分库分表零基础

一、前言

中大型项目中，一旦遇到数据量比较大，就应该对数据进行拆分。有垂直和水平两种 。

垂直拆分也就是本来一个数据库，数据量大之后，从业务角度进行拆分多个库。

水平拆分，是同一个业务数据量大之后，进行水平拆分。

mysql单表存储量推荐是百万级，如果不进行处理，mysql单表数据太大，会导致性能变慢。
把4000万数据拆分4张表或者更多，当然也可以分库，再分表；把压力从数据库层级分开（这里不讨论）

二、分库分表方案
常用方案：hash取模和range范围方案。分表方案最主要就是路由算法，把路由的key按照指定的算法进行路由存放。

1、hash取模方案

hash的方案就是对指定的路由key（如：id）对分表总数进行取模
在我们设计系统之前，可以先预估一下大概这几年的订单量，如：4000万。每张表我们可以容纳1000万，也我们可以设计4张表进行存储。

优点：
订单数据可以均匀的放到那4张表中，这样此订单进行操作时，就不会有热点问题。
热点的含义：热点的意思就是对订单进行操作集中到1个表中，其他表的操作很少。
订单有个特点就是时间属性，一般用户操作订单数据，都会集中到这段时间产生的订单。如果这段时间产生的订单 都在同一张订单表中，那就会形成热点，那张表的压力会比较大。

缺点：
将来的数据迁移和扩容，会很难。
数据迁移带来了很多工作量，每次扩容都要做数据迁移

假设业务发展很好，订单量很大，超出了4000万的量，那我们就需要增加分表数。如果我们增加4个表

一旦我们增加了分表的总数，取模的基数就会变成8，以前id=12的订单按照此方案就会到4表中查询，但之前的此订单时在0表的，这样就导致了数据查不到。就是因为取模的基数产生了变化。

遇到这个情况，我们小伙伴想到的方案就是做数据迁移，把之前的4000万数据，重新做一个hash方案，放到新的规划分表中。也就是我们要做数据迁移。

这个是很痛苦的事情。有些小公司可以接受晚上停机迁移，但大公司是不允许停机做数据迁移的。

2、range范围方案
就是以范围进行拆分数据

把一定范围内的订单，存放到一个表中。
设计这个方案时就是前期把表的范围设计好。通过id进行路由存放

优点
有利于将来的扩容，不需要做数据迁移。即时再增加4张表，之前的4张表的范围不需要改变，id=12的还是在0表，id=1300万的还是在1表，新增的4张表他们的范围肯定是 大于 4000万之后的范围划分的。

缺点
有热点问题，id的值会一直递增变大，那这段时间的订单是不是会一直在某一张表中，如id=1000万 ～ id=2000万之间，这段时间产生的订单是不是都会集中到此张表中，这个就导致1表过热，压力过大，而其他的表没有什么压力。

3、总结：
hash取模方案 ：没有热点问题，但扩容迁移数据痛苦 range方案 ：不需要迁移数据，但有热点问题。

即不需要迁移数据，又能解决数据热点的问题呢？
还有一个现实需求，能否根据服务器的性能以及存储高低，适当均匀调整存储呢？

三、方案思路：
我们考虑一下数据的扩容代表着，路由key（如id）的值变大了，这个是一定的，那我们先保证数据变大的时候，首先用range方案让数据落地到一个范围里面 。这样以后id再变大，那以前的数据是不需要迁移的 。

但又要考虑到数据均匀 ，那是不是可以在一定的范围内数据均匀 的呢？因为我们每次的扩容肯定会事先设计好这次扩容的范围大小 ，我们只要保证这次的范围内的数据均匀 是不是就ok了。

四、方案设计

定义一个group组概念，这组里面包含了一些分库（DB_0）以及分表(Table_0)

几个关键点
1）id=0～4000万肯定落到group01组中
2）group01组有3个DB，id如何路由到哪个DB？
3）根据hash取模定位DB，模数为所有此group组DB中总表数为10。
4）如id=12，id%10=2；那值为2。
5）一旦设计定位哪个DB后，就需要确定落到DB中的哪张表

核心流程

id在【0，1000万】范围内的，1000万以内的id都均匀的分配到DB_0,DB_1,DB_2三个数据库中的Table_0表中

安排服务器时，有些服务器的性能高，存储高，就可以安排多存放些数据，有些性能低的就少放点数据。

对10进行取模，如果hash值为【0，1，2，3】就路由到DB_0，【4，5，6】路由到DB_1，【7，8，9】路由到DB_2。
千万不要被DB_1或DB_2中table的范围也是0～4000万疑惑了，这个是范围区间，也就是id在哪些范围内，落地到哪个表而已。

上面就解决了热点的问题，以及可以按照服务器指标，设计数据量的分配。

五、扩容
扩容的时候再设计一个group02组，定义好此group的数据范围就ok了。

因为是新增的一个group02组，所以就没有什么数据迁移概念，完全是新增的组，而且这个group组照样就防止了热点，也就是【4000万，5500万】的数据，都均匀分配到三个DB的table_0表中，【5500万～7000万】数据均匀分配到table_1表中。

六、系统设计
思路确定了，3张表，把group，DB，table之间建立好关联关系。

查询三张关联表，可以保存到缓存中（本地jvm缓存），这样不会影响性能。

一旦需要扩容，小伙伴是不是要增加一下group02关联关系，那应用服务需要重新启动吗？
其实方案也很多，可以使用用zookeeper，也可以使用分布式配置，这里是比较推荐使用分布式配置中心的，可以将这些数据配置到分布式配置中心去。