千万数据的分库分表(一)

最新推荐文章于 2024-08-07 16:21:15 发布

转载最新推荐文章于 2024-08-07 16:21:15 发布 · 388 阅读

分布式专栏收录该内容

7 篇文章

订阅专栏

千万数据的分库分表(一)

原创 2017年05月03日 11:41:36

标签：
数据库 /
数据 /
sharding

3935

单表数据量达到1000W以后，就要拆了.

背景情况

用户表达到了几千万级别，在做很多操作都比较吃力,.所以，考虑对其进行分表.

常用的切分方案

数据的切分（Sharding）根据其切分规则的类型，可以分为两种切分模式。一种是按照不同的表（或者Schema）来切分到不同的数据库（主机）之上，这种切可以称之为数据的垂直（纵向）切分；另外一种则是根据表中的数据的逻辑关系，将同一个表中的数据按照某种条件拆分到多台数据库（主机）上面，这种切分称之为数据的水平（横向）切分。

垂直切分

即业务切分
下面来分析下垂直切分的优缺点：
优点：
 拆分后业务清晰，拆分规则明确。
 系统之间整合或扩展容易。
 数据维护简单。
缺点：
 部分业务表无法 join，只能通过接口方式解决，提高了系统复杂度。
 受每种业务不同的限制存在单库性能瓶颈，不易数据扩展跟性能提高。
 事务处理复杂。
由于垂直切分是按照业务的分类将表分散到不同的库，所以有些业务表会过于庞大，存在单库读写与存储瓶
颈，所以就需要水平拆分来做解决。

水平切分

相对于垂直拆分，水平拆分不是将表做分类，而是按照某个字段的某种规则来分散到多个库之中，每个表中
包含一部分数据。简单来说，我们可以将数据的水平切分理解为是按照数据行的切分，就是将表中的某些行切分到一个数据库，而另外的某些行又切分到其他的数据库中
这里写图片描述

几种典型的分片规则包括：
 按照用户 ID 求模，将数据分散到不同的数据库，具有相同数据用户的数据都被分散到一个库中。
 按照日期，将不同月甚至日的数据分散到不同的库中。
 按照某个特定的字段求摸，或者根据特定范围段分散到不同的库中。
如图，切分原则都是根据业务找到适合的切分规则分散到不同的库，下面用用户 ID 求模举例：
这里写图片描述

优点：
 拆分规则抽象好，join 操作基本可以数据库做。
 不存在单库大数据，高并发的性能瓶颈。
 应用端改造较少。
 提高了系统的稳定性跟负载能力。
缺点：
 拆分规则难以抽象。
 分片事务一致性难以解决。
 数据多次扩展难度跟维护量极大。
 跨库 join 性能较差。

切分共同的问题

前面讲了垂直切分跟水平切分的不同跟优缺点，会发现每种切分方式都有缺点，但共同的特点缺点有：
 引入分布式事务的问题。
 跨节点 Join 的问题。
 跨节点合并排序分页问题。
 多数据源管理问题。

一般来讲业务存在着复杂 join 的场景是难以切分的，往往业务独立的易于切分。如何切分，切分到何种程度是考验技术架构的一个难题。

切分的一些原则

由于数据切分后数据 Join 的难度在此也分享一下数据切分的经验：
第一原则：能不切分尽量不要切分。
第二原则：如果要切分一定要选择合适的切分规则，提前规划好。
第三原则：数据切分尽量通过数据冗余或表分组（Table Group）来降低跨库 Join 的可能。
第四原则：由于数据库中间件对数据 Join 实现的优劣难以把握，而且实现高性能难度极大，业务读取尽量
少使用多表 Join。

数据库的切分引申的数据源管理思考

主要有两种思路：

A. 客户端模式，在每个应用程序模块中配置管理自己需要的一个（或者多个）数据源，直接访问各个数据
库，在模块内完成数据的整合；
B. 通过中间代理层来统一管理所有的数据源，后端数据库集群对前端应用程序透明；

可能 90%以上的人在面对上面这两种解决思路的时候都会倾向于选择第二种，尤其是系统不断变得庞大复杂
的时候。确实，这是一个非常正确的选择，虽然短期内需要付出的成本可能会相对更大一些，但是对整个系统的扩展性来说，是非常有帮助的。

中间件

为了减少业务人员的压力，
常用一些中间件，如 mycat Cobar
其结构大约如下图
这里写图片描述

中间件的直接感受

这里简单试用了下，mycat ，使用的例子是其官方例子
过程：
mysql 新建三个库db1,db2,db3
在linux服务器上安装mycat. 配置好mycat对三个库，表的对应，mycat的rules 等.
后续使用时，将mycat 当作mysql来使用即可，
insert 三条数据进 mycat 的 TESTDB 的 travelrecord 表,
结果如下：
三条数据的实际存储位置在db1,db2,db3中
这里写图片描述