数据库 | “分库分表”,还能这么玩!

数据库 MySQL 开发工具
中大型项目中,一旦遇到数据量比较大,小伙伴应该都知道就应该对数据进行拆分了。有垂直和水平两种。

中大型项目中,一旦遇到数据量比较大,小伙伴应该都知道就应该对数据进行拆分了。有垂直和水平两种。

[[390791]]

图片来自 Pexels 

垂直拆分比较简单,也就是本来一个数据库,数据量大之后,从业务角度进行拆分多个库。

如下图,独立的拆分出订单库和用户库:

水平拆分的概念,是同一个业务数据量大之后,进行水平拆分。

上图中订单数据达到了 4000 万,我们也知道 MySQL 单表存储量推荐是百万级,如果不进行处理,MySQL 单表数据太大,会导致性能变慢。

使用方案可以参考数据进行水平拆分。把 4000 万数据拆分 4 张表或者更多。当然也可以分库,再分表;把压力从数据库层级分开。

分库分表方案

分库分表方案中有常用的方案,hash 取模和 range 范围方案;分库分表方案最主要就是路由算法,把路由的 key 按照指定的算法进行路由存放。下边来介绍一下两个方案的特点。

①hash 取模方案

在我们设计系统之前,可以先预估一下大概这几年的订单量,如:4000 万。每张表我们可以容纳 1000 万,也我们可以设计 4 张表进行存储。

那具体如何路由存储的呢?hash 的方案就是对指定的路由 key(如:id)对分表总数进行取模。

上图中:

  • id=12 的订单,对 4 进行取模,也就是会得到 0,那此订单会放到 0 表中。
  • id=13 的订单,取模得到为 1,就会放到 1 表中。为什么对 4 取模,是因为分表总数是 4。

优点:订单数据可以均匀的放到那 4 张表中,这样此订单进行操作时,就不会有热点问题。

热点的含义:热点的意思就是对订单进行操作集中到 1 个表中,其他表的操作很少。

订单有个特点就是时间属性,一般用户操作订单数据,都会集中到这段时间产生的订单。

如果这段时间产生的订单都在同一张订单表中,那就会形成热点,那张表的压力会比较大。

缺点:将来的数据迁移和扩容,会很难。如:业务发展很好,订单量很大,超出了 4000 万的量,那我们就需要增加分表数。

如果我们增加 4 个表:

一旦我们增加了分表的总数,取模的基数就会变成 8,以前 id=12 的订单按照此方案就会到 4 表中查询,但之前的此订单时在 0 表的,这样就导致了数据查不到。就是因为取模的基数产生了变化。

遇到这个情况,我们小伙伴想到的方案就是做数据迁移,把之前的 4000 万数据,重新做一个 hash 方案,放到新的规划分表中。也就是我们要做数据迁移。

这个是很痛苦的事情。有些小公司可以接受晚上停机迁移,但大公司是不允许停机做数据迁移的。

当然做数据迁移可以结合自己的公司的业务,做一个工具进行,不过也带来了很多工作量,每次扩容都要做数据迁移。

那有没有不需要做数据迁移的方案呢,我们看下面的方案。

②range 范围方案

range 方案也就是以范围进行拆分数据:

range 方案比较简单,就是把一定范围内的订单,存放到一个表中;如上图 id=12 放到 0 表中,id=1300 万的放到 1 表中。设计这个方案时就是前期把表的范围设计好。通过 id 进行路由存放。

优点:我们小伙伴们想一下,此方案是不是有利于将来的扩容,不需要做数据迁移。

即使再增加 4 张表,之前的 4 张表的范围不需要改变,id=12 的还是在 0 表,id=1300 万的还是在 1 表,新增的 4 张表他们的范围肯定是大于 4000 万之后的范围划分的。

缺点:有热点问题,我们想一下,因为 id 的值会一直递增变大,那这段时间的订单是不是会一直在某一张表中。

如 id=1000万~id=2000 万之间,这段时间产生的订单是不是都会集中到此张表中,这个就导致 1 表过热,压力过大,而其他的表没有什么压力。

总结:

  • hash 取模方案:没有热点问题,但扩容迁移数据痛苦。
  • range 方案:不需要迁移数据,但有热点问题。

那有什么方案可以做到两者的优点结合呢?即不需要迁移数据,又能解决数据热点的问题呢?

其实还有一个现实需求,能否根据服务器的性能以及存储高低,适当均匀调整存储呢?

 

方案思路

hash 是可以解决数据均匀的问题,range 可以解决数据迁移问题,那我们可以不可以两者相结合呢?利用这两者的特性呢?

我们考虑一下数据的扩容代表着,路由 key(如 id)的值变大了,这个是一定的,那我们先保证数据变大的时候,首先用 range 方案让数据落地到一个范围里面。这样以后 id 再变大,那以前的数据是不需要迁移的。

但又要考虑到数据均匀,那是不是可以在一定的范围内数据均匀的呢?因为我们每次的扩容肯定会事先设计好这次扩容的范围大小,我们只要保证这次的范围内的数据均匀是不是就 ok 了。

 

方案设计

我们先定义一个 group 组概念,这组里面包含了一些分库以及分表,如下图:

上图有几个关键点:

  • id=0~4000 万肯定落到 group01 组中。
  • group01 组有 3 个 DB,那一个 id 如何路由到哪个 DB?
  • 根据 hash 取模定位 DB,那模数为多少?模数要为所有此 group 组 DB 中的表数,上图总表数为 10。为什么要去表的总数?而不是 DB 总数 3 呢?
  • 如 id=12,id%10=2;那值为 2,落到哪个 DB 库呢?这是设计是前期设定好的,那怎么设定的呢?
  • 一旦设计定位哪个 DB 后,就需要确定落到 DB 中的哪张表呢?

核心主流程

 

按照上面的流程,我们就可以根据此规则,定位一个 id,我们看看有没有避免热点问题。

我们看一下,id 在【0,1000 万】范围内的,根据上面的流程设计,1000 万以内的 id 都均匀的分配到 DB_0,DB_1,DB_2 三个数据库中的 Table_0 表中,为什么可以均匀,因为我们用了 hash 的方案,对 10 进行取模。

上面我们也提了疑问,为什么对表的总数 10 取模,而不是 DB 的总数 3 进行取模?我们看一下为什么 DB_0 是 4 张表,其他两个 DB_1 是 3 张表?

在我们安排服务器时,有些服务器的性能高,存储高,就可以安排多存放些数据,有些性能低的就少放点数据。

如果我们取模是按照 DB 总数 3,进行取模,那就代表着【0,4000 万】的数据是平均分配到 3 个 DB 中的,那就不能够实现按照服务器能力适当分配了。

按照 Table 总数 10 就能够达到,看如何达到。

上图中我们对 10 进行取模,如果值为【0,1,2,3】就路由到 DB_0,【4,5,6】路由到 DB_1,【7,8,9】路由到 DB_2。

现在小伙伴们有没有理解,这样的设计就可以把多一点的数据放到 DB_0 中,其他 2 个 DB 数据量就可以少一点。

DB_0 承担了 4/10 的数据量,DB_1 承担了 3/10 的数据量,DB_2 也承担了 3/10 的数据量。整个 Group01 承担了【0,4000 万】的数据量。

注意:小伙伴千万不要被 DB_1 或 DB_2 中 table 的范围也是 0~4000 万疑惑了,这个是范围区间,也就是id在哪些范围内,落地到哪个表而已。

上面一大段的介绍,就解决了热点的问题,以及可以按照服务器指标,设计数据量的分配。

 

如何扩容

其实上面设计思路理解了,扩容就已经出来了;那就是扩容的时候再设计一个 group02 组,定义好此 group 的数据范围就 ok 了。

因为是新增的一个 group01 组,所以就没有什么数据迁移概念,完全是新增的 group 组,而且这个 group 组照样就防止了热点。

也就是【4000 万,5500 万】的数据,都均匀分配到三个 DB 的 table_0 表中,【5500 万~7000 万】数据均匀分配到 table_1 表中。

系统设计

思路确定了,设计是比较简单的,就 3 张表,把 group,DB,table 之间建立好关联关系就行了。

group 和 DB 的关系

table 和 db 的关系

上面的表关联其实是比较简单的,只要原理思路理顺了,就 ok 了。小伙伴们在开发的时候不要每次都去查询三张关联表,可以保存到缓存中(本地 JVM 缓存),这样不会影响性能。

一旦需要扩容,小伙伴是不是要增加一下 group02 关联关系,那应用服务需要重新启动吗?

简单点的话,就凌晨配置,重启应用服务就行了。但如果是大型公司,是不允许的,因为凌晨也有订单的。那怎么办呢?本地 JVM 缓存怎么更新呢?

其实方案也很多,可以使用用 Zookeeper,也可以使用分布式配置,这里是比较推荐使用分布式配置中心的,可以将这些数据配置到分布式配置中心去。

到此为止,整体的方案介绍结束,希望对小伙伴们有所帮助。谢谢!!!

PS:这边隐含了一个关键点,那就是路由 key(如:id)的值是非常关键的,要求一定是有序的,自增的,这个就涉及到分布式唯一 id 的方案。

作者:老顾聊技术

编辑:陶家龙

征稿:有投稿、寻求报道意向技术人请添加小编微信 gordonlonglong

 

 

责任编辑:赵宁宁 来源: 51CTO技术栈
相关推荐

2019-01-16 14:00:54

数据库分库分表

2018-06-01 14:00:00

数据库MySQL分库分表

2022-12-05 07:51:24

数据库分库分表读写分离

2019-03-06 14:42:01

数据库分库分表

2022-06-15 07:32:24

数据库分库分表

2022-10-31 08:47:21

人脸识别按键键盘

2019-01-29 15:25:11

阿里巴巴数据库分库分表

2021-08-02 08:22:50

MySQL 分库分表

2019-08-16 10:19:01

NewSQL数据库分库分表

2023-11-03 14:50:14

2018-08-14 18:00:14

数据库分库分表表拆分

2018-05-29 08:39:26

DBA数据库案例

2020-05-09 16:45:56

ping命令Linux

2021-07-28 15:44:52

Java开发数据库

2022-06-04 15:28:42

微服务架构编程语言

2020-01-03 16:30:14

数据库读写分离分库

2023-08-11 08:59:49

分库分表数据数据库

2020-01-07 09:40:25

数据库MySQLRedis

2020-05-22 10:00:08

数据库数据库设计软件设计

2020-07-30 17:59:34

分库分表SQL数据库
点赞
收藏

51CTO技术栈公众号