4|0表分区

MySQL 在 5.1 版引入的分区是一种简单的水平拆分,用户需要在建表的时候加上分区参数,对应用是透明的无需修改代码。

对用户来说,分区表是一个独立的逻辑表,但是底层由多个物理子表组成,实现分区的代码实际上是通过对一组底层表的对象封装,

但对 SQL 层来说是一个完全封装底层的黑盒子。

MySQL 实现分区的方式也意味着索引也是按照分区的子表定义,没有全局索引。

用户的 SQL 语句是需要针对分区表做优化,SQL 条件中要带上分区条件的列,从而使查询定位到少量的分区上,否则就会扫描全部分区。

可以通过 EXPLAIN PARTITIONS 来查看某条 SQL 语句会落在那些分区上,从而进行 SQL 优化。

如下图 5 条记录落在两个分区上:

mysql> explain partitions select count(1) from user_partition where id in (1,2,3,4,5);

+----+-------------+----------------+------------+-------+---------------+---------+---------+------+------+--------------------------+

| id | select_type | table          | partitions | type  | possible_keys | key     | key_len | ref  | rows | Extra                    |

+----+-------------+----------------+------------+-------+---------------+---------+---------+------+------+--------------------------+

|  1 | SIMPLE      | user_partition | p1,p4      | range | PRIMARY       | PRIMARY | 8       | NULL |    5 | Using where; Using index |

+----+-------------+----------------+------------+-------+---------------+---------+---------+------+------+--------------------------+

1 row in set (0.00 sec)

分区的好处是:


可以让单表存储更多的数据。

分区表的数据更容易维护,可以通清除整个分区批量删除大量数据,也可以增加新的分区来支持新插入的数据。另外,还可以对

一个独立分区进行优化、检查、修复等操作。

部分查询能够从查询条件确定只落在少数分区上,速度会很快。

分区表的数据还可以分布在不同的物理设备上,从而高效利用多个硬件设备。

可以使用分区表来避免某些特殊瓶颈,例如 InnoDB 单个索引的互斥访问、 ext3 文件系统的 inode 锁竞争。

可以备份和恢复单个分区。

分区的限制和缺点:


一个表最多只能有 1024 个分区。

如果分区字段中有主键或者唯一索引的列,那么所有主键列和唯一索引列都必须包含进来。

分区表无法使用外键约束。

NULL 值会使分区过滤无效。

所有分区必须使用相同的存储引擎。

分区的类型:

RANGE 分区:基于属于一个给定连续区间的列值,把多行分配给分区。

LIST 分区:类似于按 RANGE 分区,区别在于 LIST 分区是基于列值匹配一个离散值集合中的某个值来进行选择。

HASH 分区:基于用户定义的表达式的返回值来进行选择的分区,该表达式使用将要插入到表中的这些行的列值进行计算。这个函数可以包含 MySQL 

中有效的、产生非负整数值的任何表达式。

KEY 分区:类似于按 HASH 分区,区别在于 KEY 分区只支持计算一列或多列,且 MySQL 服务器提供其自身的哈希函数。必须有一列或多列包含整数值。

分区适合的场景有:最适合的场景数据的时间序列性比较强,则可以按时间来分区。

如下所示:

CREATE TABLE members (

    firstname VARCHAR(25) NOT NULL,

    lastname VARCHAR(25) NOT NULL,

    username VARCHAR(16) NOT NULL,

    email VARCHAR(35),

    joined DATE NOT NULL

)PARTITION BY RANGE( YEAR(joined) ) (

    PARTITION p0 VALUES LESS THAN (1960),

    PARTITION p1 VALUES LESS THAN (1970),

    PARTITION p2 VALUES LESS THAN (1980),

    PARTITION p3 VALUES LESS THAN (1990),

    PARTITION p4 VALUES LESS THAN MAXVALUE

);

查询时加上时间范围条件的效率会非常高,同时对于不需要的历史数据能很容易的批量删除。

如果数据有明显的热点,而且除了这部分数据,其他数据很少被访问到,那么可以将热点数据单独放在一个分区,让这个分区的数据能够有机会都缓存在内存中,

查询时只访问一个很小的分区表,能够有效使用索引和缓存。

另外 MySQL 有一种早期的简单的分区实现 - 合并表(merge table),限制较多且缺乏优化,不建议使用,应该用新的分区机制来替代。


5|0垂直拆分

垂直分库是根据数据库里面的数据表的相关性进行拆分,比如:一个数据库里面既存在用户数据,又存在订单数据,那么垂直拆分可以把用户数据放到用户库、

把订单数据放到订单库。

垂直分表是对数据表进行垂直拆分的一种方式,常见的是把一个多字段的大表按常用字段和非常用字段进行拆分,每个表里面的数据记录数一般情况下是相同的,

只是字段不一样,使用主键关联。

比如原始的用户表是:

垂直拆分后是:

垂直拆分的优点是:

可以使得行数据变小,一个数据块(Block)就能存放更多的数据,在查询时就会减少 I/O 次数(每次查询时读取的 Block 就少)。

可以达到最大化利用 Cache 的目的,具体在垂直拆分的时候可以将不常变的字段放一起,将经常改变的放一起。

数据维护简单。

缺点是:

主键出现冗余,需要管理冗余列。

会引起表连接 JOIN 操作(增加 CPU 开销)可以通过在业务服务器上进行 JOIN 来减少数据库压力。

依然存在单表数据量过大的问题(需要水平拆分)。

事务处理复杂。

6|0水平拆分

水平拆分是通过某种策略将数据分片来存储,分库内分表和分库两部分,每片数据会分散到不同的 MySQL 表或库,以达到分布式的效果,能够支持非常大的数据量。

前面的表分区本质上也是一种特殊的库内分表。

库内分表,由于没有把表的数据分布到不同的机器上,仅仅是单纯的解决了单一表数据过大的问题。

因此对于减轻 MySQL 服务器的压力来说,并没有太大的作用,大家还是竞争同一个物理机上的 IO、CPU、网络,这个就要通过分库来解决。

前面垂直拆分的用户表如果进行水平拆分,结果是:

实际情况中往往会是垂直拆分和水平拆分的结合,即将 Users_A_M 和 Users_N_Z 再拆成 Users 和 UserExtras,这样一共四张表。

水平拆分的优点是:

不存在单库大数据和高并发的性能瓶颈。

应用端改造较少。

提高了系统的稳定性和负载能力。

缺点是:

分片事务一致性难以解决。

跨节点 JOIN 性能差,逻辑复杂。

数据多次扩展难度跟维护量极大。

6|1分片原则

分片原则如下:

能不分就不分,参考单表优化。

分片数量尽量少,分片尽量均匀分布在多个数据结点上,因为一个查询 SQL 跨分片越多,则总体性能越差,虽然要好于所有数据在一个分片的结果,

只在必要的时候进行扩容,增加分片数量。

分片规则需要慎重选择做好提前规划,分片规则的选择,需要考虑数据的增长模式,数据的访问模式,分片关联性问题,以及分片扩容问题。

最近的分片策略为范围分片,枚举分片,一致性 Hash 分片,这几种分片都有利于扩容。

尽量不要在一个事务中的 SQL 跨越多个分片,分布式事务一直是个不好处理的问题。

查询条件尽量优化,尽量避免 Select * 的方式,大量数据结果集下,会消耗大量带宽和 CPU 资源,查询尽量避免返回大量结果集,

并且尽量为频繁使用的查询语句建立索引。

通过数据冗余和表分区来降低跨库 JOIN 的可能。

这里特别强调一下分片规则的选择问题,如果某个表的数据有明显的时间特征,比如订单、交易记录等。

他们通常比较合适用时间范围分片,因为具有时效性的数据,我们往往关注其近期的数据,查询条件中往往带有时间字段进行过滤。

比较好的方案是,当前活跃的数据,采用跨度比较短的时间段进行分片,而历史性的数据,则采用比较长的跨度存储。

总体上来说,分片的选择是取决于最频繁的查询 SQL 的条件,因为不带任何 Where 语句的查询 SQL,会遍历所有的分片,

性能相对最差,因此这种 SQL 越多,对系统的影响越大,所以我们要尽量避免这种 SQL 的产生。

6|2解决方案

由于水平拆分牵涉的逻辑比较复杂,当前也有了不少比较成熟的解决方案。这些方案分为两大类:客户端架构和代理架构。

客户端架构

通过修改数据访问层,如 JDBC、Data Source、MyBatis,通过配置来管理多个数据源,直连数据库,并在模块内完成数据的分片整合,

一般以 Jar 包的方式呈现。

这是一个客户端架构的例子:

可以看到分片的实现是和应用服务器在一起的,通过修改 Spring JDBC 层来实现。

客户端架构的优点是:

应用直连数据库,降低外围系统依赖所带来的宕机风险。

集成成本低,无需额外运维的组件。

缺点是:

限于只能在数据库访问层上做文章,扩展性一般,对于比较复杂的系统可能会力不从心。

将分片逻辑的压力放在应用服务器上,造成额外风险。

代理架构

通过独立的中间件来统一管理所有数据源和数据分片整合,后端数据库集群对前端应用程序透明,需要独立部署和运维代理组件。

这是一个代理架构的例子:

代理组件为了分流和防止单点,一般以集群形式存在,同时可能需要 ZooKeeper 之类的服务组件来管理。

代理架构的优点是:

能够处理非常复杂的需求,不受数据库访问层原来实现的限制,扩展性强。

对于应用服务器透明且没有增加任何额外负载。

缺点是:

需部署和运维独立的代理中间件,成本高。

应用需经过代理来连接数据库,网络上多了一跳,性能有损失且有额外风险。

目前来说,业界还是有很多的方案可供选择,但应该如何进行选择?我认为,可以按以下思路来考虑:

确定是使用客户端架构还是代理架构。中小型规模或是比较简单的场景倾向于选择客户端架构,复杂场景或大规模系统倾向选择代理架构。

具体功能是否满足,比如需要跨节点 ORDER BY,那么支持该功能的优先考虑。

不考虑一年内没有更新的产品,说明开发停滞,甚至无人维护和技术支持。

最好按大公司→社区→小公司→个人这样的出品方顺序来选择。

选择口碑较好的,比如 Github 星数、使用者数量质量和使用者反馈。

开源的优先,往往项目有特殊需求可能需要改动源代码。

按照上述思路,推荐以下选择:

客户端架构:ShardingJDBC

代理架构:MyCat 或者 Atlas

7|0兼容 MySQL 且可水平扩展的数据库

目前也有一些开源数据库兼容 MySQL 协议,如:

TiDB

Cubrid

但其工业品质和 MySQL 尚有差距,且需要较大的运维投入,如果想将原始的 MySQL 迁移到可水平扩展的新数据库中,可以考虑一些云数据库:

阿里云 PetaData

阿里云 OceanBase

腾讯云 DCDB

8|0NoSQL

在 MySQL 上做 Sharding 是一种戴着镣铐的跳舞,事实上很多大表本身对 MySQL 这种 RDBMS 的需求并不大,并不要求 ACID。

可以考虑将这些表迁移到 NoSQL,彻底解决水平扩展问题,例如:

日志类、监控类、统计类数据

非结构化或弱结构化数据

对事务要求不强,且无太多关联操作的数据