面试官：如何分表分库？业界有哪些常用方案？可能存在什么问题？

偏执的太偏执、 2022-10-31 01:47 139阅读 0赞

## 你知道的越多，不知道的就越多，业余的像一棵小草！ ##

你来，我们一起精进！你不来，我和你的竞争对手一起精进！

## 编辑：业余草 ##

## https://urlify.cn/JVf2ey ##

## 推荐：https://www.xttblog.com/?p=5155 ##

### 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 ####

![format_png][]

**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：**

*  每个**库**的**结构**都一样；
 *  每个**库**的**数据**都不一样，没有交集；
 *  所有**库**的**并集**是全量数据；

**场景：**

系统绝对并发量上来了，分表难以根本上解决问题，并且还没有明显的业务归属来垂直分库。

**分析：**

库多了，io和cpu的压力自然可以成倍缓解。

#### 2、水平分表 ####

![format_png 1][]

**概念：**

以**字段**为依据，按照一定策略（hash、range等），将一个**表**中的数据拆分到多个**表**中。

**结果：**

*  每个**表**的**结构**都一样；
 *  每个**表**的**数据**都不一样，没有交集；
 *  所有**表**的**并集**是全量数据；

**场景：**

系统绝对并发量并没有上来，只是单表的数据量太多，影响了SQL效率，加重了CPU负担，以至于成为瓶颈。

**分析：**

表的数据量少了，单次SQL执行效率高，自然减轻了CPU的负担。

#### 3、垂直分库 ####

![format_png 2][]

**概念：**

以**表**为依据，按照业务归属不同，将不同的**表**拆分到不同的**库**中。

**结果：**

*  每个**库**的**结构**都不一样；
 *  每个**库**的**数据**也不一样，没有交集；
 *  所有**库**的**并集**是全量数据；

**场景：**

系统绝对并发量上来了，并且可以抽象出单独的业务模块。

**分析：**

到这一步，基本上就可以服务化了。例如，随着业务的发展一些公用的配置表、字典表等越来越多，这时可以将这些表拆到单独的库中，甚至可以服务化。再有，随着业务的发展孵化出了一套业务模式，这时可以将相关的表拆到单独的库中，甚至可以服务化。

#### 4、垂直分表 ####

![format_png 3][]

**概念：**

以**字段**为依据，按照字段的活跃性，将**表**中字段拆到不同的**表**（主表和扩展表）中。

**结果：**

*  每个**表**的**结构**都不一样；
 *  每个**表**的**数据**也不一样，一般来说，每个表的**字段**至少有一列交集，一般是主键，用于关联数据；
 *  所有**表**的**并集**是全量数据；

**场景：**

系统绝对并发量并没有上来，表的记录并不多，但是字段多，并且热点数据和非热点数据在一起，单行数据所需的存储空间较大。以至于数据库缓存的数据行减少，查询时会去读磁盘数据产生大量的随机读IO，产生IO瓶颈。

**分析：**

可以用列表页和详情页来帮助理解。垂直分表的拆分原则是将热点数据（可能会冗余经常一起查询的数据）放在一起作为主表，非热点数据放在一起作为扩展表。这样更多的热点数据就能被缓存下来，进而减少了随机读IO。拆了之后，要想获得全部数据就需要关联两个表来取数据。但记住，千万别用join，因为join不仅会增加CPU负担并且会讲两个表耦合在一起（必须在一个数据库实例上）。关联数据，应该在业务Service层做文章，分别获取主表和扩展表数据然后用关联字段关联得到全部数据。

### 三、分库分表工具 ###

1.  sharding-sphere：jar，前身是sharding-jdbc(视频教程：bilibili.com/video/BV1NA411v7W8)；
2.  TDDL：jar，Taobao Distribute Data Layer；
3.  Mycat：中间件(视频教程：bilibili.com/video/BV1Pp4y1v7AT)。

注：工具的利弊，请自行调研，官网和社区优先。

### 四、分库分表步骤 ###

根据容量（当前容量和增长量）评估分库或分表个数 -> 选key（均匀）-> 分表规则（hash或range等）-> 执行（一般双写）-> 扩容问题（尽量减少数据的移动）。

### 五、分库分表问题 ###

#### 1、非partition key的查询问题 ####

基于水平分库分表，拆分策略为常用的hash法。

1、**端上**除了partition key只有一个非partition key作为条件查询

**映射法**

![format_png 4][]

**基因法**

![format_png 5][]

注：写入时，基因法生成user\_id，如图。关于xbit基因，例如要分8张表，23=8，故x取3，即3bit基因。根据user\_id查询时可直接取模路由到对应的分库或分表。根据user\_name查询时，先通过user\_name\_code生成函数生成user\_name\_code再对其取模路由到对应的分库或分表。id生成常用**snowflake算法**。

2、**端上**除了partition key不止一个非partition key作为条件查询

**映射法**

![format_png 6][]

**冗余法**

![format_png 7][]

注：按照order\_id或buyer\_id查询时路由到db\_o\_buyer库中，按照seller\_id查询时路由到db\_o\_seller库中。感觉有点本末倒置！有其他好的办法吗？改变技术栈呢？

3、**后台**除了partition key还有各种非partition key组合条件查询

**NoSQL法**

![format_png 8][]

**冗余法**

![format_png 9][]

#### 2、非partition key跨库跨表分页查询问题    ####

基于水平分库分表，拆分策略为常用的hash法。

注：用NoSQL法解决（ES等）。

#### 3、扩容问题 ####

基于水平分库分表，拆分策略为常用的hash法。

1、水平扩容库（升级从库法）

![format_png 10][]

注：扩容是成倍的。

2、水平扩容表（双写迁移法）

![format_png 11][]

*  第一步：（同步双写）修改应用配置和代码，加上双写，部署；
 *  第二步：（同步双写）将老库中的老数据复制到新库中；
 *  第三步：（同步双写）以老库为准校对新库中的老数据；
 *  第四步：（同步双写）修改应用配置和代码，去掉双写，部署；

注：**双写**是通用方案。

### 六、分库分表总结 ###

1、 分库分表，首先得知道瓶颈在哪里，然后才能合理地拆分（分库还是分表？水平还是垂直？分几个？）。且不可为了分库分表而拆分。

2、选key很重要，既要考虑到拆分均匀，也要考虑到非partition key的查询。

3、只要能满足需求，拆分规则越简单越好。

[format_png]: /images/20221024/c54102c67c06418f8f66df66c8c788a2.png
[format_png 1]: /images/20221024/95c41a8d836b42e5a09cf14b0ba28290.png
[format_png 2]: /images/20221024/8115af5660094fbdaec391c2864f3c51.png
[format_png 3]: /images/20221024/9977ab27dff1473b820c58d638f21dcf.png
[format_png 4]: /images/20221024/6575d303172549cda12338555c7d9057.png
[format_png 5]: /images/20221024/49cdac0505db4dce9c29315104181123.png
[format_png 6]: /images/20221024/040878d4c122482d9f62000811bf2834.png
[format_png 7]: /images/20221024/6bb53a882ef340ec80b3d1eaf585dfb2.png
[format_png 8]: /images/20221024/dfeca40d85394084a5cbad7c4e4a1055.png
[format_png 9]: /images/20221024/7a86a9088d724fb1a99e3ff18603f5e0.png
[format_png 10]: /images/20221024/fc9a25ec0e13429ab403387aa36b8dd4.png
[format_png 11]: /images/20221024/16555171ba33489fbe5ba3b0cd7892e2.png