共计 6422 个字符，预计需要花费 17 分钟才能阅读完成。
大家好，我是小富～
说在前边
明天是《分库分表 ShardingSphere 原理与实战》系列的开篇文章，之前写过几篇对于分库分表的文章反应都还不错，到当初 公众号: 程序员小富 后盾一直的有人留言、征询分库分表的问题，我也没想到大家对于分库分表的话题会这么感兴趣，可能很多人的工作内容业务量较小很难接触到这方面的技能。这个系列在我脑子里策划了挺久的，奈何手说啥也不干活，就始终拖到了当初。
其实网上对于分库分表相干的文章很多，但我还是保持出这个系列，次要是本人学习钻研，顺便给分享，对于一个常识，不同的人从不同的角度了解的不尽相同。
网上的材料看似很多，不过值得学有价值的得认真挑，很多时候在筛选甄别的过程中，逐步的磨灭了本就不高的学习激情。搬运剽窃雷同的货色太多，而且知识点又都比拟系统，很少有粗疏的原理实战案例。对老手来说妥妥的从入门到放弃，即使有成体系的基本上几篇后就断更了（心愿我不会吧！）。
我不太喜爱堆砌名词概念，相熟我的敌人不难发现，我的文章素来都是讲完原理紧跟着来一波实战操作。学习技术原理必须配合实操坚固一下，不然三天半不到忘得干干净净，纯纯的经验之谈。
上图是我初步列举的 ShardingSphere 提纲，在官网文档根底上补充了很多基础知识，这个系列会用几十篇文章，具体的梳理分库分表基础理论，手把手的实战 ShardingSphere 5.X 框架的性能和解读源码，以及开发中容易踩坑的点，每篇附带代码案例 demo，旨在让老手也能看的懂，后续系列完结全部内容会整顿成 PDF 分享给大家，期待一下吧！
话不多说，咱们这就进入正题～
不急于上手实战 ShardingSphere 框架，先来温习下分库分表的根底概念，技术名词大多艰涩难懂，不要死记硬背了解最重要，当你捅破那层窗户纸，发现其实它也就那么回事。
什么是分库分表
分库分表是在海量数据下，因为单库、表数据量过大，导致数据库性能继续降落的问题，演变出的技术计划。
分库分表是由 分库 和分表 这两个独立概念组成的，只不过通常分库与分表的操作会同时进行，以至于咱们习惯性的将它们合在一起叫做分库分表。
通过肯定的规定，将本来数据量大的数据库拆分成多个独自的数据库，将本来数据量大的表拆分成若干个数据表，使得繁多的库、表性能达到最优的成果（响应速度快），以此晋升整体数据库性能。
为什么分库分表
单机数据库的存储能力、连接数是无限的，它本身就很容易会成为零碎的瓶颈。当单表数据量在百万以里时，咱们还能够通过增加从库、优化索引晋升性能。
一旦数据量朝着千万以上趋势增长，再怎么优化数据库，很多操作性能仍降落重大。为了缩小数据库的累赘，晋升数据库响应速度，缩短查问工夫，这时候就须要进行分库分表。
为什么须要分库？
容量
咱们给数据库实例调配的磁盘容量是固定的，数据量继续的大幅增长，用不了多久单机的容量就会承载不了这么多数据，解决办法简略粗犷，加容量！
连接数
单机的容量能够随便扩大，但数据库的连接数却是无限的，在高并发场景下多个业务同时对一个数据库操作，很容易将连接数耗尽导致 too many connections 报错，导致后续数据库无奈失常拜访。
能够通过 max_connections 查看 MySQL 最大连接数。
show variables like '%max_connections%'将本来单数据库按不同业务拆分成订单库、物流库、积分库等不仅能够无效摊派数据库读写压力，也进步了零碎容错性。
为什么须要分表？
做过报表业务的同学应该都体验过，一条 SQL 执行工夫超过几十秒的场景。
导致数据库查问慢的起因有很多，SQL 没命中索引、like 扫全表、用了函数计算，这些都能够通过优化伎俩解决，可唯独数据量大是 MySQL 无奈通过本身优化解决的。慢的根本原因是 InnoDB 存储引擎，聚簇索引构造的 B+tree 层级变高，磁盘 IO 变多查问性能变慢，具体原理自行查找一下，这里不必过多篇幅阐明。
阿里的开发手册中有条倡议，单表行数超 500 万行或者单表容量超过 2GB，就举荐分库分表，然而现实和实现总是有差距的，阿里这种体量的公司不差钱当然能够这么用，实际上很多公司单表数据几千万、亿级别依然不抉择分库分表。
什么时候分库分表
技术群里常常会有小伙伴问，到底什么状况下会用分库分表呢？
分库分表要解决的是 现存海量数据 拜访的性能瓶颈，对 继续激增 的数据量所做出的架构预见性。
是否分库分表的要害指标是数据量 ，咱们以fire100.top 这个网站的资源表 t_resource为例，零碎在运行初始的时候，每天只有可怜的几十个资源上传，这时应用单库、单表的形式足以支持系统的存储，数据量小简直没什么数据库性能瓶颈。
但某天开始一股神秘的流量进入，零碎每日产生的资源数据量暴增至十万甚至上百万级别，这时资源表数据量达到千万级，查问响应变得迟缓，数据库的性能瓶颈逐步浮现。
以 MySQL 数据库为例，单表的数据量在达到亿条级别，通过加索引、SQL 调优等传统优化策略，性能晋升仍旧微不足道时，就能够思考做分库分表了。
既然 MySQL 存储海量数据时会呈现性能瓶颈，那么咱们是不是能够思考用其余计划代替它？比方高性能的非关系型数据库MongoDB？
能够，但要看存储的数据类型！
当初互联网上大部分公司的外围数据简直是存储在关系型数据库（MySQL、Oracle 等），因为它们有着 NoSQL 如法比较的稳定性和可靠性，产品成熟生态系统欠缺，还有外围的事务性能个性，也是其余存储工具不具备的，而评论、点赞这些非核心数据还是能够思考用 MongoDB 的。
如何分库分表
分库分表的外围就是对数据的分片（
Sharding）并绝对平均的路由在不同的库、表中，以及分片后对数据的疾速定位与检索后果的整合。
分库与分表能够从：垂直（纵向）和 程度（横向）两种纬度进行拆分。下边咱们以经典的订单业务举例，看看如何拆分。
垂直拆分
1、垂直分库
垂直分库一般来说依照业务和性能的维度进行拆分，将不同业务数据别离放到不同的数据库中，核心理念 专库专用。
按业务类型对数据拆散，剥离为多个数据库，像订单、领取、会员、积分相干等表放在对应的订单库、领取库、会员库、积分库。不同业务禁止跨库直连，获取对方业务数据一律通过 API 接口交互，这也是微服务拆分的一个重要依据。
垂直分库很大水平上取决于业务的划分，但有时候业务间的划分并不是那么清晰，比方：电商中订单数据的拆分，其余很多业务都依赖于订单数据，有时候界限不是很好划分。
垂直分库把一个库的压力摊派到多个库，晋升了一些数据库性能，但并没有解决因为单表数据量过大导致的性能问题，所以就须要配合后边的分表来解决。
2、垂直分表
垂直分表针对业务上字段比拟多的大表进行的，个别是把业务宽表中比拟独立的字段，或者不罕用的字段拆分到独自的数据表中，是一种大表拆小表的模式。
例如：一张 t_order 订单表上有几十个字段，其中订单金额相干字段计算频繁，为了不影响订单表 t_order 的性能，就能够把订单金额相干字段拆出来独自保护一个 t_order_price_expansion 扩大表，这样每张表只存储原表的一部分字段，通过订单号 order_no 做关联，再将拆分进去的表路由到不同的库中。
数据库它是以行为单位将数据加载到内存中，这样拆分当前外围表大多是拜访频率较高的字段，而且字段长度也都较短，因此能够加载更多数据到内存中，缩小磁盘 IO，减少索引查问的命中率，进一步晋升数据库性能。
程度拆分
上边垂直分库、垂直分表后还是会存在单库、表数据量过大的问题，当咱们的利用曾经无奈在细粒度的垂直切分时，仍旧存在单库读写、存储性能瓶颈，这时就要配合程度分库、程度分表一起了。
1、程度分库
程度分库是把同一个表按肯定规定拆分到不同的数据库中，每个库能够位于不同的服务器上，以此实现程度扩大，是一种常见的晋升数据库性能的形式。
例如：db_orde_1、db_order_2两个数据库内有完全相同的 t_order 表，咱们在拜访某一笔订单时能够通过对订单的订单编号取模的形式 订单编号 mod 2（数据库实例数），指定该订单应该在哪个数据库中操作。
这种计划往往能解决单库存储量及性能瓶颈问题，但因为同一个表被调配在不同的数据库中，数据的拜访须要额定的路由工作，因而零碎的复杂度也被晋升了。
2、程度分表
程度分表是在 同一个数据库内，把一张大数据量的表按肯定规定，切分成多个构造完全相同表，而每个表只存原表的一部分数据。
例如：一张 t_order 订单表有 900 万数据，通过程度拆分进去三个表，t_order_1、t_order_2、t_order_3，每张表存有数据 300 万，以此类推。
程度分表只管拆分了表，但子表都还是在同一个数据库实例中，只是解决了繁多表数据量过大的问题，并没有将拆分后的表扩散到不同的机器上，还在竞争同一个物理机的 CPU、内存、网络 IO 等。要想进一步晋升性能，就须要将拆分后的表扩散到不同的数据库中，达到分布式的成果。
数据存在哪个库的表
分库分表当前会呈现一个问题，一张表会呈现在多个数据库里，到底该往哪个库的哪个表里存呢？
上边咱们屡次提到过 肯定规定，其实这个规定它是一种路由算法，决定了一条数据具体应该存在哪个数据库的哪张表里。
常见的有 取模算法 、 范畴限定算法 、 范畴 + 取模算法 、 预约义算法
1、取模算法
关键字段取模（对 hash 后果取余数 hash(XXX) mod N)，N 为数据库实例数或子表数量）是最为常见的一种路由形式。
以 t_order 订单表为例，先给数据库从 0 到 N- 1 进行编号，对 t_order订单表中 order_no 订单编号字段进行取模 hash(order_no) mod N，失去余数i。i=0 存第一个库，i=1存第二个库，i=2存第三个库，以此类推。
同一笔订单数据会落在同一个库、表里，查问时用雷同的规定，用 t_order 订单编号作为查问条件，就能疾速的定位到数据。
长处
实现简略，数据分布绝对比拟平均，不易呈现申请都打到一个库上的状况。
毛病
取模算法对集群的伸缩反对不太敌对，集群中有 N 个数据库实·hash(user_id) mod N，当某一台机器宕机，本应该落在该数据库的申请就无奈失去解决，这时宕掉的实例会被踢出集群。
此时机器数缩小算法发生变化 hash(user_id) mod N-1，同一用户数据落在了在不同数据库中，等这台机器复原，用user_id 作为条件查问用户数据就会少一部分。
2、范畴限定算法
范畴限定算法以某些范畴字段，如 工夫 或ID 区 拆分。
用户表 t_user 被拆分成 t_user_1、t_user_2、t_user_3 三张表，后续将 user_id 范畴为 1 ~ 1000w 的用户数据放入t_user_1，1000~ 2000w 放入t_user_2，2000~3000w 放入t_user_3，以此类推。按日期范畴划分同理。
长处
- 单表数据量是可控的
- 程度扩大简略只需减少节点即可，无需对其余分片的数据进行迁徙
毛病
- 因为间断分片可能存在
数据热点，比方按工夫字段分片时，如果某一段时间（双 11 等大促）订单骤增，存 11 月数据的表可能会被频繁的读写，其余分片表存储的历史数据则很少被查问，导致数据歪斜，数据库压力摊派不平均。
3、范畴 + 取模算法
为了防止热点数据的问题，咱们能够对上范畴算法优化一下
这次咱们先通过范畴算法定义每个库的用户表 t_user 只存 1000w 数据，第一个 db_order_1 库存放 userId 从 1 ~ 1000w，第二个库 1000~2000w，第三个库 2000~3000w，以此类推。
每个库里再把用户表 t_user 拆分成 t_user_1、t_user_2、t_user_3 等，对 userd 进行取模路由到对应的表中。
无效的防止数据分布不平均的问题，数据库程度扩大也简略，间接增加实例无需迁徙历史数据。
4、地理位置分片
地理位置分片其实是一个更大的范畴，按城市或者地区划分，比方华东、华北数据放在不同的分片库、表。
5、预约义算法
预约义算法是当时曾经明确晓得分库和分表的数量，能够间接将某类数据路由到指定库或表中，查问的时候亦是如此。
分库分表进去的问题
理解了上边分库分表的拆分形式不难发现，相比于拆分前的单库单表，零碎的数据存储架构演变到当初曾经变得非常复杂。看几个具备代表性的问题，比方：
分页、排序、跨节点联结查问
分页、排序、联结查问，这些看似一般，开发中应用频率较高的操作，在分库分表后却是让人十分头疼的问题。把扩散在不同库中表的数据查问进去，再将所有后果进行汇总合并整顿后提供给用户。
比方：咱们要查问 11、12 月的订单数据，如果两个月的数据是扩散到了不同的数据库实例，则要查问两个数据库相干的数据，在对数据合并排序、分页，过程繁琐简单。
事务一致性
分库分表后因为表散布在不同库中，不可避免会带来跨库事务问题。后续会别离以阿里的 Seata 和 MySQL 的 XA 协定实现分布式事务，用来比拟各自的劣势与有余。
全局惟一的主键
分库分表后数据库表的主键 ID 业务意义就不大了，因为无奈在标识惟一一条记录，例如：多张表 t_order_1、t_order_2 的主键 ID 全副从 1 开始会反复，此时咱们须要被动为一条记录调配一个 ID，这个全局惟一的 ID 就叫 分布式 ID，发放这个 ID 的零碎通常被叫发号器。
多数据库高效治理
对多个数据库以及库内大量分片表的高效治理，是十分有必要，因为像某宝这种大厂一次大促下来，订单表可能会被拆分成成千上万个 t_order_n 表，如果没有高效的治理计划，手动建表、排查问题是一件很恐怖的事。
历史数据迁徙
分库分表架构落地当前，首要的问题就是如何平滑的迁徙历史数据，增量数据和全量数据迁徙，这又是一个比拟麻烦的事件，后边具体讲。
分库分表架构模式
分库分表架构次要有两种模式：client客户端模式和 proxy 代理模式
客户模式
client模式指分库分表的逻辑都在你的零碎利用外部进行管制，利用会将拆分后的 SQL 直连多个数据库进行操作，而后本地进行数据的合并汇总等操作。
代理模式
proxy代理模式将应用程序与 MySQL 数据库隔离，业务方的利用不在须要直连数据库，而是连贯 proxy 代理服务，代理服务实现了 MySQL 的协定，对业务方来说代理服务就是数据库，它会将 SQL 散发到具体的数据库进行执行，并返回后果。该服务内有分库分表的配置，依据配置主动创立分片表。
如何抉择
如何抉择 client 模式和 proxy 模式，咱们能够从以下几个方面来简略做下比拟。
1、性能
性能方面 client 模式体现的稍好一些，它是间接连贯 MySQL 执行命令；proxy代理服务则将整个执行链路缩短了，利用 -> 代理服务 ->MySQL，可能导致性能有一些损耗，但两者差距并不是十分大。
2、复杂度
client模式在开发应用通常引入一个 jar 能够；proxy代理模式则须要搭建独自的服务，有肯定的保护老本，既然是服务那么就要思考高可用，毕竟利用的所有 SQL 都要通过它转发至 MySQL。
3、降级
client模式分库分表个别是依赖基础架构团队的 Jar 包，一旦有版本升级或者 Bug 批改，所有利用到的我的项目都要跟着降级。小规模的团队服务少降级问题不大，如果是大公司服务规模大，且波及到跨多部门，那么降级一次老本就比拟高；
proxy模式在降级方面劣势很显著，公布新性能或者修复 Bug，只有重新部署代理服务集群即可，业务方是无感知的，但要保障公布过程中服务的可用性。
4、治理、监控
client模式因为是内嵌在利用内，利用集群部署不太不便对立解决；proxy模式在对 SQL 限流、读写权限管制、监控、告警等服务治理方面更优雅一些。
结束语
本文次要是回顾一下分库分表的一些根底概念，为大家在后续 ShardingSphere 实际中更好上手了解，内容里很多概念一笔带过没具体开展，接下来的篇幅会逐个解读。
下一篇预报《分库分表 ShardingSphere 的根底知识点梳理》
欢送关注 公众号：程序员小富，咱们下期再见！