SQL - MySQL 实现分库分表详解
一、为什么要分库分表
如果一个网站业务快速发展，那这个网站流量也会增加，数据的压力也会随之而来，比如电商系统来说双十一大促对订单数据压力很大，Tps十几万并发量，如果传统的架构（一主多从），主库容量肯定无法满足这么高的Tps，业务越来越大，单表数据超出了数据库支持的容量，持久化磁盘IO,传统的数据库性能瓶颈，产品经理业务·必须做，改变程序，数据库刀子切分优化。数据库连接数不够需要分库，表的数据量大，优化后查询性能还是很低，需要分。
二、什么是分库分表
分库分表方案是对关系型数据库数据存储和访问机制的一种补充。
- 分库：将一个库的数据拆分到多个相同的库中，访问的时候访问一个库；
- 分表：把一个表的数据放到多个表中，操作对应的某个表就行。
三、分库分表的几种方式
1. 垂直拆分
数据库垂直拆分
根据业务拆分，如图，电商系统，拆分成订单库，会员库，商品库。
表垂直拆分
根据业务去拆分表，如图，把user表拆分成user_base表和user_info表，use_base负责存储登录，user_info负责存储基本用户信息
垂直拆分特点
- 每个库（表）的结构都不一样
- 每个库（表）的数据至少一列一样
- 每个库（表）的并集是全量数据
垂直拆分优缺点
优点：
- 拆分后业务清晰（专库专用按业务拆分）
- 数据维护简单，按业务不同，业务放到不同机器上
缺点：
- 如果单表的数据量，写读压力大
- 受某种业务决定，或者被限制，也就是说一个业务往往会影响到数据库的瓶颈（性能问题，如双十一抢购）
- 部分业务无法关联join，只能通过java程序接口去调用，提高了开发复杂度
2. 水平拆分
数据库水平拆分
如图，按会员库拆分，拆分成会员1库，会员2库，以userId拆分，userId尾号0-5为1库 6-9为2库，还有其他方式，进行取模，偶数放到1库，奇数放到2库
表水平拆分
如图把users表拆分成users1表和users2表，以userId拆分，进行取模，偶数放到users1表，奇数放到users2表
水平拆分的其他方式
- range来分,每个库一段连续的数据，这个一般是按比如时间范围来的，但是这种一般较少用，因为很容易产生热点问题，大量的流量都打在最新的数据上了,优点：扩容的时候，就很容易，因为你只要预备好，给每个月都准备一个库就可以了，到了一个新的月份的时候，自然而然，就会写新的库了 缺点：大部分的 请求，都是访问最新的数据。实际生产用range，要看场景，你的用户不是仅仅访问最新的数据，而是均匀的访问现在的数据以及历史的数据
- hash分发,优点：可以平均分配每个库的数据量和请求压力 缺点：扩容起来比较麻烦，会有一个数据迁移的这么一个过程
水平拆分特点
- 每个库（表）的结构都一样
- 每个库（表）的数据都不一样
- 每个库（表）的并集是全量数据
水平拆分优缺点
优点：
- 单库/单表的数据保持在一定量（减少），有助于性能提高
- 提高了系统的稳定性和负载能力
- 拆分表的结构相同，程序改造较少。
缺点：
- 数据的扩容很有难度维护量大
- 拆分规则很难抽象出来
- 分片事务的一致性问题部分业务无法关联join，只能通过java程序接口去调用
四、分库分表带来的问题
- 分布式事务；
- 跨库join查询；
- 分布式全局唯一id；
- 开发成本，对程序员要求高。
分库分表需思考3个问题
事务一致性： 比如更新10张表，最后一张失败，怎样保证事务。
字典表问题： 一般字典表维护在一个库中，分库查询的话影响效率，每个库都存储一份字典表的话，上表面提到的事务一致性问题又会出现。库之间也会过于冗余。
分页查询： 比如查询100到110之间的数据，做法可不是每个库取100110间的数据，再去前10条，而是每个库查询0110间的数据，比如10个库，就会返回 10 * 110条数据，再从这里取100~110间的数据。这里的问题就是如果是 500000~500010的话，返回的数据量就太大了。
五、分库分表技术如何选型
1. 开源框架
目前市面上使用较多的是，mycat及sharding-jdbc。mycat属于中间层代理类中间件、sharding-jdbc属于应用层依赖类中间件。
详细对比
| 主要指标 | Sharding-jdbc | Mycat |
|---|---|---|
| ORM支持 | 适用于任何基于 JDBC 的 ORM 框架，如：JPA, Hibernate, Mybatis, Spring JDBC Template | |
| 或直接使用 JDBC | 任意 | |
| 事务 | 自带XA、两（三）阶段事务、柔性事务BASE（最终一致） | XA事务 |
| 分库 | 支持 | 支持 |
| 分库 | 支持 | 支持 |
| 开发 | 集成springboot较好，代码入侵中（需要写些配置类等） | 开发成本小，代码入侵小 |
| 所属公司 | 当当网开源，加入apache | 基于阿里Cobar二次开发，社区维护 |
| 数据库支持 | 支持任意实现 JDBC 规范的数据库，目前支持 MySQL，PostgreSQL，Oracle，SQLServer 以及任何可使用 JDBC | |
| 访问的数据库 | Mysql、Oracle、 SQL Server、DB2、mongodb | |
| 活跃度 | 活跃度高 | 社区活跃度很高，一些公司已在使用 |
| 监控 | 有 | 有 |
| 读写分离 | 支持 | 支持 |
| 资料 | 资料少、github、官网、网上讨论贴 | 资料多，github、官网、Q群、书籍 |
| 运维 | 维护成本低 | 维护成本高 |
| 限制 | 部分JDBC方法不支持、SQL语句限制 | SQL语句限制 |
| 连接池 | 支持任何第三方的数据库连接池，如：DBCP, C3P0, BoneCP, HikariCP 等 | 无要求 |
| 配置难度 | 一般 | 复杂 |
- Atlas：不能实现分布式分表，所有的子表必须在同一台DB的同一个database里且所有的子表必须事先建好，Atlas没有自动建表的功能。
- Cobar：必须将拆分后的表分别放入不同的库来实现分布式。
- TDDL：阿里，功能强大，过于复杂，部分开源。需要评估使用情况，防止过剩。
- Mycat ：国内开源，从入门到放弃。
- heisenberg：百度开源，相对简单，易于管理。
- Oceanus：功能强大，开源，简化开发和配置成功。但产品还不成熟。
- vitess：google产品，集群基于ZooKeeper管理，通过RPC方式进行数据处理，可支撑高流量，它还添加了一个连接池，具有基于行的高速缓存，重写SQL查询，更安全。
- OneProxy：中国厂商产品，稳定性待确认。
- Sharding-JDBC：当当最新开源，jdbc层面操作。
jdbc 直连层：shardingsphere、tddl
proxy 代理层：mycat，mysql-proxy（360）
2. jdbc直连层
jdbc直连层又叫jdbc应用层,是因为所有分片规则，所有分片逻辑，包括处理分布式事务 所有这些问题它都是在应用层，所有项目都是由war包构成的，所有分片都写成了jar包，放到了war包里面，java需要虚拟机去运行的，虚拟机运行的时候就会把war包里面的字节文件进行classLoder加载到jvm内存中，所有分片逻辑都是基于内存方进行操作的
3. proxy代理层
如图，proxy代理层，所有分片规则，所有分片逻辑，包括处理分布式事务都在mycat写好了,所有分片逻辑都是基于mycat方进行操作
jdbc直连层和proxy代理层优缺点
- jdbc直连层性能高，只支持java语言，支持跨数据库；
- proxy代理层开发成本低，支持跨语言，不支持跨数据库。
选型需考虑3个问题：
产品功能和可扩展性：mycat就是不行。就是名气大，已经到头了。Cobar也是可扩展性的问题放弃的
产品是否成熟，或者说可用，比如国内的一般就不考虑了，稳定性是个问题。百度的heisenberg其实不错，但是代码很久没有维护了，社区也不积极，就放弃了。google的vitess也可以 ，但是海外的产品，也放弃了。
实际情况：我们公司是腾讯系的，阿里的TDDL显然不能用了。