本文探讨了数据库瓶颈的原因，包括IO和CPU瓶颈，并详细介绍了水平和垂直分库分表的原理和场景。重点讲解了如何根据业务需求选择分库分表策略，以及分库分表工具如sharding-sphere、TDDL和Mycat的使用。同时，提出了应对非partition key查询和分页查询的问题，并阐述了分库分表后的扩容策略。最后，强调了合理选择分库分表的关键在于理解瓶颈并根据需求制定方案。
Python乱炖推荐搜索后浪
动森玩家
送书
数据分析
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
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。
结果ÿ
最低0.47元/天 解锁文章
扫一扫
2136
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
