数据库分库分表原理_为什么要分库分表

数据库架构的演变

在业务数据量比较少的时代，我们使用单机数据库就能满足业务使用，随着业务请求量越来越多，数据库中的数据量快速增加，这时单机数据库已经不能满足业务的性能要求，数据库主从复制架构随之应运而生。

主从复制是将数据库写操作和读操作进行分离，使用多个只读实例（slaver replication）负责处理读请求，主实例（master）负责处理写请求，只读实例通过复制主实例的数据来保持与主实例的数据一致性。由于只读实例可以水平扩展，所以更多的读请求不成问题，随着云计算、大数据时代的到来，事情并没有完美的得以解决，当写请求越来越多，主实例的写请求变成主要的性能瓶颈。

如何解决上述问题？如果仅仅通过增加一个主实例来分担写请求，写操作如何在两个主实例之间同步来保证数据一致性，如何避免双写，问题会变的更加复杂。这时就需要用到分库分表（sharding），对写操作进行切分来解决，如图1所示：

图1：典型的读写分离和分库分表

华为云中间件产品DDM（Distributed Database Middleware）作为RDS的前置分布式数据库访问服务，彻底解决了数据库的扩展性问题，对应用透明地实现海量数据的高并发访问，实现了读写分离和分库分表。

数据分片的实现方案

数据分片的实现方案可分为应用层分片和中间件分片，这两种实现方案的特点如图2所示：

图2：应用层分片和中间件分片

DDM作为一款优秀的分布式数据库中间件产品，实现了读写分离和数据分片功能，使用DDM来分库分表，应用0改动，对应用完全透明。

分库分表的切分方式

数据的切分（Sharding）根据其切分规则的类型，可以分为两种切分模式。一种是按照不同的表（或者Schema）来切分到不同的数据库（主机）之上，这种切分方式可以称之为数据的垂直（纵向）切分；另外一种则是根据表中的数据的逻辑关系，将同一个表中的数据按照某种条件拆分到多台数据库（主机）上面，这种切分称之为数据的水平（横向）切分。

垂直切分最大特点就是规则简单，实施也更为方便，尤其适合各业务之间的耦合度非常低，相互影响很小，业务逻辑非常清晰的系统。在这种系统中，可以很容易做到将不同业务模块所使用的表分拆到不同的数据库中。根据不同的表来进行拆分，对应用程序的影响也更小，拆分规则也会比较简单清晰。

水平切分于垂直切分相比，相对来说稍微复杂一些。因为要将同一个表中的不同数据拆分到不同的数据库中，对于应用程序来说，拆分规则本身比根据表名来拆分更为复杂，后期的数据维护也会更为复杂一些。

具体而言，如果单个库太大，这时我们要看是因为表多而导致数据多，还是因为单张表里面的数据多。如果是因为表多而数据多，使用垂直切分，根据业务切分成不同的库。如果是因为单张表的数据量太大，这时要用水平切分，即把表的数据按某种规则切分成多张表，甚至多个库上的多张表。分库分表的顺序应该是先垂直分，后水平分。因为垂直分更简单，更符合我们处理现实世界问题的方式。

水平切分

相对于垂直拆分，水平拆分不是将表做分类，而是按照某个字段的某种规则来分散到多个库之中，每个表中包含一部分数据。简单来说，我们可以将数据的水平切分理解为是按照数据行的切分，就是将表中的某些行切分到一个数据库，而另外的某些行又切分到其他的数据库中，如图3：

图3：水平切分

水平切分的优点

1、拆分规则抽象好，join操作基本可以数据库做。

2、不存在单库大数据，高并发的性能瓶颈。

3、应用端改造较少。

4、 提高了系统的稳定性跟负载能力。

水平切分的缺点

1、拆分规则难以抽象。

2、分片事务一致性难以解决。

3、数据多次扩展难度跟维护量极大。

4、跨库join性能较差。

水平切分的典型分片规则

1、HASH取模

例如：取用户id，然后hash取模，分配到不同的数据库上。

2、RANGE

例如：从0到10000一个表，10001到20000一个表。

3、时间

按照时间切分，例如：将6个月前，甚至一年前的数据切出去放到另外的一张表，因为随着时间流逝，这些表的数据被查询的概率变小，所以没必要和”热数据“放在一起，这个也是“冷热数据分离”。

切分原则一般是根据业务找到适合的切分规则分散到不同的库，如图4，根据用户ID取模作为切分规则。

图4：根据userid取模进行切分

垂直切分

一个数据库由很多表的构成，每个表对应着不同的业务，垂直切分是指按照业务将表进行分类，分布到不同的数据库上面，这样也就将数据或者说压力分担到不同的库上面，如图5：

图5：垂直切分

垂直切分的优点

1、数据维护简单。

2、拆分后业务清晰，拆分规则明确。

3、系统之间整合或扩展容易。

垂直切分的缺点

1、事务处理复杂。

2、部分业务表无法join，只能通过接口方式解决，提高了系统复杂度。

3、受每种业务不同的限制存在单库性能瓶颈，不易数据扩展跟性能提高。

由于垂直切分是按照业务的分类将表分散到不同的库，所以有些业务表会过于庞大，存在单库读写与存储瓶颈，所以就需要水平拆分来做解决。

切分原则

由于数据切分后数据Join的难度，在此也分享一下数据切分的经验：

第一原则：能不切分尽量不要切分。

第二原则：如果要切分一定要选择合适的切分规则，提前规划好。

第三原则：数据切分尽量通过数据冗余或表分组（Table Group）来降低跨库Join的可能。

第四原则：由于数据库中间件对数据Join实现的优劣难以把握，而且实现高性能难度极大，业务读取尽量少使用多表Join。

分库分表后的问题和应对策略

分库分表主要用于应对当前互联网常见的两个场景：海量数据和高并发。然而，分库分表是一把双刃剑，虽然很好的应对海量数据和高并发对数据库的冲击和压力，但也提高了系统的复杂度和维护成本，带来一些问题。

1
事务支持

在分库分表后，就成为分布式事务了，如何保证数据的一致性成为一个必须面对的问题。一般情况下，使存储数据尽可能达到用户一致，保证系统经过一段较短的时间的自我恢复和修正，数据最终达到一致。

2

分页与排序问题

一般情况下，列表分页时需要按照指定字段进行排序。在单库单表的情况下，分页和排序也是非常容易的。但是，随着分库与分表的演变，也会遇到跨库排序和跨表排序问题。为了最终结果的准确性，需要在不同的分表中将数据进行排序并返回，并将不同分表返回的结果集进行汇总和再次排序，最后再返回给用户。

3

表关联问题

在单库单表的情况下，联合查询是非常容易的。但是，随着分库与分表的演变，联合查询就遇到跨库关联的问题。粗略的解决方法：ER分片：子表的记录与所关联的父表记录存放在同一个数据分片上。全局表：基础数据，所有库都拷贝一份。字段冗余：这样有些字段就不用join去查询了。ShareJoin：是一个简单的跨分片join，目前支持2个表的join,原理就是解析SQL语句，拆分成单表的SQL语句执行，然后把各个节点的数据汇集。

4

分布式全局唯一ID

在单库单表的情况下，直接使用数据库自增特性来生成主键ID，这样确实比较简单。在分库分表的环境中，数据分布在不同的分表上，不能再借助数据库自增长特性，需要使用全局唯一ID。

分库分表案例

某税务核心征管系统，全国34个省国/地税，电子税务局15省格局。

技术路径：核心征管 + 纳税服务 业务应用分布式上云改造。

业务挑战

1
数据查询时间3-5秒，响应速度慢严重影响体验

当前业务逻辑大量放在数据库层，一个办税业务的事务边界过大（40条SQL语句），涉及以“申报”、“发票”大表为主的多张表关联事务操作，导致业务查询响应速度慢。

2

亿级数据快速的增长，挑战业务性能瓶颈

省级税务局，办税高峰期承载百万级用户并发量，3000-5000TPS。现网分析得到数据：核心征管库近1000张表，其中“申报”、“发票”业务表数据量大、增长快，是主要瓶颈表；发票综合信息：每省10亿级条记录，每年千万到亿条记录级别增量；申报信息表：亿级记录数据量。

解决方案

1
垂直分库、微服务分解数据库压力，降低单业务sql数

基于微服务将大事务拆解为异步小事务，业务逻辑从数据库层面剥离。拆分主库数据，将大表垂直拆分到多个数据库中，一个业务40条SQL缩减到20条SQL，达到分解数据库压力的目的。

2

数据分片支撑海量数据增长，线性提升业务处理速度

单表亿级记录以纳税人作为拆分键，拆分到RDS-MySQL 的128个分片上。实现支撑海量数据的存储。拆分后数据库设计简洁、简单，数据库的表之间不设外键，不写触发器，不写存储过程，实现数据库记录的水平扩展。

3

读写分离提升查询性能

DDM自动实现读写分离，透明地完成写操作和读操作的分发，应用程序无需做特殊的改动和处理逻辑。写操作分发到RDS主实例，读操作自动分发到RDS的多个读实例上，这样写操作不会影响读操作的并发，读并发业务增长时只需要按需增加只读实例即可。

企业受益

1
使用了DDM之后，轻松突破原来的性能瓶颈，一次业务操作，原来需要3到5秒，现在只需要1秒。

2

读写操作通过DDM的自动读写分离，在不改动业务情况下，轻松提升了整体的读写并发能力。

参考文献：

[1]. Mycat权威指南

干货丨数据库分库分表基础和实践

原文地址：https://blog.51cto.com/15049785/2561507