Mysql分庫分表

一、Mysql分庫分表方案

1.為什么要分表：

當一張表的數據達到幾千萬時，你查詢一次所花的時間會變多，如果有聯合查詢的話，我想有可能會死在那兒了。分表的目的就在於此，減小數據庫的負擔，縮短查詢時間。

mysql中有一種機制是表鎖定和行鎖定，是為了保證數據的完整性。表鎖定表示你們都不能對這張表進行操作，必須等我對表操作完才行。行鎖定也一樣，別的sql必須等我對這條數據操作完了，才能對這條數據進行操作。

2. mysql proxy：amoeba

做mysql集群,利用amoeba。

從上層的java程序來講，不需要知道主服務器和從服務器的來源，即主從數據庫服務器對於上層來講是透明的。可以通過amoeba來配置。

3.大數據量並且訪問頻繁的表，將其分為若干個表

比如對於某網站平台的數據庫表-公司表，數據量很大，這種能預估出來的大數據量表，我們就事先分出個N個表，這個N是多少，根據實際情況而定。

     某網站現在的數據量至多是5000萬條，可以設計每張表容納的數據量是500萬條，也就是拆分成10張表，

那么如何判斷某張表的數據是否容量已滿呢？可以在程序段對於要新增數據的表，在插入前先做統計表記錄數量的操作，當<500萬條數據，就直接插入，當已經到達閥值，可以在程序段新創建數據庫表（或者已經事先創建好），再執行插入操作。

4. 利用merge存儲引擎來實現分表

如果要把已有的大數據量表分開比較痛苦，最痛苦的事就是改代碼，因為程序里面的sql語句已經寫好了。用merge存儲引擎來實現分表, 這種方法比較適合.

舉例子：

 

---

二、數據庫架構

1、簡單的MySQL主從復制:

MySQL的主從復制解決了數據庫的讀寫分離，並很好的提升了讀的性能，其圖如下：

 

其主從復制的過程如下圖所示：

 

但是，主從復制也帶來其他一系列性能瓶頸問題：

1. 寫入無法擴展
2. 寫入無法緩存
3. 復制延時
4. 鎖表率上升
5. 表變大，緩存率下降

那問題產生總得解決的，這就產生下面的優化方案，一起來看看。

2、MySQL垂直分區

   如果把業務切割得足夠獨立，那把不同業務的數據放到不同的數據庫服務器將是一個不錯的方案，而且萬一其中一個業務崩潰了也不會影響其他業務的正常進行，並且也起到了負載分流的作用，大大提升了數據庫的吞吐能力。經過垂直分區后的數據庫架構圖如下：

 

然而，盡管業務之間已經足夠獨立了，但是有些業務之間或多或少總會有點聯系，如用戶，基本上都會和每個業務相關聯，況且這種分區方式，也不能解決單張表數據量暴漲的問題，因此為何不試試水平分割呢？

3、MySQL水平分片（Sharding）

這是一個非常好的思路，將用戶按一定規則（按id哈希）分組，並把該組用戶的數據存儲到一個數據庫分片中，即一個sharding，這樣隨着用戶數量的增加，只要簡單地配置一台服務器即可，原理圖如下：

 

如何來確定某個用戶所在的shard呢，可以建一張用戶和shard對應的數據表，每次請求先從這張表找用戶的shard id，再從對應shard中查詢相關數據，如下圖所示：

 

①單庫單表 

單庫單表是最常見的數據庫設計，例如，有一張用戶(user)表放在數據庫db中，所有的用戶都可以在db庫中的user表中查到。 

②單庫多表 

隨着用戶數量的增加，user表的數據量會越來越大，當數據量達到一定程度的時候對user表的查詢會漸漸的變慢，從而影響整個DB的性能。如果使用mysql, 還有一個更嚴重的問題是，當需要添加一列的時候，mysql會鎖表，期間所有的讀寫操作只能等待。 

可以通過某種方式將user進行水平的切分，產生兩個表結構完全一樣的user_0000,user_0001等表，user_0000 + user_0001 + …的數據剛好是一份完整的數據。 

③多庫多表

隨着數據量增加也許單台DB的存儲空間不夠，隨着查詢量的增加單台數據庫服務器已經沒辦法支撐。這個時候可以再對數據庫進行水平區分。 

---

 

四、分庫分表規則 

設計表的時候需要確定此表按照什么樣的規則進行分庫分表。例如，當有新用戶時，程序得確定將此用戶信息添加到哪個表中；同理，當登錄的時候我們得通過用戶的賬號找到數據庫中對應的記錄，所有的這些都需要按照某一規則進行。 
路由 

通過分庫分表規則查找到對應的表和庫的過程。如分庫分表的規則是user_id mod 4的方式，當用戶新注冊了一個賬號，賬號id的123,我們可以通過id mod 4的方式確定此賬號應該保存到User_0003表中。當用戶123登錄的時候，我們通過123 mod 4后確定記錄在User_0003中。 
分庫分表產生的問題，及注意事項 

1.   分庫分表維度的問題 

假如用戶購買了商品,需要將交易記錄保存取來，如果按照用戶的緯度分表，則每個用戶的交易記錄都保存在同一表中，所以很快很方便的查找到某用戶的 購買情況，但是某商品被購買的情況則很有可能分布在多張表中，查找起來比較麻煩。反之，按照商品維度分表，可以很方便的查找到此商品的購買情況，但要查找 到買人的交易記錄比較麻煩。 

所以常見的解決方式有： 

• 通過掃表的方式解決，此方法基本不可能，效率太低了。
• 記錄兩份數據，一份按照用戶緯度分表，一份按照商品維度分表。
• 通過搜索引擎解決，但如果實時性要求很高，又得關系到實時搜索。 

2.   聯合查詢的問題 

聯合查詢基本不可能，因為關聯的表有可能不在同一數據庫中。 

3.   避免跨庫事務

避免在一個事務中修改db0中的表的時候同時修改db1中的表，一個是操作起來更復雜，效率也會有一定影響。 

4.   盡量把同一組數據放到同一DB服務器上

例如將賣家a的商品和交易信息都放到db0中，當db1掛了的時候，賣家a相關的東西可以正常使用。也就是說避免數據庫中的數據依賴另一數據庫中的數據。 

5.一主多備

在實際的應用中，絕大部分情況都是讀遠大於寫。Mysql提供了讀寫分離的機制，所有的寫操作都必須對應到Master，讀操作可以在 Master和Slave機器上進行，Slave與Master的結構完全一樣，一個Master可以有多個Slave,甚至Slave下還可以掛 Slave,通過此方式可以有效的提高DB集群的 QPS.                                                       

所有的寫操作都是先在Master上操作，然后同步更新到Slave上，所以從Master同步到Slave機器有一定的延遲，當系統很繁忙的時候，延遲問題會更加嚴重，Slave機器數量的增加也會使這個問題更加嚴重。 
此外，可以看出Master是集群的瓶頸，當寫操作過多，會嚴重影響到Master的穩定性，如果Master掛掉，整個集群都將不能正常工作。 
所以

• 當讀壓力很大的時候，可以考慮添加Slave機器的分式解決，但是當Slave機器達到一定的數量就得考慮分庫了。
• 當寫壓力很大的時候，就必須得進行分庫操作。 

 

---

五、MySQL使用為什么要分庫分表

可以用說用到MySQL的地方,只要數據量一大, 馬上就會遇到一個問題,要分庫分表. 這里引用一個問題為什么要分庫分表呢?MySQL處理不了大的表嗎? 其實是可以處理的大表的.我所經歷的項目中單表物理上文件大小在80G多,單表記錄數在5億以上,而且這個表 屬於一個非常核用的表:朋友關系表. 

但這種方式可以說不是一個最佳方式. 因為面臨文件系統如Ext3文件系統對大於大文件處理上也有許多問題. 這個層面可以用xfs文件系統進行替換.但MySQL單表太大后有一個問題是不好解決: 表結構調整相關的操作基 
本不在可能.所以大項在使用中都會面監着分庫分表的應用. 

從Innodb本身來講數據文件的Btree上只有兩個鎖, 葉子節點鎖和子節點鎖,可以想而知道,當發生頁拆分或是添加新葉時都會造成表里不能寫入數據.所以分庫分表還就是一個比較好的選擇了. 

那么分庫分表多少合適呢? 
經測試在單表1000萬條記錄一下,寫入讀取性能是比較好的. 這樣在留點buffer,那么單表全是數據字型的保持在800萬條記錄以下, 有字符型的單表保持在500萬以下. 

如果按 100庫100表來規划,如用戶業務: 500萬*100*100 = 50000000萬 = 5000億記錄. 

心里有一個數了,按業務做規划還是比較容易的.

分布式數據庫架構--排序、分頁、分組、實現

---

 

六、最近研究分布式數據庫架構，發現排序、分組及分頁讓着實人有點頭疼。現把問題及解決思路整理如下。

1.多分片（水平切分）返回結果合並（排序）

①Select + None Aggregate Function的有序記錄合並排序 

解決思路：對各分片返回的有序記錄，進行排序去重合並。此處主要是編寫排序去重合並算法。

②Select + None Aggregate Function的無序記錄合並

解決思路：對各分片返回的無序記錄，進行去重合並。

• 優點：實現比較簡單。
•  缺點：數據量越大，字段越多，去重處理就會越耗時。

③Select + Aggregate Function的記錄合並（排序）Oracle常用聚合函數：Count、Max、Min、Avg、Sum。

• AF：Max、Min
  • 思路：通過算法對各分片返回結果再求max、min值。
• AF：Avg、Sum、Count
  • 思路：分片間無重復記錄或字段時，通過算法對各分片返回結果再求avg、sum、count值。分片間有重復記錄或字段時，先對各分片記錄去重合並，再通過算法求avg、sum、count值。

比如：

select count(*) from user

select count(deptno) from user;

select count(distinct deptno) from user;

2.多分片（水平切分）返回結果分頁

解決思路：合並各分片返回結果，邏輯分頁。

        優點：  實現簡單。

        缺點：  數據量越大，緩存壓力就越大。

                     分片數據量越大，查詢也會越慢。

3.多分片（水平切分）查詢有分組語法的合並

①Group By Having + None Aggregate Function時

• Select + None Aggregate Function
  • 比如：select job user group by job;
  • 思路：直接去重（排序）合並。
• Select + Aggregate Function
  • 比如：select max(sal),job user group by job;
  • 思路：同Select + Aggregate Function的記錄合並（排序）。

②Group By Having + Aggregate Function時

解決思路：去掉having AF條件查詢各分片，然后把數據放到一張表里。再用group by having 聚合函數查詢。

4.分布式數據庫架構--排序分組分頁參考解決方案

• 解決方案1：Hadoop + Hive。
  • 思路：使用Hadoop HDFS來存儲數據，通過Hdoop MapReduce完成數據計算，通過Hive HQL語言使用部分與RDBBS一樣的表格查詢特性和分布式存儲計算特性。
  • 優點：

1. 1. 可以解決問題
   2. 具有並發處理能力
   3. 可以離線處理

• • 缺點： 

1. 1. 實時性不能保證
   2. 網絡延遲會增加
   3. 異常捕獲難度增加
   4. Web應用起來比較復雜

• 解決方案2：總庫集中查詢。
  • 優點：

1. 1. 可以解決問題
   2. 實現簡單

• • 缺點：

1. 1. 總庫數據不能太大
   2. 並發壓力大

5.小結

對 於分布式數據庫架構來說，排序、分頁、分組一直就是一個比較復雜的問題。避免此問題需要好好地設計分庫、分表策略。同時根據特定的場景來解決問題。也可以 充分利用海量數據存儲（Hadoop-HDFS|Hive|HBse）、搜索引擎（Lucene|Solr）及分布式計算（MapReduce）等技術來 解決問題。
別外，也可以用NoSQL技術替代關系性數據庫來解決問題，比如MogonDB\redis。