-
Notifications
You must be signed in to change notification settings - Fork 22
水平数据分区、垂直数据分区和功能数据分区
参考资料:
官方-水平数据分区、垂直数据分区和功能数据分区
数据库分库分表思路
以下内容摘抄自数据库怎么分库分表,垂直?水平?
不管是IO瓶颈,还是CPU瓶颈,最终都会导致数据库的活跃连接数增加,进而逼近甚至达到数据库可承载活跃连接数的阈值。在业务Service来看就是,可用数据库连接少甚至无连接可用。接下来就可以想象了吧(并发量、吞吐量、崩溃)。
1、IO瓶颈
第一种:磁盘读IO瓶颈,热点数据太多,数据库缓存放不下,每次查询时会产生大量的IO,降低查询速度 -> 分库
和垂直分表
。
第二种:网络IO瓶颈,请求的数据太多,网络带宽不够 -> 分库
。
2、CPU瓶颈
第一种:SQL问题,如SQL中包含join,group by,order by,非索引字段条件查询等,增加CPU运算的操作 ->,建立合适的索引
,在业务Service层进行业务计算。
第二种:单表数据量太大,查询时扫描的行太多,SQL效率低,增加CPU运算的操作 -> 水平分表
。
1、概念:以字段
为依据,按照一定策略(hash、range等),将一个库中的数据拆分到多个库
中。
2、结果:
每个库的结构都一样
;
每个库的数据都不一样
,没有交集
;
所有库的并集
是全量
数据;
3、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分库。
4、分析:库多了,io和cpu的压力自然可以成倍缓解。
1、概念: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。
2、结果:
每个表的结构都一样
;
每个表的数据都不一样
,没有交集
;
所有表的并集
是全量
数据;
3、场景:系统绝对并发量并没有上来,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。
4、分析:表的数据量少了,单次SQL执行效率高,自然减轻了CPU的负担。
1、概念: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。
2、结果:
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;
3、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。
4、分析:到这一步,基本上就可以服务化了。例如,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。再有,随着业务的发展孵化出了一套业务模式,这时可以将相关的表拆到单独的库中,甚至可以服务化。
1、概念: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(主表和扩展表)
中。
2、结果:
2.1、每个表的结构都不一样
;
2.2、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;
2.3、所有表的并集
是全量
数据;
3、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的随机读IO,产生IO瓶颈。
4、分析:可以用列表页和详情页来帮助理解。垂直分表的拆分原则是将热点数据(可能会冗余经常一起查询的数据)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。拆了之后,要想获得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负担并且会讲两个表耦合在一起(必须在一个数据库实例上)。关联数据,应该在业务Service层做文章,分别获取主表和扩展表数据然后用关联字段关联得到全部数据。
1、sharding-sphere:jar,前身是sharding-jdbc;
2、TDDL:jar,Taobao Distribute Data Layer;
3、Mycat:中间件。
注:工具的利弊,请自行调研,官网和社区优先。
根据容量(当前容量和增长量)评估分库或分表个数 -> 选key(均匀)-> 分表规则(hash或range等)-> 执行(一般双写)-> 扩容问题(尽量减少数据的移动)。
1、分库分表,首先得知道瓶颈在哪里,然后才能合理地拆分(分库还是分表?水平还是垂直?分几个?)。且不可为了分库分表而拆分。
2、选key很重要,既要考虑到拆分均匀,也要考虑到非partition key的查询。
3、只要能满足需求,拆分规则越简单越好。