[[344038]]

本文轉(zhuǎn)載自微信公眾號「程序員內(nèi)點(diǎn)事」，作者程序員內(nèi)點(diǎn)事 。轉(zhuǎn)載本文請聯(lián)系程序員內(nèi)點(diǎn)事公眾號。

之前有不少剛?cè)肟?Java 的粉絲留言，想系統(tǒng)的學(xué)習(xí)一下分庫分表相關(guān)技術(shù)，可我一直沒下定決心搞，眼下趕上公司項(xiàng)目在使用 sharing-jdbc 對現(xiàn)有 MySQL 架構(gòu)做分庫分表的改造，所以借此機(jī)會出一系分庫分表落地實(shí)踐的文章，也算是自己對架構(gòu)學(xué)習(xí)的一個(gè)總結(jié)。

我在網(wǎng)上陸陸續(xù)續(xù)的也看了一些有關(guān)于分庫分表的文章，可發(fā)現(xiàn)網(wǎng)上同質(zhì)化的資料有點(diǎn)多，而且知識點(diǎn)又都比較零碎，還沒有詳細(xì)的實(shí)戰(zhàn)案例。為了更深入的學(xué)習(xí)下，我在某些平臺買了點(diǎn)付費(fèi)課程，看了幾節(jié)課發(fā)現(xiàn)有點(diǎn)經(jīng)驗(yàn)的人看還可以，但對于新手入門來說，其實(shí)學(xué)習(xí)難度還是蠻大的。

為了讓新手也能看得懂，有些知識點(diǎn)我可能會用更多的篇幅加以描述，希望大家不要嫌我啰嗦，等這分庫分表系列文章完結(jié)后，我會把它做成 PDF 文檔開源出去，能幫一個(gè)算一個(gè)吧!如果發(fā)現(xiàn)文中有哪些錯(cuò)誤或不嚴(yán)謹(jǐn)之處，歡迎大家交流指正。

具體實(shí)踐分庫分表之前在啰嗦幾句，回頭復(fù)習(xí)下分庫分表的基礎(chǔ)概念。

什么是分庫分表

其實(shí) 分庫 和 分表 是兩個(gè)概念，只不過通常分庫與分表的操作會同時(shí)進(jìn)行，以至于我們習(xí)慣性的將它們合在一起叫做分庫分表。

分庫分表是為了解決由于庫、表數(shù)據(jù)量過大，而導(dǎo)致數(shù)據(jù)庫性能持續(xù)下降的問題。按照一定的規(guī)則，將原本數(shù)據(jù)量大的數(shù)據(jù)庫拆分成多個(gè)單獨(dú)的數(shù)據(jù)庫，將原本數(shù)據(jù)量大的表拆分成若干個(gè)數(shù)據(jù)表，使得單一的庫、表性能達(dá)到最優(yōu)的效果(響應(yīng)速度快)，以此提升整體數(shù)據(jù)庫性能。

如何分庫分表

分庫分表的核心理念就是對數(shù)據(jù)進(jìn)行切分(Sharding)，以及切分后如何對數(shù)據(jù)的快速定位與查詢結(jié)果整合。而分庫與分表都可以從：垂直(縱向)和 水平(橫向)兩種緯度進(jìn)行切分。

分庫分表

下邊我們就以訂單相關(guān)的業(yè)務(wù)舉例，看看如何做庫、表的 垂直 和 水平 切分。

垂直切分

垂直切分有 垂直 分庫 和 垂直分表。

1、垂直分庫

垂直分庫相對來說是比較好理解的，核心理念就四個(gè)字：專庫專用。

按業(yè)務(wù)類型對表進(jìn)行分類，像訂單、支付、優(yōu)惠券、積分等相應(yīng)的表放在對應(yīng)的數(shù)據(jù)庫中。開發(fā)者不可以跨庫直連別的業(yè)務(wù)數(shù)據(jù)庫，想要其他業(yè)務(wù)數(shù)據(jù)，對應(yīng)業(yè)務(wù)方可以提供 API 接口，這就是微服務(wù)的初始形態(tài)。

垂直分庫很大程度上取決于業(yè)務(wù)的劃分，但有時(shí)候業(yè)務(wù)間的劃分并不是那么清晰，比如：訂單數(shù)據(jù)的拆分要考慮到與其他業(yè)務(wù)間的關(guān)聯(lián)關(guān)系，并不是說直接把訂單相關(guān)的表放在一個(gè)庫里這么簡單。

在一定程度上，垂直分庫似乎提升了一些數(shù)據(jù)庫性能，可實(shí)際上并沒有解決由于單表數(shù)據(jù)量過大導(dǎo)致的性能問題，所以就需要配合水平切分方式來解決。

垂直分庫

2、垂直分表

垂直分表是基于數(shù)據(jù)表的列(字段)為依據(jù)切分的，是一種大表拆小表的模式。

例如：一張 order 訂單表，將訂單金額、訂單編號等訪問頻繁的字段，單獨(dú)拆成一張表，把 blob 類型這樣的大字段或訪問不頻繁的字段，拆分出來創(chuàng)建一個(gè)單獨(dú)的擴(kuò)展表 work_extend ，這樣每張表只存儲原表的一部分字段，再將拆分出來的表分散到不同的庫中。

垂直分表

我們知道數(shù)據(jù)庫是以行為單位將數(shù)據(jù)加載到內(nèi)存中，這樣拆分以后核心表大多是訪問頻率較高的字段，而且字段長度也都較短，因而可以加載更多數(shù)據(jù)到內(nèi)存中，來增加查詢的命中率，減少磁盤IO，以此來提升數(shù)據(jù)庫性能。

垂直切分的優(yōu)點(diǎn)：

• 業(yè)務(wù)間數(shù)據(jù)解耦，不同業(yè)務(wù)的數(shù)據(jù)進(jìn)行獨(dú)立的維護(hù)、監(jiān)控、擴(kuò)展。
• 在高并發(fā)場景下，一定程度上緩解了數(shù)據(jù)庫的壓力。

垂直切分的缺點(diǎn)：

• 提升了開發(fā)的復(fù)雜度，由于業(yè)務(wù)的隔離性，很多表無法直接訪問，必須通過接口方式聚合數(shù)據(jù)。
• 分布式事務(wù)管理難度增加。
• 數(shù)據(jù)庫還是存在單表數(shù)據(jù)量過大的問題，并未根本上解決，需要配合水平切分。

水平切分

前邊說了垂直切分還是會存在單庫、表數(shù)據(jù)量過大的問題，當(dāng)我們的應(yīng)用已經(jīng)無法在細(xì)粒度的垂直切分時(shí)， 依舊存在單庫讀寫、存儲性能瓶頸，這時(shí)就要配合水平切分一起了，水平切分能大幅提升數(shù)據(jù)庫性能。

1、水平分庫

水平分庫是把同一個(gè)表按一定規(guī)則拆分到不同的數(shù)據(jù)庫中，每個(gè)庫可以位于不同的服務(wù)器上，以此實(shí)現(xiàn)水平擴(kuò)展，是一種常見的提升數(shù)據(jù)庫性能的方式。

這種方案往往能解決單庫存儲量及性能瓶頸問題，但由于同一個(gè)表被分配在不同的數(shù)據(jù)庫中，數(shù)據(jù)的訪問需要額外的路由工作，因此系統(tǒng)的復(fù)雜度也被提升了。

例如下圖，訂單DB_1、訂單DB_1、訂單DB_3 三個(gè)數(shù)據(jù)庫內(nèi)有完全相同的表 order，我們在訪問某一筆訂單時(shí)可以通過對訂單的訂單編號取模的方式 訂單編號 mod 3 (數(shù)據(jù)庫實(shí)例數(shù)) ，指定該訂單應(yīng)該在哪個(gè)數(shù)據(jù)庫中操作。

水平分庫

2、水平分表

水平分表是在同一個(gè)數(shù)據(jù)庫內(nèi)，把一張大數(shù)據(jù)量的表按一定規(guī)則，切分成多個(gè)結(jié)構(gòu)完全相同表，而每個(gè)表只存原表的一部分?jǐn)?shù)據(jù)。

例如：一張 order 訂單表有 900萬數(shù)據(jù)，經(jīng)過水平拆分出來三個(gè)表，order_1、order_2、order_3，每張表存有數(shù)據(jù) 300萬，以此類推。

水平分表

水平分表盡管拆分了表，但子表都還是在同一個(gè)數(shù)據(jù)庫實(shí)例中，只是解決了單一表數(shù)據(jù)量過大的問題，并沒有將拆分后的表分散到不同的機(jī)器上，還在競爭同一個(gè)物理機(jī)的CPU、內(nèi)存、網(wǎng)絡(luò)IO等。要想進(jìn)一步提升性能，就需要將拆分后的表分散到不同的數(shù)據(jù)庫中，達(dá)到分布式的效果。

分庫分表

水平切分的優(yōu)點(diǎn)：

• 解決高并發(fā)時(shí)單庫數(shù)據(jù)量過大的問題，提升系統(tǒng)穩(wěn)定性和負(fù)載能力。
• 業(yè)務(wù)系統(tǒng)改造的工作量不是很大。

水平切分的缺點(diǎn)：

• 跨分片的事務(wù)一致性難以保證。
• 跨庫的join關(guān)聯(lián)查詢性能較差。
• 擴(kuò)容的難度和維護(hù)量較大，(拆分成幾千張子表想想都恐怖)。

一定規(guī)則是什么

我們上邊提到過很多次 一定規(guī)則 ，這個(gè)規(guī)則其實(shí)是一種路由算法，就是決定一條數(shù)據(jù)具體應(yīng)該存在哪個(gè)數(shù)據(jù)庫的哪張表里。

常見的有 取模算法 和 范圍限定算法

1、取模算法

按字段取模(對hash結(jié)果取余數(shù) (hash() mod N)，N為數(shù)據(jù)庫實(shí)例數(shù)或子表數(shù)量)是最為常見的一種切分方式。

還拿 order 訂單表舉例，先對數(shù)據(jù)庫從 0 到 N-1進(jìn)行編號，對 order 訂單表中work_no 訂單編號字段進(jìn)行取模，得到余數(shù) i，i=0存第一個(gè)庫，i=1存第二個(gè)庫，i=2存第三個(gè)庫....以此類推。

這樣同一筆訂單的數(shù)據(jù)都會存在同一個(gè)庫、表里，查詢時(shí)用相同的規(guī)則，用 work_no 訂單編號作為查詢條件，就能快速的定位到數(shù)據(jù)。

優(yōu)點(diǎn)：

• 數(shù)據(jù)分片相對比較均勻，不易出現(xiàn)請求都打到一個(gè)庫上的情況。

缺點(diǎn)：

• 這種算法存在一些問題，當(dāng)某一臺機(jī)器宕機(jī)，本應(yīng)該落在該數(shù)據(jù)庫的請求就無法得到正確的處理，這時(shí)宕掉的實(shí)例會被踢出集群，此時(shí)算法變成hash(userId) mod N-1，用戶信息可能就不再在同一個(gè)庫中了。

2、范圍限定算法

按照 時(shí)間區(qū)間 或 ID區(qū)間 來切分，比如：我們切分的是用戶表，可以定義每個(gè)庫的User 表里只存10000條數(shù)據(jù)，第一個(gè)庫只存 userId 從1 ~ 9999的數(shù)據(jù)，第二個(gè)庫存 userId 為10000 ~ 20000，第三個(gè)庫存 userId 為 20001~ 30000......以此類推，按時(shí)間范圍也是同理。

優(yōu)點(diǎn)：

• 單表數(shù)據(jù)量是可控的
• 水平擴(kuò)展簡單只需增加節(jié)點(diǎn)即可，無需對其他分片的數(shù)據(jù)進(jìn)行遷移
• 能快速定位要查詢的數(shù)據(jù)在哪個(gè)庫

缺點(diǎn)：

• 由于連續(xù)分片可能存在數(shù)據(jù)熱點(diǎn)，比如按時(shí)間字段分片，可能某一段時(shí)間內(nèi)訂單驟增，可能會被頻繁的讀寫，而有些分片存儲的歷史數(shù)據(jù)，則很少被查詢。

分庫分表的難點(diǎn)

1、分布式事務(wù)

由于表分布在不同庫中，不可避免會帶來跨庫事務(wù)問題。一般可使用 "三階段提交 "和 "兩階段提交" 處理，但是這種方式性能較差，代碼開發(fā)量也比較大。通常做法是做到最終一致性的方案，如果不苛求系統(tǒng)的實(shí)時(shí)一致性，只要在允許的時(shí)間段內(nèi)達(dá)到最終一致性即可，采用事務(wù)補(bǔ)償?shù)姆绞健?/p>

這里我應(yīng)用阿里的分布式事務(wù)框架Seata 來做分布式事務(wù)的管理，后邊會結(jié)合實(shí)際案例。

2、分頁、排序、跨庫聯(lián)合查詢

分頁、排序、聯(lián)合查詢是開發(fā)中使用頻率非常高的功能，但在分庫分表后，這些看似普通的操作卻是讓人非常頭疼的問題。將分散在不同庫中表的數(shù)據(jù)查詢出來，再將所有結(jié)果進(jìn)行匯總整理后提供給用戶。

3、分布式主鍵

分庫分表后數(shù)據(jù)庫的自增主鍵意義就不大了，因?yàn)槲覀儾荒芤揽繂蝹€(gè)數(shù)據(jù)庫實(shí)例上的自增主鍵來實(shí)現(xiàn)不同數(shù)據(jù)庫之間的全局唯一主鍵，此時(shí)一個(gè)能夠生成全局唯一ID的系統(tǒng)是非常必要的，那么這個(gè)全局唯一ID就叫 分布式ID。

4、讀寫分離

不難發(fā)現(xiàn)大部分主流的關(guān)系型數(shù)據(jù)庫都提供了主從架構(gòu)的高可用方案，而我們需要實(shí)現(xiàn) 讀寫分離 + 分庫分表，讀庫與寫庫都要做分庫分表處理，后邊會有具體實(shí)戰(zhàn)案例。

5、數(shù)據(jù)脫敏

數(shù)據(jù)脫敏，是指對某些敏感信息通過脫敏規(guī)則進(jìn)行數(shù)據(jù)轉(zhuǎn)換，從而實(shí)現(xiàn)敏感隱私數(shù)據(jù)的可靠保護(hù)，如身份證號、手機(jī)號、卡號、賬號密碼等個(gè)人信息，一般這些都需要進(jìn)行做脫敏處理。

分庫分表工具

我還是那句話，盡量不要自己造輪子，因?yàn)樽约涸斓妮喿涌赡懿荒敲磮A，業(yè)界已經(jīng)有了很多比較成熟的分庫分表中間件，我們根據(jù)自身的業(yè)務(wù)需求挑選，將更多的精力放在業(yè)務(wù)實(shí)現(xiàn)上。

• sharding-jdbc(當(dāng)當(dāng))
• TSharding(蘑菇街)
• Atlas(奇虎360)
• Cobar(阿里巴巴)
• MyCAT(基于Cobar)
• Oceanus(58同城)
• Vitess(谷歌)

為什么選 sharding-jdbc

sharding-jdbc 是一款輕量級 Java 框架，以 jar 包形式提供服務(wù)，是屬于客戶端產(chǎn)品不需要額外部署，它相當(dāng)于是個(gè)增強(qiáng)版的 JDBC 驅(qū)動;相比之下像 Mycat 這類需要單獨(dú)的部署服務(wù)的服務(wù)端產(chǎn)品，就稍顯復(fù)雜了。況且我想把更多精力放在實(shí)現(xiàn)業(yè)務(wù)，不想做額外的運(yùn)維工作。

• sharding-jdbc的兼容性也非常強(qiáng)大，適用于任何基于 JDBC 的 ORM 框架，如：JPA， Hibernate，Mybatis，Spring JDBC Template 或直接使用的JDBC。
• 完美兼容任何第三方的數(shù)據(jù)庫連接池，如：DBCP， C3P0， BoneCP，Druid， HikariCP 等，幾乎對所有關(guān)系型數(shù)據(jù)庫都支持。

不難發(fā)現(xiàn)確實(shí)是比較強(qiáng)大的一款工具，而且它對項(xiàng)目的侵入性很小，幾乎不用做任何代碼層的修改，也無需修改 SQL 語句，只需配置待分庫分表的數(shù)據(jù)表即可。

總結(jié)

簡單的回顧一下分庫分表的基礎(chǔ)知識，接下來的文章會配合實(shí)戰(zhàn)項(xiàng)目介紹 sharding-jdbc在分庫分表中的各個(gè)功能點(diǎn)。