整個數(shù)據(jù)庫的運維體系以及相關(guān)基礎設施都是可重用的。

　　3. 分庫分表的方式

　　3.1 垂直分表

　　 用戶在電商平臺流覽商品時，首先看到的是商品的基本信息，如果對該商品感興趣時才會繼續(xù)查看該商品的詳細描述。因此，商品基本信息的訪問頻次要高于商品詳細描述信息，商品基本信息的訪問效率要高于商品詳細描述信息(大字段)。 由于這兩種數(shù)據(jù)的特性不一樣，因此考慮將商品信息表拆分如下：

　　這種拆分就叫垂直分表。垂直分表定義：將一個表的字段分散到多個表中，每個表存儲其中一部分字段。垂直分表帶來的提升是：

       1.減少IO爭搶，減少鎖表的幾率，查看商品詳情的與商品概述互不影響

　　2. 充分發(fā)揮高頻數(shù)據(jù)的操作效率，對商品概述數(shù)據(jù)操作的高效率不會被操作商品詳情數(shù)據(jù)的低效率所拖累。

　　 一般來說，某業(yè)務實體中的各個數(shù)據(jù)項的訪問頻次是不一樣的，部分數(shù)據(jù)項可能是占用存儲空間比較大的BLOB或是TEXT，例如上例中的商品描述字段。所以，當數(shù)據(jù)量很大時，可以將表按字段拆分，將熱門字段、冷門字段分開放置在不同表中。垂直切分帶來的性能提升，主要集中在熱門數(shù)據(jù)的操作效率上，而且磁盤爭用情況減少。通常我們按以下原則進行垂直拆分:

　　- 把不常用的字段單獨放在一張表

　　- 把text，blob等大字段拆分出來單獨放在一張表

　　- 經(jīng)常組合查詢的字段單獨放在一張表中

　　3.2 垂直分庫

　　 通過垂直分表，數(shù)據(jù)庫性能得到了一定程度的提升，但是還沒有達到要求，并且磁盤空間也快不夠了，因為數(shù)據(jù)還是始終存放在一臺服務器。庫內(nèi)垂直分表只解決了單一表數(shù)據(jù)量過大的問題，但沒有將表分布到不同機器的庫上，因此對于減輕數(shù)據(jù)庫的壓力來說，作用有限，大家還是競爭同一個物理機的CPU、內(nèi)存、網(wǎng)絡IO、磁盤。

　　 以電商平臺為例，可以把原有的SELLER_DB(賣家?guī)?，拆分為PRODUCT_DB(商品庫)和STORE_DB(店鋪庫)，并把這兩個庫分散到不同服務器上，如下圖所示：

　　由于商品信息與商品描述業(yè)務耦合度較高，因此一起被存放在PRODUCT_DB(商品庫);而店鋪信息相對獨立，因此單獨被存放在STORE_DB(店鋪庫)，這就叫垂直分庫。

　　 垂直分庫是指按照業(yè)務將表進行分類，分布到不同的數(shù)據(jù)庫上面，每個庫可以放在不同的服務器上，從而達到多個服務器共同分攤壓力的效果。垂直分庫帶來的提升是：

　　- 解決業(yè)務層面的耦合，業(yè)務清晰

　　- 能對不同業(yè)務的數(shù)據(jù)進行分級管理、維護、監(jiān)控、擴展等

　　- 高并發(fā)場景下，垂直分庫在一定程度上可以提升IO、數(shù)據(jù)庫連接數(shù)、單機硬件資源的性能

　　3.3 水平分庫

　　 經(jīng)過**垂直分表和垂直分庫**后，數(shù)據(jù)庫性能問題就完全解決了?假設某電商平臺發(fā)展迅猛，PRODUCT_DB(商品庫)單庫存儲數(shù)據(jù)已經(jīng)超出預估。假設目前該平臺有8w店鋪，每個店鋪平均有150個不同規(guī)格的商品，再算上增長，那商品數(shù)量就會達到1500w+級別，并且PRODUCT_DB(商品庫)屬于訪問非常頻繁的資源，性能瓶頸再次出現(xiàn)。

　　 能再次垂直分庫嗎?從業(yè)務角度分析，目前已經(jīng)無法再次垂直拆分。于是我們又想了一個辦法，判斷商品ID是奇數(shù)還是偶數(shù)，然后把商品信息分別存放到兩個數(shù)據(jù)庫中。也就是說，要操作某條數(shù)據(jù)，先分析這條數(shù)據(jù)的商品ID，如果商品ID為奇數(shù)，將此操作映射至RRODUCT_DB1(商品庫1);如果商品ID為偶數(shù)，將操作映射至RRODUCT_DB2(商品庫2)，這就叫**水平分庫**。

　　 水平分庫是把同一個表的數(shù)據(jù)按一定規(guī)則拆分到不同的數(shù)據(jù)庫中，每個庫可以放在不同的服務器上。它帶來的提升是：

　　- 解決了單庫大數(shù)據(jù)，高并發(fā)的性能瓶頸。

　　- 按照合理拆分規(guī)則拆分，join操作基本避免跨庫。

　　- 提高了系統(tǒng)的穩(wěn)定性及可用性。

　　 當一個應用難以再細粒度的垂直切分，或切分后數(shù)據(jù)量行數(shù)仍然巨大，存在單庫讀寫、存儲性能瓶頸，這時候就需要進行**水平分庫**了，經(jīng)過水平切分的優(yōu)化，往往能解決單庫存儲量及性能瓶頸。但由于同一個表被分配在不同的數(shù)據(jù)庫，需要額外進行數(shù)據(jù)操作的路由工作，因此大大增加了系統(tǒng)復雜度。

　　3.4 水平分表

　　 數(shù)據(jù)庫能水平拆分，那數(shù)據(jù)表是不是也可以呢?我們嘗試把某PRODUCT_DB(商品庫)內(nèi)的表，進行了一次水平拆分：

　　 與水平分庫的思路類似，不過這次拆分的目標是表，商品信息及商品描述被分成了兩套表。如果商品ID為奇數(shù)，將此操作映射至商品信息1表;如果商品ID為偶數(shù)，將操作映射至商品信息2表，這就叫水平分表。水平分表是在同一個數(shù)據(jù)庫內(nèi)，把同一個表的數(shù)據(jù)按一定規(guī)則拆分到多個表中。它帶來的提升是：

　　- 優(yōu)化單一表數(shù)據(jù)量過大而產(chǎn)生的性能問題

　　- 避免IO爭搶并減少鎖表的幾率

　　 庫內(nèi)的水平分表，解決了單一表數(shù)據(jù)量過大的問題，分出來的小表中只包含一部分數(shù)據(jù)，從而使得單個表的數(shù)據(jù)量變小，提高檢索性能。但由于同一個表的數(shù)據(jù)被拆分為多張表，也需要額外進行數(shù)據(jù)操作的路由工作，因此增加了系統(tǒng)復雜度。

　　3.5 小結(jié)

　　- 垂直分表：可以把一個寬表的字段按訪問頻次、業(yè)務耦合松緊、是否是大字段的原則拆分為多個表，這樣既能使業(yè)務清晰，還能提升部分性能。拆分后，盡量從業(yè)務角度避免聯(lián)查，否則性能方面將得不償失。

　　- 垂直分庫：可以把多個表按業(yè)務耦合松緊歸類，分別存放在不同的庫，這些庫可以分布在不同服務器，從而使訪問壓力被多服務器負載，大大提升性能，同時能提高整體架構(gòu)的業(yè)務清晰度，不同的業(yè)務庫可根據(jù)自身情況定制優(yōu)化方案。但是它需要解決跨庫帶來的所有復雜問題。

　　- 水平分庫：可以把一個表的數(shù)據(jù)(按數(shù)據(jù)行)分到多個不同的庫，每個庫只有這個表的部分數(shù)據(jù)，這些庫可以分布在不同服務器，從而使訪問壓力被多服務器負載，大大提升性能。它不僅需要解決跨庫帶來的所有復雜問題，還要解決數(shù)據(jù)路由的問題。

　　- 水平分表：可以把一個表的數(shù)據(jù)(按數(shù)據(jù)行)分到多個同一個數(shù)據(jù)庫的多張表中，每個表只有這個表的部分數(shù)據(jù)，這樣做能小幅提升性能，它僅僅作為水平分庫的一個補充優(yōu)化。

　　一般來說，在系統(tǒng)設計階段就應該根據(jù)業(yè)務耦合松緊來確定垂直分庫，垂直分表方案，在數(shù)據(jù)量及訪問壓力不是特別大的情況，首先考慮緩存、讀寫分離、索引技術(shù)等方案。若數(shù)據(jù)量極大，且持續(xù)增長，再考慮水平分庫分表方案。

　　4 .分庫分表帶來的問題

　　 分庫分表有效的緩解了大數(shù)據(jù)、高并發(fā)帶來的性能和壓力，也能突破網(wǎng)絡IO、硬件資源、連接數(shù)的瓶頸，但同時也帶來了一些問題。

　　4.1 事務一致性問題

　　 由于分庫分表把數(shù)據(jù)分布在不同庫甚至不同服務器，不可避免會帶來**分布式事務**問題，我們需要額外編程解決該問題。

　　4.2 跨節(jié)點join

　　 在沒有進行分庫分表前，我們檢索商品時可以通過以下SQL對店鋪信息進行關(guān)聯(lián)查詢：

SELECT p.*,s.[店鋪名稱],s.[信譽]
FROM [商品信息] p
LEFT JOIN [店鋪信息] s ON p.id = s.[所屬店鋪]
WHERE...ORDER BY...LIMIT...
```

　　但經(jīng)過分庫分表后，[商品信息]和[店鋪信息]不在一個數(shù)據(jù)庫或一個表中，甚至不在一臺服務器上，無法通過sql語句進行關(guān)聯(lián)查詢，我們需要額外編程解決該問題。

　　4.3 跨節(jié)點分頁、排序和聚合函數(shù)

　　 跨節(jié)點多庫進行查詢時，limit分頁、order by排序以及聚合函數(shù)等問題，就變得比較復雜了。需要先在不同的分片節(jié)點中將數(shù)據(jù)進行排序并返回，然后將不同分片返回的結(jié)果集進行匯總和再次排序。例如，進行水平分庫后的商品庫，按ID倒序排序分頁，取第一頁：

　　 以上流程是取第一頁的數(shù)據(jù)，性能影響不大，但由于商品信息的分布在各數(shù)據(jù)庫的數(shù)據(jù)可能是隨機的，如果是取第N頁，需要將所有節(jié)點前N頁數(shù)據(jù)都取出來合并，再進行整體的排序，操作效率可想而知，所以請求頁數(shù)越大，系統(tǒng)的性能也會越差。

　　 在使用Max、Min、Sum、Count之類的函數(shù)進行計算的時候，與排序分頁同理，也需要先在每個分片上執(zhí)行相應的函數(shù)，然后將各個分片的結(jié)果集進行匯總和再次計算，最終將結(jié)果返回。

　　4.4 主鍵避重

　　 在分庫分表環(huán)境中，由于表中數(shù)據(jù)同時存在不同數(shù)據(jù)庫中，主鍵值平時使用的自增長將無用武之地，某個分區(qū)數(shù)據(jù)庫生成的ID無法保證全局唯一。因此需要單獨設計全局主鍵，以避免跨庫主鍵重復問題。

　　 由于分庫分表之后，數(shù)據(jù)被分散在不同的服務器、數(shù)據(jù)庫和表中。因此，對數(shù)據(jù)的操作也就無法通過常規(guī)方式完成，并且它還帶來了一系列的問題。我們在開發(fā)過程中需要通過一些中間件解決這些問題，市面上有很多中間件可供我們選擇，其中Sharding-JDBC和mycat較為流行。

　　5 .總結(jié)

　　通過以上學習呢，我們知道，當數(shù)據(jù)庫特別大的情況下，數(shù)據(jù)庫存儲數(shù)量達到了一定的閾值以后會變慢，我們需要使用分庫分表的方案來解決這個問題。我們主要學習了垂直分表、垂直分庫、水平分表、水平分庫四種方案。當我們選擇分庫分表以后也會帶來一些問題，比如事務一致的問題、垮節(jié)點聚合的問題、分頁、主鍵避重等等問題，大家也要掌握這些問題的解決方案。