蓝色字体
，选择“标星公众号”
作者 | 尜尜人物
链接 | cnblogs.com/littlecharacter/p/9342129.html
一、数据库瓶颈
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 -> SQL优化，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，CPU率先出现瓶颈 -> 水平分表。
二、分库分表
1、水平分库
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;
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。
库多了，io和cpu的压力自然可以成倍缓解。
2、水平分表
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。
-
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;
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。推荐阅读：MySQL全面优化，速度飞起来。
表的数据量少了，单次SQL执行效率高，自然减轻了CPU的负担。
3、垂直分库
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。
-
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；
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。
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。
4、垂直分表
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。
-
每个表的结构都不一样；
-
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；
-
所有表的并集是全量数据；
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。
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。
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。
三、分库分表工具
-
sharding-sphere：
jar，前身是sharding-jdbc；
-
TDDL：
jar，Taobao Distribute Data Layer；
-
Mycat：
中间件。
工具的利弊，请自行调研，官网和社区优先。
四、分库分表步骤
五、分库分表问题
1、非partition key的查询问题（水平分库分表，拆分策略为常用的hash法）
-
端上除了partition key只有一个非partition key作为条件查询
-
映射法
-
基因法
写入时，基因法生成userid，如图。关于xbit基因，例如要分8张表，23=8，故x取3，即3bit基因。根据userid查询时可直接取模路由到对应的分库或分表。
id生成常用snowflake算法。
-
端上除了partition key不止一个非partition key作为条件查询
-
映射法
-
冗余法
按照orderid或buyerid查询时路由到dbobuyer库中，按照sellerid查询时路由到dbo_seller库中。感觉有点本末倒置！有其他好的办法吗？改变技术栈呢？
-
后台除了partition key还有各种非partition key组合条件查询
-
NoSQL法
-
冗余法
2、非partition key跨库跨表分页查询问题（水平分库分表，拆分策略为常用的hash法）
用NoSQL法解决（ES等）。
3、扩容问题（水平分库分表，拆分策略为常用的hash法）
扩容是成倍的。
（同步双写）应用配置双写，部署；第二步：（同步双写）将老库中的老数据复制到新库中；第三步：（同步双写）以老库为准校对新库中的老数据；第四步：（同步双写）应用去掉双写，部署；
双写是通用方案。
六、分库分表总结
-
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。
-
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。
-
只要能满足需求，拆分规则越简单越好。
七、分库分表示例
如果喜欢本篇文章，欢迎转发、点赞。关注订阅号「Web项目聚集地」，回复「全栈」即可获取 2019 年最新 Java、Python、前端学习视频资源。
推荐阅读
1. 这代码写的，狗屎一样
2. 这代码写的，狗屎一样 （下）
3. 除了负载均衡，Nginx 还可以做很多
4. 快来薅当当的羊毛 ！
5. 聊一聊 Java 泛型中的通配符
6. 数据库不使用外键的 9 个理由
在看
本文分享自微信公众号 - Java后端（web_resource）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
相关文章
