9.28 分表分库

特此声明

本章 9.28.29.28.5 小节挪用博主:雨点的名字分库分表 - 理论 博客内容。特此声明。

9.28.1 应用场景#

数据库中的数据量不一定是可控的,在未进行分库分表的情况下,随着时间和业务的发展,库中的表会越来越多,表中的数据量也会越来越大,相应地,数据操作增删改查的开销也会越来越大。

另外,由于无法进行分布式式部署,而一台服务器的资源(CPU、磁盘、内存、IO 等)是有限的,最终数据库所能承载的数据量、数据处理能力都将遭遇瓶颈。

这个时候就需要对数据库或数据表进行拆分。

数据切分可以分为:垂直切分水平切分

9.28.2 垂直切分#

垂直切分又可以分为: 垂直分库和垂直分表。

9.28.2.1 垂直分库#

根据业务耦合性,将关联度低的不同表存储在不同的数据库。做法与大系统拆分为多个小系统类似,按业务分类进行独立划分。与"微服务治理"的做法相似,每个微服务使用单独的一个数据库。

说明

一开始我们是单体服务,所以只有一个数据库,所有的表都在这个库里。

后来因为业务需求,单体服务变成微服务治理。所以将之前的一个商品库,拆分成多个数据库。每个微服务对于一个数据库。

9.28.2.2 垂直分表#

把一个表的多个字段分别拆成多个表,一般按字段的冷热拆分,热字段一个表,冷字段一个表。从而提升了数据库性能。

说明

一开始商品表中包含商品的所有字段,但是我们发现:

1.商品详情和商品属性字段较长。2.商品列表的时候我们是不需要显示商品详情和商品属性信息,只有在点进商品商品的时候才会展示商品详情信息。

所以可以考虑把商品详情和商品属性单独切分一张表,提高查询效率。

9.28.2.3 优缺点#

  • 优点

    • 解决业务系统层面的耦合,业务清晰
    • 与微服务的治理类似,也能对不同业务的数据进行分级管理、维护、监控、扩展等
    • 高并发场景下,垂直切分一定程度的提升 IO、数据库连接数、单机硬件资源的瓶颈
  • 缺点

    • 分库后无法 Join,只能通过接口聚合方式解决,提升了开发的复杂度
    • 分库后分布式事务处理复杂
    • 依然存在单表数据量过大的问题(需要水平切分)

9.28.3 水平切分#

当一个应用难以再细粒度的垂直切分或切分后数据量行数巨大,存在单库读写、存储性能瓶颈,这时候就需要进行水平切分了。

水平切分也可以分为:水平分库和水平分表。

9.28.3.1 水平分库#

上面虽然已经把商品库分成 3 个库,但是随着业务的增加一个订单库也出现 QPS 过高,数据库响应速度来不及,一般 mysql 单机也就 1000 左右的 QPS,如果超过 1000 就要考虑分库。

9.28.3.2 水平分表#

一般我们一张表的数据不要超过 1 千万,如果表数据超过 1 千万,并且还在不断增加数据,那就可以考虑分表。

9.28.3.3 优缺点#

  • 优点

    • 不存在单库数据量过大、高并发的性能瓶颈,提升系统稳定性和负载能力
    • 应用端改造较小,不需要拆分业务模块
  • 缺点

    • 跨分片的事务一致性难以保证
    • 跨库的 Join 关联查询性能较差
    • 数据多次扩展难度和维护量极大

9.28.4 数据分片规则#

我们考虑去水平切分表,将一张表水平切分成多张表,这就涉及到数据分片的规则,比较常见的有:Hash 取模分表、数值 Range 分表、一致性 Hash 算法分表。

9.28.4.1 Hash 取模分表#

一般采用 Hash 取模的切分方式,例如:假设按 goods_id 分 4 张表。(goods_id%4 取整确定表)

优缺点

  • 优点

    • 数据分片相对比较均匀,不容易出现热点和并发访问的瓶颈。
  • 缺点

    • 后期分片集群扩容时,需要迁移旧的数据很难。
    • 容易面临跨分片查询的复杂问题。比如上例中,如果频繁用到的查询条件中不带 goods_id 时,将会导致无法定位数据库,从而需要同时向 4 个库发起查询, 再在内存中合并数据,取最小集返回给应用,分库反而成为拖累。

9.28.4.2 数值 Range 分表#

按照时间区间或 ID 区间来切分。例如:将 goods_id 为 1-1000 的记录分到第一个表,1000-2000 的分到第二个表,以此类推。

优缺点

  • 优点

    • 单表大小可控
    • 天然便于水平扩展,后期如果想对整个分片集群扩容时,只需要添加节点即可,无需对其他分片的数据进行迁移
    • 使用分片字段进行范围查找时,连续分片可快速定位分片进行快速查询,有效避免跨分片查询的问题。
  • 缺点

    • 热点数据成为性能瓶颈。 例如按时间字段分片,有些分片存储最近时间段内的数据,可能会被频繁的读写,而有些分片存储的历史数据,则很少被查询

9.28.4.3 一致性 Hash 算法#

一致性 Hash 算法能很好的解决因为 Hash 取模而产生的分片集群扩容时,需要迁移旧的数据的难题。具体原理可参考 https://www.cnblogs.com/duhuo/p/4996105.html

9.28.5 分库分表带来的问题#

任何事情都有两面性,分库分表也不例外,如果采用分库分表,会引入新的的问题:

9.28.5.1 分布式事务问题#

使用分布式事务中间件解决,具体是通过最终一致性还是强一致性分布式事务,看业务需求,这里就不多说。

9.28.5.2 跨节点关联查询 Join 问题#

切分之前,我们可以通过 Join 来完成。而切分之后,数据可能分布在不同的节点上,此时 Join 带来的问题就比较麻烦了,考虑到性能,尽量避免使用 Join 查询。

解决这个问题的一些方法:

  • 全局表

全局表,也可看做是 "数据字典表",就是系统中所有模块都可能依赖的一些表,为了避免跨库 Join 查询,可以将 这类表在每个数据库中都保存一份。这些数据通常很少会进行修改,所以也不担心一致性的问题。

  • 字段冗余

利用空间换时间,为了性能而避免 join 查询。例:订单表保存 userId 时候,也将 userName 冗余保存一份,这样查询订单详情时就不需要再去查询"买家 user 表"了。

  • 数据组装

在系统层面,分两次查询。第一次查询的结果集中找出关联数据 id,然后根据 id 发起第二次请求得到关联数据。最后将获得到的数据进行字段拼装。

9.28.5.3 跨节点分页、排序、函数问题#

跨节点多库进行查询时,会出现 Limit 分页、Order by 排序等问题。分页需要按照指定字段进行排序,当排序字段就是分片字段时,通过分片规则就比较容易定位到指定的分片;

当排序字段非分片字段时,就变得比较复杂了。需要先在不同的分片节点中将数据进行排序并返回,然后将不同分片返回的结果集进行汇总和再次排序,最终返回给用户。

9.28.5.4 全局主键避重问题#

如果都用主键自增肯定不合理,如果用 UUID 那么无法做到根据主键排序,所以我们可以考虑通过雪花 ID 来作为数据库的主键,

9.28.5.5 数据迁移问题#

采用双写的方式,修改代码,所有涉及到分库分表的表的增、删、改的代码,都要对新库进行增删改。同时,再有一个数据抽取服务,不断地从老库抽数据,往新库写,

边写边按时间比较数据是不是最新的。

9.28.6 如何实现#

特别说明

由于分表分库不仅仅需要内置代码的支持,同时还需要集成数据库中间件,这里推荐 MyCat 中间件。MyCat 官方网站

Furion 框架中提供了轻量级的 分表分库 支持:

  • 动态切换数据库
// 直接改变数据库
repository.ChangeDatabase("数据库连接字符串");
// 通过数据库上下文定位器切换
repository.Change<Entity, MyDbContextLocator2>();

如需跨库查询,需用到数据库技术,如 SqlServer 链接服务器或同义词。

  • 动态切换数据库表

第一步、配置数据库上下文特性[AppDbContext( Mode=DbContextMode.Dynamic)]

第二步、需要动态修改表名的实体继承 IEntityMutableTable<TEntity> 接口,并实现 GetTableName() 返回表名方法

最后通过 BuildChange<TEntity> 切换即可。

var rep = repository.BuildChange<Persion>();

调用 BuildChange 方法之后会自动调用 GetTableName() 方法。

了解更多

想了解更多 DynamicModelCacheKeyFactory 知识可查阅 EF Core - 多个模型之间交替 章节。

9.28.7 反馈与建议#

与我们交流

给 Furion 提 Issue