共计 1910 个字符，预计需要花费 5 分钟才能阅读完成。
数据库分布式核心内容无非就是数据切分（Sharding）以及切分后对数据的定位、整合。数据切分就是将数据扩散存储到多个数据库中，使得繁多数据库中的数据质变小，通过裁减主机的数量缓解繁多数据库的性能问题，从而达到晋升数据库操作性能的目标。
数据切分依据其切分类型，能够分为两种形式：垂直（纵向）切分和程度（横向）切分。
1. 垂直（纵向）切分
垂直切分常见有垂直分库和垂直分表两种。
1.1 垂直分库 就是依据业务耦合性，将关联度低的不同表存储在不同的数据库。做法与大零碎拆分为多个小零碎相似，按业务分类进行独立划分。与 ” 微服务治理 ” 的做法类似，每个微服务应用独自的一个数据库。如图：
将不同模块的数据表分库存储。模块间不互相关联查问
如果有，就须要通过数据冗余或者应层二次加工来解决。这种业务办法和数据结构最清晰。但若不能杜绝跨库关联查问，宣告此路不同
1.2 垂直分表 是基于数据库中的 ” 列 ” 进行，某个表字段较多，能够新建一张扩大表，将不常常用或字段长度较大的字段拆分进来到扩大表中。在字段很多的状况下（例如一个大表有 100 多个字段），通过 ” 大表拆小表 ”，更便于开发与保护，也能防止跨页问题，MySQL 底层是通过数据页存储的，一条记录占用空间过大会导致跨页，造成额定的性能开销。另外数据库以行为单位将数据加载到内存中，这样表中字段长度较短且拜访频率较高，内存能加载更多的数据，命中率更高，缩小了磁盘 IO，从而晋升了数据库性能。
- 解决业务零碎层面的耦合，业务清晰
- 与微服务的治理相似，也能对不同业务的数据进行分级管理、保护、监控、扩大等
- 高并发场景下，垂直切分肯定水平的晋升 IO、数据库连接数、单机硬件资源的瓶颈
毛病：
- 局部表无奈 join，只能通过接口聚合形式解决，晋升了开发的复杂度
- 分布式事务处理简单
- 仍然存在单表数据量过大的问题（须要程度切分）
2. 程度（横向）切分
当一个利用难以再细粒度的垂直切分，或切分后数据量行数微小，存在单库读写、存储性能瓶颈，这时候就须要进行程度切分了。
程度切分分为库内分表和分库分表，是依据表内数据外在的逻辑关系，将同一个表按不同的条件扩散到多个数据库或多个表中，每个表中只蕴含一部分数据，从而使得单个表的数据质变小，达到分布式的成果。如图所示：
绝对纵向切分这一将表分类的做法，此法是按表内每个字段的某个规定来将数据扩散存储于不同的数据库(或不同的表)，也就是依照数行来进行切分数据。
程度切分的长处：
- 不存在单库数据量过大、高并发的性能瓶颈，晋升零碎稳定性和负载能力
- 利用端革新较小，不须要拆分业务模块
毛病：
- 跨分片的事务一致性难以保障
- 跨库的 join 关联查问性能较差
- 数据屡次扩大难度和保护量极大
程度切分后同一张表会呈现在多个数据库 / 表中，每个库 / 表的内容不同。几种典型的数据分片规定为：
2.1 依据数值范畴
依照工夫区间或 ID 区间来切分。例如：按日期将不同月甚至是日的数据扩散到不同的库中；将 userId 为 1~9999 的记录分到第一个库，10000~20000 的分到第二个库，以此类推。某种意义上，某些零碎中应用的 ” 冷热数据拆散 ”，将一些应用较少的历史数据迁徙到其余库中，业务性能上只提供热点数据的查问，也是相似的实际。
这样的长处在于：
- 单表大小可控
- 人造便于程度扩大，前期如果想对整个分片集群扩容时，只须要增加节点即可，无需对其余分片的数据进行迁徙
- 应用分片字段进行范畴查找时，间断分片可疾速定位分片进行疾速查问，无效防止跨分片查问的问题。
毛病：
- 热点数据成为性能瓶颈。间断分片可能存在数据热点，例如按工夫字段分片，有些分片存储最近时间段内的数据，可能会被频繁的读写，而有些分片存储的历史数据，则很少被查问
2.2 依据数值取模
个别采纳 hash 取模 mod 的切分形式，例如：将 Customer 表依据 cusno 字段切分到 4 个库中，余数为 0 的放到第一个库，余数为 1 的放到第二个库，以此类推。这样同一个用户的数据会扩散到同一个库中，如果查问条件带有 cusno 字段，则可明确定位到相应库去查问。
长处：
- 数据分片绝对比拟平均，不容易呈现热点和并发拜访的瓶颈
毛病：
- 前期分片集群扩容时，须要迁徙旧的数据（应用一致性 hash 算法能较好的防止这个问题）
- 容易面临跨分片查问的简单问题。比方上例中，如果频繁用到的查问条件中不带 cusno 时，将会导致无奈定位数据库，从而须要同时向 4 个库发动查问，再在内存中合并数据，取最小集返回给利用，分库反而成为连累
往期举荐
- 技术人具备“结构化思维”意味着什么？
- Gradle 比 Maven 好为什么用的人少？
- Kafka 提供哪些日志清理策略？
- 为什么 ConcurrentHashMap 的读操作不须要加锁？
- Kafka 是怎么存储的？为什么速度那么快？
