好好的系統，為什麼要分庫分表？
大家好，我是小富～
說在前邊
今天是《分庫分表 ShardingSphere 原理與實戰》系列的開篇文章，之前寫過幾篇關於分庫分表的文章反響都還不錯，到現在公眾號:程式設計師小富後臺不斷的有人留言、諮詢分庫分表的問題，我也沒想到大家對於分庫分表的話題會這麼感興趣，可能很多人的工作內容業務量較小很難接觸到這方面的技能。這個系列在我腦子裡籌劃了挺久的，奈何手說啥也不幹活，就一直拖到了現在。
其實網上關於分庫分表相關的文章很多，但我還是堅持出這個系列，主要是自己學習研究，順便給分享，對於一個知識，不同的人從不同的角度理解的不盡相同。
網上的資料看似很多，不過值得學有價值的得仔細挑，很多時候在篩選甄別的過程中，逐漸的磨滅了本就不高的學習熱情。搬運抄襲雷同的東西太多，而且知識點又都比較零碎，很少有細緻的原理實戰案例。對新手來說妥妥的從入門到放棄，即便有成體系的基本上幾篇後就斷更了（希望我不會吧！）。
我不太喜歡堆砌名詞概念，熟悉我的朋友不難發現，我的文章從來都是講完原理緊跟著來一波實戰操作。學習技術原理必須配合實操鞏固一下，不然三天半不到忘得乾乾淨淨，純純的經驗之談。
上圖是我初步羅列的ShardingSphere提綱，在官網檔案基礎上補充了很多基礎知識，這個系列會用幾十篇文章，詳細的梳理分庫分表基礎理論，手把手的實戰ShardingSphere 5.X框架的功能和解讀原始碼，以及開發中容易踩坑的點，每篇附帶程式碼案例demo，旨在讓新手也能看的懂，後續系列完結全部內容會整理成PDF分享給大家，期待一下吧！
話不多說，咱們這就進入正題～
不急於上手實戰ShardingSphere框架，先來複習下分庫分表的基礎概念，技術名詞大多晦澀難懂，不要死記硬背理解最重要，當你捅破那層窗戶紙，發現其實它也就那麼回事。
什麼是分庫分表
分庫分表是在海量資料下，由於單庫、表資料量過大，導致資料庫效能持續下降的問題，演變出的技術方案。
分庫分表是由分庫和分表這兩個獨立概念組成的，只不過通常分庫與分表的操作會同時進行，以至於我們習慣性的將它們合在一起叫做分庫分表。
通過一定的規則，將原本資料量大的資料庫拆分成多個單獨的資料庫，將原本資料量大的表拆分成若干個資料表，使得單一的庫、表效能達到最優的效果（響應速度快），以此提升整體資料庫效能。
為什麼分庫分表
單機資料庫的儲存能力、連線數是有限的，它自身就很容易會成為系統的瓶頸。當單表資料量在百萬以裡時，我們還可以通過新增從庫、優化索引提升效能。
一旦資料量朝著千萬以上趨勢增長，再怎麼優化資料庫，很多操作效能仍下降嚴重。為了減少資料庫的負擔，提升資料庫響應速度，縮短查詢時間，這時候就需要進行分庫分表。
為什麼需要分庫？
容量
我們給資料庫範例分配的磁碟容量是固定的，資料量持續的大幅增長，用不了多久單機的容量就會承載不了這麼多資料，解決辦法簡單粗暴，加容量！
連線數
單機的容量可以隨意擴充套件，但資料庫的連線數卻是有限的，在高並行場景下多個業務同時對一個資料庫操作，很容易將連線數耗盡導致too many connections報錯，導致後續資料庫無法正常存取。
可以通過max_connections檢視MySQL最大連線數。
show variables like '%max_connections%'
將原本單資料庫按不同業務拆分成訂單庫、物流庫、積分庫等不僅可以有效分攤資料庫讀寫壓力，也提高了系統容錯性。
為什麼需要分表？
做過報表業務的同學應該都體驗過，一條SQL執行時間超過幾十秒的場景。
導致資料庫查詢慢的原因有很多，SQL沒命中索引、like掃全表、用了函數計算，這些都可以通過優化手段解決，可唯獨資料量大是MySQL無法通過自身優化解決的。慢的根本原因是InnoDB儲存引擎，聚簇索引結構的 B+tree 層級變高，磁碟IO變多查詢效能變慢，詳細原理自行查詢一下，這裡不用過多篇幅說明。
阿里的開發手冊中有條建議，單錶行數超500萬行或者單表容量超過2GB，就推薦分庫分表，然而理想和實現總是有差距的，阿里這種體量的公司不差錢當然可以這麼用，實際上很多公司單表資料幾千萬、億級別仍然不選擇分庫分表。
什麼時候分庫分表
技術群裡經常會有小夥伴問，到底什麼情況下會用分庫分表呢？
分庫分表要解決的是現存海量資料存取的效能瓶頸，對持續激增的資料量所做出的架構預見性。
是否分庫分表的關鍵指標是資料量，我們以fire100.top這個網站的資源表 t_resource為例，系統在執行初始的時候，每天只有可憐的幾十個資源上傳，這時使用單庫、單表的方式足以支援系統的儲存，資料量小几乎沒什麼資料庫效能瓶頸。
但某天開始一股神祕的流量進入，系統每日產生的資源資料量暴增至十萬甚至上百萬級別，這時資源表資料量到達千萬級，查詢響應變得緩慢，資料庫的效能瓶頸逐漸顯現。
以MySQL資料庫為例，單表的資料量在達到億條級別，通過加索引、SQL調優等傳統優化策略，效能提升依舊微乎其微時，就可以考慮做分庫分表了。
既然MySQL儲存海量資料時會出現效能瓶頸，那麼我們是不是可以考慮用其他方案替代它？比如高效能的非關係型資料庫MongoDB？
可以，但要看儲存的資料型別！
現在網際網路上大部分公司的核心資料幾乎是儲存在關係型資料庫（MySQL、Oracle等），因為它們有著NoSQL如法比擬的穩定性和可靠性，產品成熟生態系統完善，還有核心的事務功能特性，也是其他儲存工具不具備的，而評論、點贊這些非核心資料還是可以考慮用MongoDB的。
如何分庫分表
分庫分表的核心就是對資料的分片（
Sharding）並相對均勻的路由在不同的庫、表中，以及分片後對資料的快速定位與檢索結果的整合。
分庫與分表可以從：垂直（縱向）和 水平（橫向）兩種緯度進行拆分。下邊我們以經典的訂單業務舉例，看看如何拆分。
垂直拆分
1、垂直分庫
垂直分庫一般來說按照業務和功能的維度進行拆分，將不同業務資料分別放到不同的資料庫中，核心理念 專庫專用。
按業務型別對資料分離，剝離為多個資料庫，像訂單、支付、會員、積分相關等表放在對應的訂單庫、支付庫、會員庫、積分庫。不同業務禁止跨庫直連，獲取對方業務資料一律通過API介面互動，這也是微服務拆分的一個重要依據。
垂直分庫很大程度上取決於業務的劃分，但有時候業務間的劃分並不是那麼清晰，比如：電商中訂單資料的拆分，其他很多業務都依賴於訂單資料，有時候界線不是很好劃分。
垂直分庫把一個庫的壓力分攤到多個庫，提升了一些資料庫效能，但並沒有解決由於單表資料量過大導致的效能問題，所以就需要配合後邊的分表來解決。
2、垂直分表
垂直分錶針對業務上欄位比較多的大表進行的，一般是把業務寬表中比較獨立的欄位，或者不常用的欄位拆分到單獨的資料表中，是一種大表拆小表的模式。
例如：一張t_order訂單表上有幾十個欄位，其中訂單金額相關欄位計算頻繁，為了不影響訂單表t_order的效能，就可以把訂單金額相關欄位拆出來單獨維護一個t_order_price_expansion擴充套件表，這樣每張表只儲存原表的一部分欄位，通過訂單號order_no做關聯，再將拆分出來的表路由到不同的庫中。
資料庫它是以行為單位將資料載入到記憶體中，這樣拆分以後核心表大多是存取頻率較高的欄位，而且欄位長度也都較短，因而可以載入更多資料到記憶體中，減少磁碟IO，增加索引查詢的命中率，進一步提升資料庫效能。
水平拆分
上邊垂直分庫、垂直分表後還是會存在單庫、表資料量過大的問題，當我們的應用已經無法在細粒度的垂直切分時，依舊存在單庫讀寫、儲存效能瓶頸，這時就要配合水平分庫、水平分表一起了。
1、水平分庫
水平分庫是把同一個表按一定規則拆分到不同的資料庫中，每個庫可以位於不同的伺服器上，以此實現水平擴充套件，是一種常見的提升資料庫效能的方式。
例如：db_orde_1、db_order_2兩個資料庫內有完全相同的t_order表，我們在存取某一筆訂單時可以通過對訂單的訂單編號取模的方式 訂單編號 mod 2 （資料庫範例數） ，指定該訂單應該在哪個資料庫中操作。
這種方案往往能解決單庫儲存量及效能瓶頸問題，但由於同一個表被分配在不同的資料庫中，資料的存取需要額外的路由工作，因此係統的複雜度也被提升了。
2、水平分表
水平分表是在同一個資料庫內，把一張巨量資料量的表按一定規則，切分成多個結構完全相同表，而每個表只存原表的一部分資料。
例如：一張t_order訂單表有900萬資料，經過水平拆分出來三個表，t_order_1、t_order_2、t_order_3，每張表存有資料300萬，以此類推。
水平分表儘管拆分了表，但子表都還是在同一個資料庫範例中，只是解決了單一表資料量過大的問題，並沒有將拆分後的表分散到不同的機器上，還在競爭同一個物理機的CPU、記憶體、網路IO等。要想進一步提升效能，就需要將拆分後的表分散到不同的資料庫中，達到分散式的效果。
資料存在哪個庫的表
分庫分表以後會出現一個問題，一張表會出現在多個資料庫裡，到底該往哪個庫的哪個表裡存呢？
上邊我們多次提到過一定規則 ，其實這個規則它是一種路由演演算法，決定了一條資料具體應該存在哪個資料庫的哪張表裡。
常見的有 取模演演算法 、範圍限定演演算法、範圍+取模演演算法 、預定義演演算法
1、取模演演算法
關鍵欄位取模（對hash結果取餘數 hash(XXX) mod N)，N為資料庫範例數或子表數量）是最為常見的一種路由方式。
以t_order訂單表為例，先給資料庫從 0 到 N-1進行編號，對 t_order訂單表中order_no訂單編號欄位進行取模hash(order_no) mod N，得到餘數i。i=0存第一個庫，i=1存第二個庫，i=2存第三個庫，以此類推。
同一筆訂單資料會落在同一個庫、表裡，查詢時用相同的規則，用t_order訂單編號作為查詢條件，就能快速的定位到資料。
優點
實現簡單，資料分佈相對比較均勻，不易出現請求都打到一個庫上的情況。
缺點
取模演演算法對叢集的伸縮支援不太友好，叢集中有N個資料庫實·hash(user_id) mod N，當某一臺機器宕機，本應該落在該資料庫的請求就無法得到處理，這時宕掉的範例會被踢出叢集。
此時機器數減少演演算法發生變化hash(user_id) mod N-1，同一使用者資料落在了在不同資料庫中，等這臺機器恢復，用user_id作為條件查詢使用者資料就會少一部分。
2、範圍限定演演算法
範圍限定演演算法以某些範圍欄位，如時間或ID區拆分。
使用者表t_user被拆分成t_user_1、t_user_2、t_user_3三張表，後續將user_id範圍為1 ~ 1000w的使用者資料放入t_user_1，1000~ 2000w放入t_user_2，2000~3000w放入t_user_3，以此類推。按日期範圍劃分同理。
優點
- 單表資料量是可控的
- 水平擴充套件簡單隻需增加節點即可，無需對其他分片的資料進行遷移
缺點
- 由於連續分片可能存在
資料熱點，比如按時間欄位分片時，如果某一段時間（雙11等大促）訂單驟增，存11月資料的表可能會被頻繁的讀寫，其他分片表儲存的歷史資料則很少被查詢，導致資料傾斜，資料庫壓力分攤不均勻。
3、範圍 + 取模演演算法
為了避免熱點資料的問題，我們可以對上範圍演演算法優化一下
這次我們先通過範圍演演算法定義每個庫的使用者表t_user只存1000w資料，第一個db_order_1庫存放userId從1 ~ 1000w，第二個庫10002000w，第三個庫20003000w，以此類推。
每個庫裡再把使用者表t_user拆分成t_user_1、t_user_2、t_user_3等，對userd進行取模路由到對應的表中。
有效的避免資料分佈不均勻的問題，資料庫水平擴充套件也簡單，直接新增範例無需遷移歷史資料。
4、地理位置分片
地理位置分片其實是一個更大的範圍，按城市或者地域劃分，比如華東、華北資料放在不同的分片庫、表。
5、預定義演演算法
預定義演演算法是事先已經明確知道分庫和分表的數量，可以直接將某類資料路由到指定庫或表中，查詢的時候亦是如此。
分庫分表出來的問題
瞭解了上邊分庫分表的拆分方式不難發現，相比於拆分前的單庫單表，系統的資料儲存架構演變到現在已經變得非常複雜。看幾個具有代表性的問題，比如：
分頁、排序、跨節點聯合查詢
分頁、排序、聯合查詢，這些看似普通，開發中使用頻率較高的操作，在分庫分表後卻是讓人非常頭疼的問題。把分散在不同庫中表的資料查詢出來，再將所有結果進行彙總合併整理後提供給使用者。
比如：我們要查詢11、12月的訂單資料，如果兩個月的資料是分散到了不同的資料庫範例，則要查詢兩個資料庫相關的資料，在對資料合併排序、分頁，過程繁瑣複雜。
事務一致性
分庫分表後由於表分佈在不同庫中，不可避免會帶來跨庫事務問題。後續會分別以阿里的Seata和MySQL的XA協定實現分散式事務，用來比較各自的優勢與不足。
全域性唯一的主鍵
分庫分表後資料庫表的主鍵ID業務意義就不大了，因為無法在標識唯一一條記錄，例如：多張表t_order_1、t_order_2的主鍵ID全部從1開始會重複，此時我們需要主動為一條記錄分配一個ID，這個全域性唯一的ID就叫分散式ID，發放這個ID的系統通常被叫發號器。
多資料庫高效治理
對多個資料庫以及庫內大量分片表的高效治理，是非常有必要，因為像某寶這種大廠一次大促下來，訂單表可能會被拆分成成千上萬個t_order_n表，如果沒有高效的管理方案，手動建表、排查問題是一件很恐怖的事。
歷史資料遷移
分庫分表架構落地以後，首要的問題就是如何平滑的遷移歷史資料，增量資料和全量資料遷移，這又是一個比較麻煩的事情，後邊詳細講。
分庫分表架構模式
分庫分表架構主要有兩種模式：client使用者端模式和proxy代理模式
客戶模式
client模式指分庫分表的邏輯都在你的系統應用內部進行控制，應用會將拆分後的SQL直連多個資料庫進行操作，然後本地進行資料的合併彙總等操作。
代理模式
proxy代理模式將應用程式與MySQL資料庫隔離，業務方的應用不在需要直連資料庫，而是連線proxy代理服務，代理服務實現了MySQL的協定，對業務方來說代理服務就是資料庫，它會將SQL分發到具體的資料庫進行執行，並返回結果。該服務內有分庫分表的設定，根據設定自動建立分片表。
如何抉擇
如何選擇client模式和proxy模式，我們可以從以下幾個方面來簡單做下比較。
1、效能
效能方面client模式表現的稍好一些，它是直接連線MySQL執行命令；
proxy代理服務則將整個執行鏈路延長了，應用->代理服務->MySQL，可能導致效能有一些損耗，但兩者差距並不是非常大。
2、複雜度
client模式在開發使用通常引入一個jar可以；
proxy代理模式則需要搭建單獨的服務，有一定的維護成本，既然是服務那麼就要考慮高可用，畢竟應用的所有SQL都要通過它轉發至MySQL。
3、升級
client模式分庫分表一般是依賴基礎架構團隊的Jar包，一旦有版本升級或者Bug修改，所有應用到的專案都要跟著升級。小規模的團隊服務少升級問題不大，如果是大公司服務規模大，且涉及到跨多部門，那麼升級一次成本就比較高；
proxy模式在升級方面優勢很明顯，釋出新功能或者修復Bug，只要重新部署代理服務叢集即可，業務方是無感知的，但要保證釋出過程中服務的可用性。
4、治理、監控
client模式由於是內嵌在應用內，應用叢集部署不太方便統一處理；proxy模式在對SQL限流、讀寫許可權控制、監控、告警等服務治理方面更優雅一些。
結束語
本文主要是回顧一下分庫分表的一些基礎概念，為大家在後續ShardingSphere實踐中更好上手理解，內容裡很多概念一筆帶過沒詳細展開，接下來的篇幅會逐一解讀。
下一篇預告《分庫分表ShardingSphere的基礎知識點梳理》
歡迎關注 公眾號：程式設計師小富，咱們下期再見！