分库分表这样玩，可以永不迁移数据、避免热点

小灰灰 2021-07-31 12:10 212阅读 0赞

优质文章，及时送达

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg]

作者 | 老顾聊技术

链接 | www.toutiao.com/i6677459303055491597

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**。

**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。

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 1]

**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。

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 2]

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。

Tips：欢迎关注微信公众号：Java后端，每日技术博文推送。

**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。 #

# **1、hash取模方案** #

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 3]

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

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 4]

> 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

# **2、range范围方案** #

range方案也就是以范围进行拆分数据。

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 5]

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。 即时再增加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。

# **3、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？**

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 6]

**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。

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 7]

**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 #

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 8]

上图有几个关键点：

> 1）id=0～4000万肯定落到group01组中
> 
> 2）group01组有3个DB，那一个id如何路由到哪个DB？
> 
> 3）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？
> 
> 4）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？
> 
> 5）一旦设计定位哪个DB后，就需要确定落到DB中的哪张表呢？

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 9]

**核心主流程**

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 10]

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

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 11]

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。

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 12]

**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。 #

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 13]

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**

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 14]

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。

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 15]

group和DB的关系

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 16]

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。

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 17]

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。

[640_wx_fmt_jpeg]: /images/20210731/3303d31c5e784f98b899c3dd22854737.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 1]: /images/20210731/229a94165af14eee96edefb5fbaa1bc5.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 2]: /images/20210731/2d0fec8533d545b59853205bc949d201.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 3]: /images/20210731/9e525205acb34604aec13a8fa8251fa0.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 4]: /images/20210731/c5f892dcf77e4fb582bf877251d600de.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 5]: /images/20210731/ad1f177e2d0b449a871658fdf07735d8.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 6]: /images/20210731/2cfa59cfe56b41c8a83a6a816ace9bc5.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 7]: /images/20210731/9b58dd5ea109453fb4f56db16f75fa95.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 8]: /images/20210731/f53befb6e5fa4fa3986696d00c3ccd82.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 9]: /images/20210731/398da21c4cbd49f5a98d13dca609a8df.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 10]: /images/20210731/cb52cf3318874034a247a568aaf0f640.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 11]: /images/20210731/14a70f2a8c374538a08888a582337f4a.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 12]: /images/20210731/5efef8489df84c7aa7e6a12e7c9d959c.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 13]: /images/20210731/38c198d26f3e407ea07268f8eed2ab82.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 14]: /images/20210731/fa277f5e15cf465e844e55cf0504bbd7.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 15]: /images/20210731/cc8e91cdcd4247db8b3a0f8e84e32201.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 16]: /images/20210731/cf5358dd46054817a0ed5b7123e427e2.png?wx_fmt=jpeg
[640_wx_fmt_jpeg 17]: /images/20210731/55ee19f26eec4ab2a886a80a16315166.png?wx_fmt=jpeg