MiniPa

Mysql 05 读写分离、分库分表

2017/07/22 Mysql 共 1867 字，约 6 分钟
MiniPa

1.Read Write 读写分离

  • 技术问题主要落在如何实现读库和写库的同步 TODO

2.分库分表

1.mysql 性能瓶颈
  • [IO]
    • 磁盘IO：热数据太多，数据库缓存放不下，查询产生大量IO ==> 分库 垂直分表
    • 网络IO：请求数据太多，带宽不够 ==> 分库
  • [CPU]
    • SQL：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
    • table数据量太大：查询扫描太多，SQL 效率低，CPU 率先出现瓶颈 ==> 水平分表

Blog1

Blog2

3.拆分后事务如何保证

  • 1）两阶段、三阶段提交

  • 2）最终一致性

    通常的做法就是补偿

一个业务是 A 调用 B，两个执行成功才算最终成功，当 A 成功之后，B 执行失败如何来通知 A 呢
比较常见的做法是 失败时 B 通过 MQ 将消息告诉 A，A 再来进行回滚。
这种的前提是 A 的回滚操作得是幂等的，不然 B 重复发消息就会出现问题。

4..水平拆分：

按照取模分表拆分之后我们的 查询、修改、删除 也都是取模
==> 如新增一条数据的时候往往需要一张临时表来生成 ID, 然后根据生成的 ID 取模计算出需要写入的是哪张表 (也可以使用分布式 ID 生成器来生成 ID)
==> 不建议做join,建议做两次查询

1.水平分库

cut1

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

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；

场景：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

分析：库多了，io 和 cpu 的压力自然可以成倍缓解

2.水平分表

cut2

概念：以字段为依据，按照一定策略（hash、range、每月等），将一个表中的数据拆分到多个表中。

结果：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；

场景：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。

分析：表的数据量少了，单次SQL执行效率高，自然减轻了CPU的负担。

5.垂直拆分

1.垂直分库

cut3

概念：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, bxg果项目准备的垂直分库

结果：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；

场景：系统绝对并发量上来了，并且可以抽象出单独的业务模块

分析：到这一步，基本上就可以服务化了
例如，随着业务的发展一些公用的配置表、字典表等越来越多，这时可以将这些表拆到单独的库中，甚至可以服务化。
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。

2.垂直分表

cut4

概念：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

结果：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；

场景：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。

分析：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。
这样更多的热点数据就能被缓存下来，进而减少了随机读IO。
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。

6.拆分工具

1.sharding-sphere、Mycat

sharding-sphere：jar，前身是sharding-jdbc
TDDL：jar，Taobao Distribute Data Layer
Mycat：中间件

2.步骤

根据容量（当前容量和增长量）评估分库或分表个数

  • -> 选key（均匀）

  • -> 分表规则（hash或range等）

  • -> 执行（一般双写）

  • -> 扩容问题（尽量减少数据的移动）

3.问题

1.非partition key的查询问题

Blog1 Blog2

官网

  • 详细实用说明，后续再添加做项目具体经验进来，要注意的是拆分时候数据量的大小，数据的转移和可靠性如何保证。

参考：

文档信息

Search

    Table of Contents