你知道怎么分库分表吗?如何做到永不迁移数据和避免热点吗?
   
   

公众号关注 “程序员解析”

设为“星标”,重磅干货,第一时间送达

前言


中大型项目中,一旦遇到数据量比较大,小伙伴应该都知道就应该对数据进行拆分了。有垂直和水平两种。


垂直拆分比较简单,也就是本来一个数据库,数据量大之后,从业务角度进行拆分多个库。如下图,独立的拆分出订单库 和 用户库。



你知道怎么分库分表吗?如何做到永不迁移数据和避免热点吗?


水平拆分的概念,是同一个业务数据量大之后,进行水平拆分。



你知道怎么分库分表吗?如何做到永不迁移数据和避免热点吗?


上图中订单数据达到了4000万,我们也知道mysql单表存储量推荐是百万级,如果不进行处理,mysql单表数据太大,会导致性能变慢。使用方案可以参考数据进行水平拆分。把4000万数据拆分4张表或者更多。当然也可以分库,再分表;把压力从数据库层级分开。


分库分表方案


分库分表方案中有常用的方案,hash取模和range范围方案;分库分表方案最主要就是路由算法,把路由的key按照指定的算法进行路由存放。老顾来介绍一下两个方案的特点。


hash取模方案



你知道怎么分库分表吗?如何做到永不迁移数据和避免热点吗?


在我们设计系统之前,可以先预估一下大概这几年的订单量,如:4000万。每张表我们可以容纳1000万,也我们可以设计4张表进行存储。


那具体如何路由存储的呢?hash的方案就是对指定的路由key(如:id)对分表总数进行取模,上图中,id=12的订单,对4进行取模,也就是会得到0,那此订单会放到0表中。id=13的订单,取模得到为1,就会放到1表中。为什么对4取模,是因为分表总数是4。


优点:


订单数据可以均匀的放到那4张表中,这样此订单进行操作时,就不会有热点问题。


**热点的含义:**热点的意思就是对订单进行操作集中到1个表中,其他表的操作很少。


订单有个特点就是时间属性,一般用户操作订单数据,都会集中到这段时间产生的订单。如果这段时间产生的订单 都在同一张订单表中,那就会形成热点,那张表的压力会比较大。


缺点:


将来的数据迁移和扩容,会很难。


如:业务发展很好,订单量很大,超出了4000万的量,那我们就需要增加分表数。如果我们增加4个表



你知道怎么分库分表吗?如何做到永不迁移数据和避免热点吗?


一旦我们增加了分表的总数,取模的基数就会变成8,以前id=12的订单按照此方案就会到4表中查询,但之前的此订单时在0表的,这样就导致了数据查不到。就是因为取模的基数产生了变化。


遇到这个情况,我们小伙伴想到的方案就是做数据迁移,把之前的4000万数据,重新做一个hash方案,放到新的规划分表中。也就是我们要做数据迁移。这个是很痛苦的事情。有些小公司可以接受晚上停机迁移,但大公司是不允许停机做数据迁移的。


当然做数据迁移可以结合自己的公司的业务,做一个工具进行,不过也带来了很多工作量,每次扩容都要做数据迁移


那有没有不需要做数据迁移的方案呢,我们看下面的方案


range范围方案


range方案也就是以范围进行拆分数据。



你知道怎么分库分表吗?如何做到永不迁移数据和避免热点吗?


range方案比较简单,就是把一定范围内的订单,存放到一个表中;如上图id=12放到0表中,id=1300万的放到1表中。设计这个方案时就是前期把表的范围设计好。通过id进行路由存放。


优点


我们小伙伴们想一下,此方案是不是有利于将来的扩容,不需要做数据迁移。即时再增加4张表,之前的4张表的范围不需要改变,id=12的还是在0表,id=1300万的还是在1表,新增的4张表他们的范围肯定是 大于 4000万之后的范围划分的。


缺点


有热点问题,我们想一下,因为id的值会一直递增变大,那这段时间的订单是不是会一直在某一张表中,如id=1000万 ~ id=2000万之间,这段时间产生的订单是不是都会集中到此张表中,这个就导致1表过热,压力过大,而其他的表没有什么压力。


总结:


hash取模方案:没有热点问题,但扩容迁移数据痛苦


range方案:不需要迁移数据,但有热点问题。


那有没有一个方案,**即不需要迁移数据,又能解决数据热点的问题呢?**老顾会在下一篇文章中介绍此方案,达到完美的结合,谢谢!!!

更多精彩内容,关注我们▼▼

如果觉得这篇文章还不错
点击下面卡片关注我
点个“在看”吧