不用找了，大厂在用的分库分表方案，都在这里了！

ゝ一世哀愁。 2023-08-17 16:58 113阅读 0赞

公众号后台回复“**学习**”，获取作者独家秘制精品资料

![640?wx\_fmt=png][640_wx_fmt_png]

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

扫描下方海报二维码，试听课程：

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

![640?wx\_fmt=png][640_wx_fmt_png]

来源：

https://www.cnblogs.com/littlecharacter/p/9342129.html

# 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 ##

![640?wx\_fmt=png][640_wx_fmt_png 1]

1.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。

2.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;

3.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。

4.分析：库多了，io和cpu的压力自然可以成倍缓解。

## 2、水平分表 ##

![640?wx\_fmt=png][640_wx_fmt_png 2]

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。

2.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;

3.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。

4.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 ##

![640?wx\_fmt=png][640_wx_fmt_png 3]

1.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。

2.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；

3.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。4.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 ##

![640?wx\_fmt=png][640_wx_fmt_png 4]

1.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。

2.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；

3.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。

4.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；
2.  TDDL：jar，Taobao Distribute Data Layer；
3.  Mycat：中间件。

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（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**

![640?wx\_fmt=png][640_wx_fmt_png 5]

*  **基因法**

注：写入时，基因法生成userid，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userid查询时可直接取模路由到对应的分库或分表。

根据username查询时，先通过usernamecode生成函数生成username\_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**。

1.  端上除了partition key不止一个非partition key作为条件查询

*  **映射法**

![640?wx\_fmt=png][640_wx_fmt_png 6]

*  **冗余法**

![640?wx\_fmt=png][640_wx_fmt_png 7]

注：按照orderid或buyerid查询时路由到dbobuyer库中，按照sellerid查询时路由到dbo\_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？

1.  **后台**除了partition key还有各种非partition key组合条件查询

*  NoSQL法

![640?wx\_fmt=png][640_wx_fmt_png 8]

*  冗余法

![640?wx\_fmt=png][640_wx_fmt_png 9]

#### 2、非partition key跨库跨表分页查询问题（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（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）

![640?wx\_fmt=png][640_wx_fmt_png 10]

注：扩容是成倍的。

2.水平扩容表（双写迁移法）

![640?wx\_fmt=png][640_wx_fmt_png 11]

第一步：（同步双写）应用配置双写，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）应用去掉双写，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。

# 七、分库分表示例 #

示例GitHub址:

https://github.com/LiHaodong888/SpringBootLear

**END**

**如有收获，请划至底部，点击“在看”，谢****谢****！**

![640?wx\_fmt=png][640_wx_fmt_png]

欢迎长按下图关注公众号**石杉的架构笔记**

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

**BAT架构经验倾囊相授**

[640_wx_fmt_png]: /images/20230809/618495bc2f3144938ceb968ad272cc62.png
[640_wx_fmt_jpeg]: /images/20230809/558f01b35d0b469e933a7cc2d4cdaa21.png
[640_wx_fmt_jpeg 1]: /images/20230809/2a3d4888a9f649f7b1b0ff3998ae14c8.png
[640_wx_fmt_png 1]: /images/20230809/8ae7072a11634a98bf44f949380bd518.png
[640_wx_fmt_png 2]: /images/20230809/a6769202a2c04d69875102e42b45d71e.png
[640_wx_fmt_png 3]: /images/20230809/4cefe7a6a3154e6ab4d9d317ea6ac9d1.png
[640_wx_fmt_png 4]: /images/20230809/46492efb4bee42738931458e60290af8.png
[640_wx_fmt_png 5]: /images/20230809/54d0753bdc0c4ab99c2d6b3cc54f287a.png
[640_wx_fmt_png 6]: /images/20230809/51a9efa3a56f4ff3aac2cb0ebd5975ca.png
[640_wx_fmt_png 7]: /images/20230809/262db62b395c45a285d5f0e4b3d4e03c.png
[640_wx_fmt_png 8]: /images/20230809/14c4d2ccbc1e47ad86489ff581833f03.png
[640_wx_fmt_png 9]: /images/20230809/25282f682add456c906d5f39511de8be.png
[640_wx_fmt_png 10]: /images/20230809/ad39a55fb13540e3ab23e9950a3497d5.png
[640_wx_fmt_png 11]: /images/20230809/378110d247a040c9ab25146de15732d8.png
[640_wx_fmt_jpeg 2]: /images/20230809/1123e4a7fe9448e0bf7a86f810ad5531.png