概述
分庫分表的必要性
首先我們來了解一下為什么要做分庫分表。在我們的業務（web應用）中，關系型數據庫本身比較容易成為系統性能瓶頸，單機存儲容量、連接數、處理能力等都很有限，數據庫本身的“有狀態性”導致了它並不像Web和應用服務器那么容易擴展。那么在我們的業務中，是否真的有必要進行分庫分表，就可以從上面幾個條件來考慮。
· 單機儲存容量。您的數據量是否在單機儲存中碰到瓶頸。比如餓了么一天產生的用戶行為數據就有24T，那么在傳統的單機儲存中肯定是不夠的。
· 連接數、處理能力。在我們的用戶量達到一定程度時，特定時間的並發量又成了一個大問題，在一個高並發的網站中秒級數十萬的並發量都是很正常的。在普通的單機數據庫中秒級千次的操作問題都很大。
所以在我們進行分庫分表之前我們最好考慮一下，我們的數據量是不是夠大，並發量是不是夠大。如果您的回答是肯定的，那我們就開始做吧。
分庫分表的幾種方法
在分庫分表中，我們有幾種不同的划分方式：垂直分表、垂直分庫、水平分表、水平分庫分表。分的方式大同小異，主要思想都是化大為小，且可以融合使用。
垂直分表
垂直分表在日常的開發和設計中比較常見，簡單來講就是“大表拆小表”，拆分是基於關系型數據庫中的列進行的。我們在基礎數據庫課程中老師就教導我們，一個表的字段不要太多，就算數據量沒有那么大，為了表的合理性我們也會做。比如，某個表中的字段比較多，可以新建立一張“擴展表”，將不經常使用或者長度較大的字段拆分出去放到“擴展表”中。
比如在一張產品表中（id, name, price, company, ），我們將常用的（id, name, price, company）字段放在一個表中，而不常用的（）字段放在拓展表中，那我們查詢時優先查詢常用字段，在有必要時才查詢拓展字段。可以有效的提高效率，同時減少字段后我們在一個表中可以容納的數據數量也提高了。
垂直分表還有一個好處，能使得我們的微服務的關注點更加明確。
Note：分表的操作最好在數據庫設計階段就做完，如果在后續開發過程中再拆分，則可能需要大量的更改SQL語句。
垂直分庫
垂直分庫的基本思路便是我們按照不同的業務模塊來划分出不同的數據庫。垂直分庫在“微服務”盛行的今天已經非常普及了。就像我們上面所說的，這能使得我們的微服務的關注點更加明確。也就是業務邏輯更加清晰。
比如在我們的業務中，User, Product, Company等都屬於不同業務模塊，便可將其放在不同的數據庫。
水平分表
水平分表的思想很簡單，就相當於一摞烙餅一百個，然后我每十個放一個籃子。在數據庫中的表現就是，我一個User表有100萬條數據，那么我0-10w放在一個表中，10-20w放一個表中，類推（當然這只是其中一種分布規律）。這樣可以降低單表的數據量，優化查詢性能。
水平分表能夠降低單表的數據量，在一定程度上能夠緩解查詢性能的瓶頸。但其本質上還是在一個數據庫中，所以當查詢上升到數據庫級，其IO瓶頸並沒有得到好的解決。所以並不推薦單純的水平分表做法。
水平分庫分表
水平分庫分表與水平分表的思想相同，即將同一表中的大量數據分層次的儲存，不同的在於將分出來的表放在不同的數據庫中。在高並發和海量數據的場景下，分庫分表能夠有效緩解單機和單庫的性能瓶頸和壓力，突破IO、連接數、硬件資源的瓶頸。當然，投入的硬件成本也會更高。同時，這也會帶來一些復雜的技術問題和挑戰（例如：跨分片的復雜查詢，跨分片事務等）。
本人結合項目實踐，對水平分庫做一個系統地剖析，希望為大家水平分庫（包括去IOE）改造提供總體思路。
主要內容包括：
水平分庫說明
分庫維度-- 根據哪個字段分庫
分庫策略-- 記錄如何分配到不同庫
分庫數量-- 初始庫數量及庫數量如何增長
路由透明-- 如何實現庫路由，支持應用透明
分頁處理-- 跨多個庫的分頁case如何處理
Lookup映射—非分庫字段映射到分庫字段，實現單庫訪問
整體架構-- 分庫的整體技術架構
上線步驟-- 分庫改造實施上線
項目總結
水平分庫說明
數據庫拆分有兩種：
1) 垂直分庫
數據庫里的表太多，拿出部分到新的庫里，一般是根據業務划分表，關系密切的表放同一數據庫，應用修改數據庫連接即可，比較簡單。
2) 水平分庫
某張表太大，單個數據庫存儲不下或訪問性能有壓力，把一張表拆成多張，每張表存放部分記錄，保存在不同的數據庫里，水平分庫需要對系統做大的改造。
訂單表存儲在Oracle數據庫，記錄有上億條，字段有上百個，訪問的模式也是復雜多樣，隨着業務快速增長，無論存儲空間或訪問性能都面臨巨大挑戰，特別在大促時，訂單庫已成為系統瓶頸。
通常有兩種解決辦法：
Scale up，升級Oracle數據庫所在的物理機，提升內存/存儲/IO性能，但這種升級費用昂貴，並且只能滿足短期需要。
Scale out，把訂單庫拆分為多個庫，分散到多台機器進行存儲和訪問，這種做法支持水平擴展，可以滿足長遠需要。
采取后一種做法，它的訂單庫主要包括訂單主表/訂單明細表（記錄商品明細）/訂單擴展表，水平分庫即把這3張表的記錄分到多個數據庫中，訂單水平分庫效果如下圖所示：
原來一個Oracle庫被多個MySQL庫取代，支持1主多備和讀寫分離，主備之間通過MySQL自帶的數據同步機制（SLA<1秒），所有應用通過訂單服務訪問訂單數據。
分庫維度
水平分庫首先要考慮根據哪個字段作為分庫維度，選擇標准是盡量避免應用代碼和SQL性能受影響，這就要求當前SQL在分庫后，訪問盡量落在單個庫里，否則單庫訪問變成多庫掃描，讀寫性能和應用邏輯都會受較大影響。
對於訂單拆分，大家首先想到的是按照用戶Id拆分，結論沒錯，但最好還是數據說話，不能拍腦袋。好的做法是首先收集所有SQL，挑選where語句最常出現的過濾字段，比如用戶Id/訂單Id/商家Id，每個字段在SQL中有三種情況：
單Id過濾，如用戶Id=？
多Id過濾，如用戶Id IN (?,?,?)
該Id不出現
然后進一步統計，假設共有500個SQL訪問訂單庫，3個過濾字段出現情況如下：
過濾字段單Id過濾多Id過濾不出現
用戶Id12040330
訂單Id6080360
商家Id150485
結論明顯，應該選擇用戶Id進行分庫。
等一等，這只是靜態分析，每個SQL訪問的次數是不一樣的，因此還要分析每個SQL的訪問量。我們分析了Top15執行最多的SQL (它們占總執行次數85%)，如果按照用戶Id分庫，這些SQL 85%落到單個數據庫, 13%落到多個數據庫，只有2%需要遍歷所有數據庫，明顯優於使用其他Id進行分庫。
通過量化分析，我們知道按照用戶Id分庫是最優的，同時也大致知道分庫對現有系統的影響，比如這個例子中，85%的SQL會落到單個數據庫，這部分的訪問性能會優化，堅定了各方對分庫的信心。
分庫策略
分庫維度確定后，如何把記錄分到各個庫里呢？一般有兩種方式：
根據數值范圍，比如用戶Id為1-9999的記錄分到第一個庫，10000-20000的分到第二個庫，以此類推。
根據數值取模，比如用戶Id mod n，余數為0的記錄放到第一個庫，余數為1的放到第二個庫，以此類推。
兩種分法的優劣比較如下：
評價指標按照范圍分庫按照Mod分庫
庫數量前期數目比較小，可以隨用戶/業務按需增長前期即根據mode因子確定庫數量，數目一般比較大
訪問性能前期庫數量小，全庫查詢消耗資源少，單庫查詢性能略差前期庫數量大，全庫查詢消耗資源多，單庫查詢性能略好
調整庫數量比較容易，一般只需為新用戶增加庫，老庫拆分也只影響單個庫困難，改變mod因子導致數據在所有庫之間遷移
數據熱點新舊用戶購物頻率有差異，有數據熱點問題新舊用戶均勻到分布到各個庫，無熱點
實踐中，為了處理簡單，選擇mod分庫的比較多。同時二次分庫時，為了數據遷移方便，一般是按倍數增加，比如初始4個庫，二次分裂為8個，再16個。這樣對於某個庫的數據，一半數據移到新庫，剩余不動，對比每次只增加一個庫，所有數據都要大規模變動。
補充下，mod分庫一般每個庫記錄數比較均勻，但也有些數據庫，存在超級Id，這些Id的記錄遠遠超過其他Id，比如在廣告場景下，某個大廣告主的廣告數可能占總體很大比例。如果按照廣告主Id取模分庫，某些庫的記錄數會特別多，對於這些超級Id，需要提供單獨庫來存儲記錄。
分庫數量
分庫數量首先和單庫能處理的記錄數有關，一般來說，Mysql 單庫超過5000萬條記錄，Oracle單庫超過1億條記錄，DB壓力就很大(當然處理能力和字段數量/訪問模式/記錄長度有進一步關系)。
在滿足上述前提下，如果分庫數量少，達不到分散存儲和減輕DB性能壓力的目的；如果分庫的數量多，好處是每個庫記錄少，單庫訪問性能好，但對於跨多個庫的訪問，應用程序需要訪問多個庫，如果是並發模式，要消耗寶貴的線程資源；如果是串行模式，執行時間會急劇增加。
最后分庫數量還直接影響硬件的投入，一般每個分庫跑在單獨物理機上，多一個庫意味多一台設備。所以具體分多少個庫，要綜合評估，一般初次分庫建議分4-8個庫。
路由透明
分庫從某種意義上來說，意味着DB schema改變了，必然影響應用，但這種改變和業務無關，所以要盡量保證分庫對應用代碼透明，分庫邏輯盡量在數據訪問層處理。當然完全做到這一點很困難，具體哪些應該由DAL負責，哪些由應用負責，這里有一些建議：
對於單庫訪問，比如查詢條件指定用戶Id，則該SQL只需訪問特定庫。此時應該由DAL層自動路由到特定庫，當庫二次分裂時，也只要修改mod 因子，應用代碼不受影響。
對於簡單的多庫查詢，DAL負責匯總各個數據庫返回的記錄，此時仍對上層應用透明。
對於帶聚合運算的多庫查詢，如帶groupBy/orderby/min/max/avg等關鍵字，建議DAL匯總單個庫返回的結果，上層應用做進一步處理。一方面DAL全面支持各種case，實現很復雜；另一方面，從1號店實踐來看，這樣的例子不多，在上層應用作針對性處理，更加靈活。
DAL可進一步細分為JDBC和DAL兩層，基於JDBC層面實現分庫路由，系統開發難度大，靈活性低，目前也沒有很好的成功案例；一般是基於持久層框架進一步封裝成DDAL(分布式數據訪問層)，實現分庫路由，1號店DAL即基於iBatis進行上層封裝而來。
分頁處理
分庫后，有些分頁查詢需要遍歷所有庫，這些case是分庫最大的受害者L。
舉個分頁的例子，比如要求按時間順序展示某個商家的訂單，每頁100條記錄，由於是按商家查詢，需要遍歷所有數據庫，假設庫數量是8，我們來看下分頁處理邏輯：
如果取第1頁數據，則需要從每個庫里按時間順序取前100條記錄，8個庫匯總后有800條，然后對這800條記錄在應用里進行二次排序，最后取前100條。
如果取第10頁數據，則需要從每個庫里取前1000(100*10)條記錄，匯總后有8000條記錄，然后對這8000條記錄二次排序后取（900,1000）條記錄。
分庫情況下，對於第k頁記錄，每個庫要多取100*(k-1)條記錄，所有庫加起來，多取的記錄更多，所以越是靠后的分頁，系統要耗費更多內存和執行時間。
對比沒分庫的情況，無論取那一頁，都只要從單個DB里取100條記錄，而且無需在應用內部做二次排序，非常簡單。
那如何解決分庫情況下的分頁問題呢？有以下幾種辦法：
如果是在前台應用提供分頁，則限定用戶只能看前面n頁，這個限制在業務上也是合理的，一般看后面的分頁意義不大（如果一定要看，可以要求用戶縮小范圍重新查詢）。
如果是后台批處理任務要求分批獲取數據，則可以加大page size，比如每次獲取5000條記錄，有效減少分頁數（當然離線訪問一般走備庫，避免沖擊主庫）。
分庫設計時，一般還有配套大數據平台匯總所有分庫的記錄，有些分頁查詢可以考慮走大數據平台。
Lookup映射
分庫字段只有一個，比如這里是用戶Id，但訂單表還有其他字段可唯一區分記錄，比如訂單Id，給定一個訂單Id，相應記錄一定在某個庫里。如果盲目地查詢所有分庫，則帶來不必要的開銷，Lookup映射可根據訂單Id，找到相應的用戶Id，從而實現單庫定位。
可以事先檢索所有訂單Id和用戶Id，保存在Lookup表里，Lookup表的記錄數和訂單庫記錄總數相等，但它只有2個字段，所以存儲和查詢性能都不是問題。實際使用時，一般通過分布式緩存來優化Lookup性能。對於新增的訂單，除了寫訂單表，同時要寫Lookup表。
整體架構
訂單生成水平分庫的總體技術架構如下圖所示：
上層應用通過訂單服務/分庫代理和DAL訪問數據庫。
代理對訂單服務實現功能透明，包括聚合運算，非用戶Id到用戶Id的映射。
Lookup表用於訂單Id/用戶Id映射，保證按訂單Id訪問時，可以直接落到單個庫，Cache是Lookup的內存數據映像，提升性能，cache故障時，直接訪問Lookup表。
DAL提供庫的路由，根據用戶Id定位到某個庫，對於多庫訪問，DAL支持可選的並發訪問模式，並支持簡單記錄匯總。
Lookup表初始化數據來自於現有分庫數據，新增記錄時，直接由代理異步寫入。
上線步驟
訂單表是核心業務表，它的水平拆分影響很多業務，本身的技術改造也很大，很容易出紕漏，上線時，必須謹慎考慮，整個方案實施過程如下：
首先實現Oracle和MySQL兩套庫並行，所有數據訪問指向Oracle庫，通過數據同步程序把數據從Oracle拆分到多個MySQL分庫，比如3分鍾增量同步一次。
按照上述架構圖搭建整個體系，選擇幾個對數據實時性不高的訪問例子（如訪問歷史訂單），轉向MySQL分庫訪問，然后逐漸增加更多非實時case，以檢驗整套體系可行性。
如果性能和功能都沒問題，再一次性把所有實時讀寫訪問轉向MySQL，廢棄Oracle。
這個上線步驟多了數據同步程序的開發（大約1人周工作量，風險很低），但分散了風險，把第一步的技術風險（Lookup/DAL等基礎設施改造）和第二步的業務功能風險（Oracle改MySQL語法）分開。兩階段上線都是一次性成功，特別是第二階段上線，100多個依賴方應用簡單重啟即完成升級，中間沒有出現一例較大問題。
總結
到這里，Mysql分庫分表訂單生成系統實戰分析就結束了，，不足之處還望大家多多包涵！！覺得收獲的話可以點個關注收藏轉發一波喔，謝謝大佬們支持。（吹一波，233~~）
下面和大家交流幾點編程的經驗：
1、多寫多敲代碼，好的代碼與扎實的基礎知識一定是實踐出來的
2丶 測試、測試再測試，如果你不徹底測試自己的代碼，那恐怕你開發的就不只是代碼，可能還會聲名狼藉。
3丶 簡化編程，加快速度，代碼風騷，在你完成編碼后，應回頭並且優化它。從長遠來看，這里或那里一些的改進，會讓后來的支持人員更加輕松。