分库分表的5大方案，百度、腾讯、阿里等大厂都在用！

你的名字 2023-06-13 04:34 52阅读 0赞

## 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）。

![format_png][]

### 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。

# #

## 分库分表 ##

### 1、水平分库 ###

![format_png 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。 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；

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。 分析：库多了，io和cpu的压力自然可以成倍缓解。

### 2、水平分表 ###

![format_png 2][]

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。 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；

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。 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 ###

![format_png 3][]

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。 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；

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。

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 ###

![format_png 4][]

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。 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；

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。欢迎大家关注我的公种浩【程序员追风】，整理了2019年多家公司java面试题资料100多页pdf文档，文章都会在里面更新，整理的资料也会放在里面。

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。

# #

## 分库分表工具 ##

*  Sharding-Sphere：jar，前身是sharding-jdbc；
 *  TDDL：jar，Taobao Distribute Data Layer；
 *  Mycat：中间件。

注：工具的利弊，请自行调研，官网和社区优先。

# #

## 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）。

# #

## 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） ###

**1.1 端上除了partition key只有一个非partition key作为条件查询**

映射法

![format_png 5][]

基因法

注：写入时，基因法生成user\_id，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user\_id查询时可直接取模路由到对应的分库或分表。根据user\_name查询时，先通过user\_name\_code生成函数生成user\_name\_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。

**1.2端上除了partition key不止一个非partition key作为条件查询**

*  映射法
 *  冗余法

注：按照order\_id或buyer\_id查询时路由到db\_o\_buyer库中，按照seller\_id查询时路由到db\_o\_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？

**1.3后台除了partition key还有各种非partition key组合条件查询**

*  NoSQL法
 *  冗余法

### 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） ###

**3.1水平扩容库（升级从库法）**

![format_png 6][]

注：扩容是成倍的。

**3.2 水平扩容表（双写迁移法）**

![format_png 7][]

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。

# #

## 分库分表总结 ##

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。 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。 只要能满足需求，拆分规则越简单越好。

# #

## 最后 ##

欢迎大家关注我的公种浩【程序员追风】，整理了2019年多家公司java面试题资料100多页pdf文档，文章都会在里面更新，整理的资料也会放在里面。

[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9waWMxLnpoaW1nLmNvbS84MC92Mi04NzQ5OGZjMDliNzRjMWQwM2E1ZTBkN2E1NTVmZDk1Zl9oZC5wbmc?x-oss-process=image/format,png
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9waWMyLnpoaW1nLmNvbS84MC92Mi1iYzViMzgzMDA0ODMyMjY0YzQxYmYyNGE5YjUzNjgxNV9oZC5qcGc?x-oss-process=image/format,png
[format_png 2]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9waWMzLnpoaW1nLmNvbS84MC92Mi1kOGFmY2QxMzkwOGRlZGQ1NTBmYWVlNjIxZDYzMjE0N19oZC5qcGc?x-oss-process=image/format,png
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9waWMyLnpoaW1nLmNvbS84MC92Mi00ODIyMDY0OTk4NTY0YzJmMDE4ZmRjYzNlYjM3ZWI0NV9oZC5qcGc?x-oss-process=image/format,png
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9waWMyLnpoaW1nLmNvbS84MC92Mi0zZmUxYzE4ZjMxNmY1YmM5MGMxZjZiOTUyM2YwOTk4YV9oZC5qcGc?x-oss-process=image/format,png
[format_png 5]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9waWMzLnpoaW1nLmNvbS84MC92Mi1lYTlhZjVkZDYxZTdjOGJiZmY4OTc5ODk1YjhmZmM5ZV9oZC5qcGc?x-oss-process=image/format,png
[format_png 6]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9waWMxLnpoaW1nLmNvbS84MC92Mi00YzljMGE0M2YzYzYzYWE0NWFmZjliYjg1YjRjOThiMV9oZC5qcGc?x-oss-process=image/format,png
[format_png 7]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9waWMxLnpoaW1nLmNvbS84MC92Mi02YWJiZmYyOTI4NzFiYjA5MzgzOWRkNjE0YTEyOWNkM19oZC5qcGc?x-oss-process=image/format,png