水平拆分

你的名字 2021-11-09 03:58 439阅读 0赞

### 水平拆分 ###

*  概述
 *  水平分库示例
 *  水平拆分的优点
 *  水平拆分的缺点
 *  分片原则

# 概述 #

水平拆分指的是通过某种策略将数据分片存储，包含库内分表和分库两种，每片数据会分散到不同的MySQL表或库，达到分布式的效果，能够支持非常大的数据量。前面的文章中提到的表分区本质上也是一种特殊的库内分表  
库内分表，仅仅解决了单一表数据过大的问题，由于没有把表的数据分布到不同的机器上，因此对于减轻MySQL服务器的压力来说，并没有太大的作用，还是需要竞争同一个物理机上的IO、CPU、网络，这个就要通过分库来解决

# 水平分库示例 #

上一篇文章中垂直拆分的用户表如果进行水平拆分，结果是：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_SnVzdGluTmVpbA_size_16_color_FFFFFF_t_70]  
实际情况中往往会是垂直拆分和水平拆分的结合，即将Users\_A\_M和Users\_N\_Z再拆成Users和UserExtras，这样一共四张表

# 水平拆分的优点 #

*  不存在单库大数据和高并发的性能瓶颈
 *  应用端改造较少
 *  提高了系统的稳定性和负载能力

# 水平拆分的缺点 #

*  分片事务一致性难以解决
 *  跨节点Join性能差，逻辑复杂
 *  数据多次扩展难度跟维护量极大

# 分片原则 #

*  能不分就不分，参考[MySQL单表优化][MySQL]
 *  分片数量尽量少，分片尽量均匀分布在多个数据结点上，因为一个查询SQL跨分片越多，则总体性能越差，虽然要好于所有数据在一个分片的结果，只在必要的时候进行扩容，增加分片数量
 *  分片规则需要慎重选择做好提前规划，分片规则的选择，需要考虑数据的增长模式，数据的访问模式，分片关联性问题，以及分片扩容问题，最近的分片策略为范围分片，枚举分片，一致性Hash分片，这几种分片都有利于扩容
 *  尽量不要在一个事务中的SQL跨越多个分片
 *  查询条件尽量优化，尽量避免select \* 的方式，大量数据结果集下，会消耗大量带宽和CPU资源，查询尽量避免返回大量结果集，并且尽量为频繁使用的查询语句建立索引
 *  通过数据冗余和表分区赖降低跨库join的可能

这里强调一下分片规则的选择问题，如果某个表的数据有明显的时间特征，比如订单、交易记录等，则他们通常比较合适用时间范围分片，因为具有时效性的数据，我们往往关注其近期的数据，查询条件中往往带有时间字段进行过滤，比较好的方案是，当前活跃的数据，采用跨度比较短的时间段进行分片，而历史性的数据，则采用比较长的跨度存储。

总体上来说，分片的选择是取决于最频繁的查询SQL的条件，因为不带任何where语句的查询SQL，会遍历所有的分片，性能相对最差，因此这种SQL越多，对系统的影响越大，所以我们要尽量避免这种SQL的产生。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_SnVzdGluTmVpbA_size_16_color_FFFFFF_t_70]: /images/20211109/c06cd6fdfd0f4e85a6f4ab73da683c41.png
[MySQL]: https://blog.csdn.net/yjn1995/article/details/98472759