数据库分库分表方案

发布时间:2024年01月05日

一、为什么要数据库分库分表

随着业务的快速发展,数据库中的数据量越来越多,访问性能也逐渐变慢。关系型数据库本身就比较容易成为系统瓶颈,在单机情况下存量容量、连接数、处理能力都有限,当数据量达到一定数量级后,常规的sql优化已经难以提升数据库操作的性能。

当应用服务出现性能瓶颈时,我们会考虑增加实例、拆分功能来提升性能,同样当数据库出现性能瓶颈时,我们也可以通过类似的方式来提升性能,也就是对数据库进行分库分表。

从资源角度来看以下几个问题会导致数据库出现性能瓶颈:

  1. 单表数据量太大,查询时扫描的行数太多,消耗大量cpu资源。
  2. 热点数据太多,无法全部放到缓存中,每次查询会产生大量的IO。
  3. 请求数据太多,网络带宽不够用。

二、分库分表方式

分库分表包括水平分表、水平分库、垂直分表、垂直分库四种。

1、水平分表:以字段为依据,按照一定策略(hash、range等),将一个表中的数据拆分到多个表中,单表的数据量少了,单次执行SQL执行效率就高了,自然减轻了CPU的负担。

水平分表的特点是:每个表的结构都一样;每个表的数据不一样,没有交集;所有表的并集是全量数据。

水平分表适合的场景:系统绝对并发量没有上来,只是单表的数据量太多,影响了SQL效率,加重了CPU负担,以至于成为瓶颈。

2、水平分库:以字段为依据,按照一定的策略(hash、range等),将一个库中的数据拆分到多个库中,数据库多了,IO和CPU的压力自然可以成倍缓解。

水平分库的特点是:每个库的结构都一样;每个库中的数据不一样,没有交集;所有库的数据并集是全量数据。

水平分库适合的场景:系统绝对并发量上来了,分表难以根本上解决问题,并且还没有明显的业务归属来垂直划分。

3、垂直分表:?以字段为依据,按照字段的活跃性,将表中字段拆到不同的表中(主表和扩展表)。垂直分表的拆分原则是将热点数据(可能经常会查询的数据)放在一起作为主表,非热点数据放在一起作为扩展表,这样更多的热点数据就能被缓存下来,进而减少了随机读IO。要想获取全部数据就需要关联两个表来取数据。但记住千万别用join,因为Join不仅会增加CPU负担并且会将两个表耦合在一起(必须在一个数据库实例上)。关联数据应该在service层进行,分别获取主表和扩展表的数据,然后用关联字段关联得到全部数据。

垂直分表的特点:每个表的结构不一样;每个表的数据也不一样,一般来说,每个表的字段至少有一列交集,一般是主键,用于关联数据;所有表的并集是全量数据。

垂直分表适合的场景:系统绝对并发量并没有上来,表的记录并不多,但是字段多,并且热点数据和非热点数据在一起,单行数据所需的存储空间较大,以至于数据库缓存的数据行减少,查询时会去读磁盘数据产生大量随机读IO,产生IO瓶颈。

4、垂直分库:以表为依据,按照业务归属不同,将不同的表拆分到不同的库中,随着业务的发展,一些公用的配置表、字典表等越来越多,这时可以将这些表拆到单独的库中,甚至可以服务化。

垂直分库的特点:每个库的结构都不一样;每个库的数据也不一样,没有交集;所有库的并集是全量数据。

垂直分库适合的场景:系统绝对并发量上来了,并且可以抽象出单独的业务模块。?

三、分库分表带来的问题

分库分表能有效缓解单机和单表带来的性能瓶颈和压力,突破网络IO、硬件资源、连接数的瓶颈,同时也带来一些问题。

1、事务一致性问题

当更新内容同时存在于不同数据库时,不可避免会带来跨库事务问题。对于这一问题可以采用以下解决方案。

1.1分布式事务:分布式事务能最大限度保证了数据库操作的原子性。但在提交事务时需要协调多个节点,推后了提交事务的时间点,延长了事务的执行时间,导致事务在访问共享资源时发生冲突或死锁的概率增高。随着数据库节点的增多,这种趋势会越来越严重,从而成为系统在数据库层面上水平扩展的枷锁。

1.2最终一致性:对于那些性能要求很高,但对一致性要求不高的系统,往往不苛求系统的实时一致性,只要在允许的时间段内达到最终一致性即可,可采用事务补偿的方式。与事务在执行中发生错误立刻回滚的方式不同,事务补偿是一种事后检查补救的措施,一些常见的实现方法有:对数据进行对账检查,基于日志进行对比,定期同标准数据来源进行同步等。

2、跨节点关联查询join问题

切分之前,系统中很多列表和详情表的数据可以通过join来完成,但是切分之后,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。可以采用以下解决方案。

1.1全局表:也可看做“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。这些数据通常很少修改,所以不必担心一致性的问题。

1.2字段冗余:一种典型的反范式设计,利用空间换时间,为了性能而避免join查询。例如,订单表在保存userId的时候,也将userName也冗余的保存一份,这样查询订单详情顺表就可以查到用户名userName,就不用查询买家user表了。但这种方法适用场景也有限,比较适用依赖字段比较少的情况,而冗余字段的一致性也较难保证。

1.3数据组装:在系统service业务层面,分两次查询,第一次查询的结果集找出关联的数据id,然后根据id发起器二次请求得到关联数据,最后将获得的结果进行字段组装。这是比较常用的方法。

1.4ER分片:关系型数据库中,如果已经确定了表之间的关联关系(如订单表和订单详情表),并且将那些存在关联关系的表记录存放在同一个分片上,那么就能较好地避免跨分片join的问题,可以在一个分片内进行join。在1:1或1:n的情况下,通常按照主表的ID进行主键切分。

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,当排序字段就是分页字段时,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.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。如果取得页数很大,情况就变得复杂的多,因为各分片节点中的数据可能是随机的,为了排序的准确性,需要将所有节点的前N页数据都排序好做合并,最后再进行整体排序,这样的操作很耗费CPU和内存资源,所以页数越大,系统性能就会越差。 在使用Max、Min、Sum、Count之类的函数进行计算的时候,也需要先在每个分片上执行相应的函数,然后将各个分片的结果集进行汇总再次计算。

4、全局主键防重问题

在分库分表环境中,由于表中数据同时存在不同数据库中,主键值平时使用的自增长将无用武之地,某个分区数据库自生成ID无法保证全局唯一。因此需要单独设计全局主键,避免跨库主键重复问题。可以采用以下解决方案。

? ? ? ?1.1 UUID:?UUID是最简单的方案,本地生成,性能高,没有网络耗时,但是缺点明显,占用存储空间多,另外作为主键建立索引和基于索引进行查询都存在性能问题,尤其是InnoDb引擎下,UUID的无序性会导致索引位置频繁变动,导致分页。

1.2结合数据库维护主键ID表:在数据库中建立sequence表,可以同时为多张表生辰全局ID,不用担心并发时两次读取同一个ID。此方案较为简单,但缺点较为明显,存在单点问题,强依赖DB,当DB异常时,整个系统不可用,配置主从可以增加可用性。另外性能瓶颈限制在单台数据库的读写性能上;另有一种主键生成策略,类似sequence表方案,更好的解决了单点和性能瓶颈问题。这一方案的整体思想是:建立2个以上的全局ID生成的服务器,每个服务器上只部署一个数据库,每个库有一张sequence表用于记录当前全局ID。?表中增长的步长是库的数量,起始值依次错开,这样就能将ID的生成散列到各个数据库上,这种方案将生成ID的压力均匀分布在两台机器上,同时提供了系统容错,第一台出现了错误,可以自动切换到第二台获取ID。但有几个缺点:系统添加机器,水平扩展较复杂;每次获取ID都要读取一次DB,DB的压力还是很大,只能通过堆机器来提升性能。

1.3 Snowflake分布式自增ID算法:Twitter的snowfalke算法解决了分布式系统生成全局ID的需求,生成64位Long型数字,组成部分:第一位未使用,0表示正数;接下来的41位是毫秒级时间,41位的长度可以表示69年的时间;5位datacenterId、5位workerId,10位长度最多支持部署1024个节点;最后12位是毫秒内计数,12位的计数顺序号支持每个节点每毫秒产生4096个ID序列。

5、数据迁移、扩容问题

当业务高速发展、面临性能和存储瓶颈时,才会考虑分片设计,此时就不可避免的需要考虑历史数据的迁移问题。一般做法是先读出历史数据,然后按照指定的分片规则再将数据写入到各分片节点中。此外还需要根据当前的数据量个QPS,以及业务发展速度,进行容量规划,推算出大概需要多少分片(一般建议单个分片的单表数据量不超过1000W)。

四、什么时候要考虑分库分表

并不是所有表都需要切分,主要还是看数据的增长速度。切分后在某种程度上提升了业务的复杂程度。不到万不得已不要轻易使用分库分表这个“大招”,避免“过度设计”和“过早优化”。分库分表之前,先尽力做力所能及的优化:升级硬件、升级网络、读写分离、索引优化等。当数据量达到单表瓶颈后,再考虑分库分表。一般情况下出现以下几种情况可以考虑分库分表。

1、数据量过大,正常运维影响业务访问,例如:对数据库备份,如果单表太大,备份时需要大量的磁盘IO和网络IO;对一个很大的表做DDL,会锁住整个表,这个时间会很长,这段时间业务不能访问此表,影响很大;大表经常访问和更新,就更有可能出现锁等待。

2、随着业务的发展,需要对某些字段垂直拆分,将某些不经常访问的字段从大表中分离出去,保证常用数据的操作效率。

3、单表数据量过大,数据库性能达到瓶颈且较难通过sql优化提升性能,就需要考虑水平切分,做分库分表了。

文章来源:https://blog.csdn.net/2302_79423711/article/details/135407337
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。