MySql分库分表与分区的区别和思考

╰半橙微兮° 2023-09-30 12:35 9阅读 0赞

![2d1a01c4fd3844bf067bb3e2ff771012.png][]

一.分分合合  
说过很多次，不要拘泥于某一个技术的一点，技术是相通的。重要的是编程思想，思想是最重要的。当数据量大的时候，需要具有分的思想去细化粒度。当数据量太碎片的时候，需要具有合的思想来粗化粒度。  
1.1 分  
很多技术都运用了分的编程思想，这里来举几个例子，这些都是分的思想

*  集中式服务发展到分布式服务
 *  从Collections.synchronizedMap(x)到1.7ConcurrentHashMap再到1.8ConcurrentHashMap，细化锁的粒度的同时依旧保证线程安全
 *  从AtomicInteger到LongAdder，ConcurrentHashMap的size()方法。用分散思想，减少cas次数，增强多线程对一个数的累加
 *  JVM的G1 GC算法，将堆分成很多Region来进行内存管理
 *  Hbase的RegionServer中，将数据分成多个Region进行管理
 *  平时开发是不是线程池都资源隔离

2.2 合  
很多技术也运用到了合的编程思想，这里举几个例子，这些都是合的思想

*  TLAB（Thread Local Allocation Buffers），线程本地分配缓存。避免多线程冲突，提高对象分配效率
 *  逃逸分析，将变量的实例化内存直接在栈里分配，无需进入堆，线程结束栈空间被回收。减少临时对象在堆内分配数量
 *  CMS GC算法下，虽然使用标记清除，但是也有配置支持整理内存碎片。如：-XX:UseCMS-CompactAtFullCollection（FullGC后是否整理，Stop The World会变长）和-XX:CMSFullGCs-BeforeCompaction（几次FullGC之后进行压缩整理）
 *  锁粗化，当JIT发现一系列连续的操作都是对同一对象反复加锁和释放锁，会加大锁同步的范围
 *  kafka的网络数据传输有一些数据配置，减少网络开销。如：batch.size和linger.ms等等
 *  平时开发是不是都个叫批量获取接口

二.分区  
本文一切基于MySql InnoDB  
2.1 实现方式  
具体如何实现上面链接里有写，这里只需记住如果表中存在主键或唯一索引时，分区列必须是唯一索引的一个组成部分。  
这个是数据库分的，应用透明，代码无需修改任何东西。  
2.2 内部文件  
先去data目录，如果不知道目录位置的可以执行：

![dfe2458bacd790ac935cb8f924dd10d9.png][]

从上图我们可以看出，有2种类型的文件，.frm文件和.ibd文件

*  .frm文件：表结构文件
 *  .ibd文件：InnoDB中，索引和数据都在同个文件.ibdata（你的执行结果可能是.MYD索引文件和.MYI数据文件，没关系，这是MyIsAm存储引擎，对应着InnoDB的.ibd文件）。因为Order这张表分为5个区，所以有5个这样的文件
 *  .par文件：你执行的结果可能有.par文件也可能没有。注意：从MySql 5.7.6开始，不再创建.par分区定义文件。分区定义存储在内部数据字典中。

2.3 数据处理  
分区表后，提高了MySql性能。如果一张表的话，那就只有一个.ibd文件，一颗大的B+树。如果分表后，将按分区规则，分成不同的区，也就是一个大的B+树，分成多个小的树。  
读的效率肯定提升了，如果走分区键索引的话，先走对应分区的辅助索引B+树，再走对应分区的聚集索引B+树。  
如果没有走分区键，将会在所有分区都会执行一次。会造成多次逻辑IO！平时开发如果想查看sql语句的分区查询可以使用explain partitons select xxxxx语句。可以看到一句select语句走了几个分区。

三.分库分表  
当一张表随着时间和业务的发展，库里表的数据量会越来越大。数据操作也随之会越来越大。一台物理机的资源有限，最终能承载的数据量、数据的处理能力都会受到限制。这时候就会使用分库分表来承接超大规模的表，单机放不下的那种。  
区别于分区的是，分区一般都是放在单机里的，用的比较多的是时间范围分区，方便归档。只不过分库分表需要代码实现，分区则是mysql内部实现。分库分表和分区并不冲突，可以结合使用。

![51f90b7de4b1c7bf7db7bae43bcc7e7f.png][]

3.1 实现  
3.1.1 分库分表标准

*  存储占用100G+
 *  数据增量每天200w+
 *  单表条数1亿条+

3.1.2 分库分表字段  
分库分表字段取值非常重要

*  在大多数场景该字段是查询字段
 *  数值型

一般使用userId，可以满足上述条件  
3.2 分布式数据库中间件  
分布式数据库中间件分为两种，proxy和客户端式架构。proxy模式有MyCat、DBProxy等，客户端式架构有TDDL、Sharding-JDBC等。那么proxy和客户端式架构有何区别呢？各自有什么优缺点呢？其实看一张图便可知晓。  
proxy模式的话我们的select和update语句都是发送给代理，由这个代理来操作具体的底层数据库。所以必须要求代理本身需要保证高可用，否则数据库没有宕机，proxy挂了，那就走远了。  
客户端模式通常在连接池上做了一层封装，内部与不同的库连接，sql交给smart-client进行处理。通常仅支持一种语言，如果其他语言要使用，需要开发多语言客户端。

![309dc27b5814612a19faa3db4982779a.png][]

各自的优缺点如下：

![027d9973a454fc08cf309ef24cbe00fe.png][]

3.3 内部文件  
找了一个分库分表+分区的例子，基本上和分区表的差不多，只是多了多了很多表的.ibd文件，上面有文件的解释：

[miaojiaxing@Grim testmydata]# ls | grep 'base_info'base_info_00.frmbase_info_00#P#p_2018.ibdbase_info_00#P#p_2019.ibdbase_info_00#P#p_2020.ibdbase_info_00#P#p_2021.ibdbase_info_00#P#p_init.ibdbase_info_00#P#p_max.ibdbase_info_01.frmbase_info_01#P#p_2018.ibdbase_info_01#P#p_2019.ibdbase_info_01#P#p_2020.ibdbase_info_01#P#p_2021.ibdbase_info_01#P#p_init.ibdbase_info_01#P#p_max.ibdbase_info.frmbase_info.ibd

3.4 问题  
3.4.1 事务问题  
既然分库分表了，那么肯定涉及到分布式事务，如何保证插入到不同库的多条记录能够要么同时成功，要么同时失败。有些同学可能想到XA，XA性能差而且不需要使用mysql5.7。柔性事务是目前主流的方案，TCC模式就属于柔性事务。  
对于分布式事务问题每家公司有自己的实现，华为用saga，阿里用TXC，蚂蚁用DTX，支持FMT模式和TCC模式。

![ffb83148254a3c251b5ebbcd7c70bea2.png][]

3.4.2 join问题  
tddl、MyCAT等都支持跨分片join。但是尽力避免跨库join，比如通过字段冗余的方式等。  
如果出现了这种情况且中间件支持分片join，那么可以这样使用。如果不支持可以手工查询。  
回到顶部  
四.总结  
分表和在用途上不一样，分表是为了承接超大规模的表，单机放不下那种。分区的话则一般都是放在单机里的，用的比较多的是时间范围分区，方便归档。性能稳定上的话都是一个个子表，差不多，区别应该是分区表是mysql内部实现的，会比分表方案少一点数据交互

![d5482ce63cd584da2da8ce70f5249c3c.png][]

[2d1a01c4fd3844bf067bb3e2ff771012.png]: https://img-blog.csdnimg.cn/img_convert/2d1a01c4fd3844bf067bb3e2ff771012.png
[dfe2458bacd790ac935cb8f924dd10d9.png]: https://img-blog.csdnimg.cn/img_convert/dfe2458bacd790ac935cb8f924dd10d9.png
[51f90b7de4b1c7bf7db7bae43bcc7e7f.png]: https://img-blog.csdnimg.cn/img_convert/51f90b7de4b1c7bf7db7bae43bcc7e7f.png
[309dc27b5814612a19faa3db4982779a.png]: https://img-blog.csdnimg.cn/img_convert/309dc27b5814612a19faa3db4982779a.png
[027d9973a454fc08cf309ef24cbe00fe.png]: https://img-blog.csdnimg.cn/img_convert/027d9973a454fc08cf309ef24cbe00fe.png
[ffb83148254a3c251b5ebbcd7c70bea2.png]: https://img-blog.csdnimg.cn/img_convert/ffb83148254a3c251b5ebbcd7c70bea2.png
[d5482ce63cd584da2da8ce70f5249c3c.png]: https://img-blog.csdnimg.cn/img_convert/d5482ce63cd584da2da8ce70f5249c3c.png