分庫分表使用場景及設計方式

一. 分表

      場景：對於大型的互聯網應用來說，數據庫單表的記錄行數可能達到千萬級甚至是億級，並且數據庫面臨着極高的並發訪問。采用Master-Slave復制模式的MySQL架構，只能夠對數據庫的讀進行擴展，而對數據庫的寫入操作還是集中在Master上，並且單個Master掛載的Slave也不可能無限制多，Slave的數量受到Master能力和負載的限制。

　　因此，需要對數據庫的吞吐能力進行進一步的擴展，以滿足高並發訪問與海量數據存儲的需要！

　　對於訪問極為頻繁且數據量巨大的單表（百萬到千萬級別）來說，我們首先要做的就是減少單表的記錄條數，以便減少數據查詢所需要的時間，提高數據庫的吞吐，這就是所謂的分表！

　　在分表之前，首先需要選擇適當的分表策略，使得數據能夠較為均衡地分不到多張表中，並且不影響正常的查詢！ 

　　對於互聯網企業來說，大部分數據都是與用戶關聯的，因此，用戶id是最常用的分表字段。因為大部分查詢都需要帶上用戶id，這樣既不影響查詢，又能夠使數據較為均衡地分布到各個表中(當然，有的場景也可能會出現冷熱數據分布不均衡的情況)，如下圖：

　　假設有一張表記錄用戶購買信息的訂單表order，由於order表記錄條數太多，將被拆分成256張表。

　　拆分的記錄根據user_id%256取得對應的表進行存儲，前台應用則根據對應的user_id%256，找到對應訂單存儲的表進行訪問。（即id除以256余數為0則查0號表）

　　這樣一來，user_id便成為一個必需的查詢條件，否則將會由於無法定位數據存儲的表而無法對數據進行訪問。

　　注：拆分后表的數量一般為2的n次方，就是上面拆分成256張表的由來！

舉例：

假設order表結構如下：

create table order_(
 order_id bigint(20) primary key auto_increment,
 user_id bigint(20),
 user_nick varchar(50),
 auction_id bigint(20),
 auction_title bigint(20),
 price bigint(20),
 auction_cat varchar(200),
 seller_id bigint(20),
 seller_nick varchar(50)
)

　　那么分表以后，假設user_id = 257,並且auction_id = 100,需要根據auction_id來查詢對應的訂單信息，則對應的SQL語句如下：

select * from order_1 where user_id=257 and auction_id = 100;

　　其中，order_1是根據257%256計算得出，表示分表之后的第一張order表。

二. 分庫

　　場景：分表能夠解決單表數據量過大帶來的查詢效率下降的問題，但是，卻無法給數據庫的並發處理能力帶來質的提升。面對高並發的讀寫訪問，當數據庫master服務器無法承載寫操作壓力時，不管如何擴展slave服務器，此時都沒有意義了。

　　因此，我們必須換一種思路，對數據庫進行拆分，從而提高數據庫寫入能力，這就是所謂的分庫!

　　與分表策略相似，分庫可以采用通過一個關鍵字取模的方式，來對數據訪問進行路由，如下圖所示：

 

　　還是之前的訂單表，假設user_id 字段的值為258，將原有的單庫分為256個庫，那么應用程序對數據庫的訪問請求將被路由到第二個庫(258%256 = 2)。

三. 分庫分表

　　場景：有時數據庫可能既面臨着高並發訪問的壓力，又需要面對海量數據的存儲問題，這時需要對數據庫既采用分表策略，又采用分庫策略，以便同時擴展系統的並發處理能力，以及提升單表的查詢性能，這就是所謂的分庫分表。

    分庫分表的策略比前面的僅分庫或者僅分表的策略要更為復雜，一種分庫分表的路由策略如下：

1. 中間變量 = user_id % (分庫數量 * 每個庫的表數量)
2. 庫 = 取整數 (中間變量 / 每個庫的表數量)
3. 表 = 中間變量 % 每個庫的表數量

 

　　同樣采用user_id作為路由字段，首先使用user_id 對庫數量*每個庫表的數量取模，得到一個中間變量；然后使用中間變量除以每個庫表的數量，取整，便得到對應的庫；而中間變量對每個庫表的數量取模，即得到對應的表。

分庫分表策略詳細過程如下：

 假設將原來的單庫單表order拆分成256個庫，每個庫包含1024個表，那么按照前面所提到的路由策略，對於user_id=262145 的訪問，路由的計算過程如下：

1. 中間變量 = 262145 % (256 * 1024) = 1
2. 庫 = 取整 (1/1024) = 0
3. 表 = 1 % 1024 = 1

 這就意味着，對於user_id=262145 的訂單記錄的查詢和修改，將被路由到第0個庫的第1個order_1表中執行！！！

四，橫分縱分

分表又分為橫向分表和縱向分表

1）縱向分表

　　 將本來可以在同一個表的內容，人為划分為多個表。（所謂的本來，是指按照關系型數據庫的 第三范式要求，是應該在同一個表的。）

分表理由： 根據數據的活躍度進行分離，（因為不同活躍的數據，處理方式是不同的）

 

案例：

　　對於一個博客系統，文章標題，作者，分類，創建時間等，是 變化頻率慢， 查詢次數多，而且最好有很好的實時性 的數據，我們把它叫做 冷數據。而博客的瀏覽量，回復數等，類似的統計信息，或者別的 變化頻率比較高的數據，我們把它叫做 活躍數據。所以，在進行數據庫結構設計的時候，就應該考慮分表，首先是 縱向分表的處理。

這樣縱向分表后：

　　首先存儲引擎的使用不同， 冷數據使用MyIsam 可以有更好的查詢數據。 活躍數據，可以使用Innodb,可以有更好的更新速度。

　　其次， 對冷數據進行更多的 從庫配置，因為更多的操作時查詢，這樣來加快查詢速度。 對熱數據，可以相對有更多的 主庫的橫向分表處理。

　　其實，對於一些 特殊的活躍數據，也可以考慮使用memcache , redis之類的緩存，等累計到 一定量再去更新數據庫。或者mongodb 一類的nosql數據庫，這里只是舉例，就先不說這個。

橫向分表

　　字面意思，就可以看出來，是把大的表結構，橫向切割為同樣結構的不同表，如，用戶信息表，user_1,user_2等。 表結構是完全一樣，但是，根據某些特定的規則來划分的表，如根據用戶ID來取模划分。

　　分表理由： 根據數據量的規模來划分，保證單表的容量不會太大，從而來保證單表的查詢等處理能力。

案例：

　　同上面的例子，博客系統。當博客的量達到很大時候，就應該采取橫向分割來降低每個單表的壓力，來提升性能。例如博客的冷數據表，假如分為100個表，當同時有100萬個用戶在瀏覽時，如果是單表的話，會進行100萬次請求，而現在分表后，就可能是每個表進行1萬個數據的請求（因為，不可能絕對的平均，只是假設），這樣壓力就降低了很多很多。

 

https://blog.csdn.net/yuxianjun2012/article/details/54846136 

https://blog.csdn.net/winy_lm/article/details/50708493