在互聯網大廠,分庫分表通常有哪些思路和技巧呢?

寫在前面

在系統的研發過程中,隨著數據量的不斷增長,單庫單表已無法滿足數據的存儲需求,此時,我們就需要對數據庫進行分庫分表操作。那在互聯網大廠,分庫分表通常有哪些思路和技巧呢?今天,我就將這些思路和技巧分享給大家。

記得點贊收藏加關注哦 ,需要下載PDF版本和獲取更多知識點、面試題的朋友

可以加q群:580763979? ?備注:簡書? ?免費領取~

分庫分表

分庫分表是隨著業務的不斷發展,單庫單表無法承載整體的數據存儲時,采取的一種將整體數據分散存儲到不同服務器上的不同數據庫中的不同數據表的存儲方案。分庫分表能夠有效的緩解數據的存儲壓力,分庫分表是數據存儲達到一定規模時必然會遇到的問題。掌握分庫分表的思路和技巧有助于小伙伴們更好的解決實際工作中,有關數據拆分的問題。

接下來,我們就分別對分表和分庫來談談一些使用的思路和技巧。

分表

分表,最直白的意思,就是將一個表結構分為多個表,然后,可以再同一個庫里,也可以放到不同的庫。 當然,首先要知道什么情況下,才需要分表。個人覺得單表記錄條數達到百萬到千萬級別時就要使用分表了。

分表的分類

1.縱向分表

將本來可以在同一個表的內容,人為劃分為多個表。(所謂的本來,是指按照關系型數據庫的第三范式要求,是應該在同一個表的。)

分表技巧:?根據數據的活躍度進行分離,(因為不同活躍的數據,處理方式是不同的)

案例:

對于一個博客系統,文章標題,作者,分類,創建時間等,是變化頻率慢,查詢次數多,而且最好有很好的實時性的數據,我們把它叫做冷數據。而博客的瀏覽量,回復數等,類似的統計信息,或者別的變化頻率比較高的數據,我們把它叫做活躍數據。所以,在進行數據庫結構設計的時候,就應該考慮分表,首先是縱向分表的處理。

這樣縱向分表后:

(1)首先,存儲引擎的使用不同,冷數據使用MyIsam 可以有更好的查詢數據。活躍數據,可以使用Innodb ,可以有更好的更新速度。

(2)其次,對冷數據進行更多的從庫配置,因為更多的操作時查詢,這樣來加快查詢速度。對熱數據,可以相對有更多的主庫的橫向分表處理。

其實,對于一些特殊的活躍數據,也可以考慮使用memcache ,redis之類的緩存,等累計到一定量再去更新數據庫。或者mongodb 一類的nosql 數據庫,這里只是舉例,就先不說這個。

2.橫向分表

字面意思,就可以看出來,是把大的表結構,橫向切割為同樣結構的不同表,如,用戶信息表,user_1,user_2 等。表結構是完全一樣,但是,根據某些特定的規則來劃分的表,如根據用戶ID來取模劃分。

分表技巧:?根據數據量的規模來劃分,保證單表的容量不會太大,從而來保證單表的查詢等處理能力。

案例:

同上面的例子,博客系統。當博客的量達到很大的時候,就應該采取橫向分割來降低每個單表的壓力,來提升性能。例如博客的冷數據表,假如分為100個表,當同時有100萬個用戶在瀏覽時,如果是單表的話,會進行100萬次請求,而現在分表后,就可能是每個表進行1萬個數據的請求(因為,不可能絕對的平均,只是假設),這樣壓力就降低了很多。

注意:?數據庫的復制能解決訪問問題,并不能解決大規模的并發寫入問題,要解決這個問題就要考慮MySQL數據切分了。

數據切分

顧名思義,就是數據分散,將一臺主機上的數據分攤到多臺,減輕單臺主機的負載壓力,有兩種切分方式,一種是分庫,即按照業務模塊分多個庫,每個庫中的表不一樣,還有一種就是分表,按照一定的業務規則或者邏輯將數據拆分到不同的主機上,每個主機上的表是一樣的,這個有點類似于Oracle的表分區。

分區

分庫又叫垂直分區,這種方式實現起來比較簡單,重要的是對業務要細化,分庫時候要想清楚各個模塊業務之間的交互情況,避免將來寫程序時出現過多的跨庫讀寫操作。

分表又叫水平分區,這種方式實現起來就比垂直分區復雜些,但是它能解決垂直分區所不能解決的問題,即單張表的訪問及寫入很頻繁,這時候就可以根據一定的業務規則(PS:如互聯網BBS論壇的會員等級概念,根據會員等級來分表)來分表,這樣就能減輕單表壓力,并且還能解決各個模塊的之間的頻繁交互問題。

分庫的優點是:?實現簡單,庫與庫之間界限分明,便于維護,缺點是不利于頻繁跨庫操作,不能解決單表數據量大的問題。

分表的優點是:?能解決分庫的不足點,但是缺點卻恰恰是分庫的優點,分表實現起來比較復雜,特別是分表規則的劃分,程序的編寫,以及后期的數據庫拆分移植維護。

實際應用

實際應用中,一般互聯網企業的路線都是先分庫再分表,兩者結合使用,取長補短,這樣發揮了MySQL擴展的最大優勢,但是缺點是架構很大,很復雜,應用程序的編寫也比較復雜。

以上是MySQL的數據切分的一些概念,數據切完了,現在要做的是怎么樣在整合起來以便于外界訪問,因為程序訪問的入口永遠只有一個,現在比較常用的解決方案是通過中間代理層來統一管控所有數據源。

總結

我這里也準備了一線大廠面試資料和超硬核PDF技術文檔,以及我為大家精心準備的多套簡歷模板(不斷更新中),希望大家都能找到心儀的工作!

有需要的朋友可以加q群:580763979? ?備注:簡書? ?免費領取~

?著作權歸作者所有,轉載或內容合作請聯系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 227,488評論 6 531
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,034評論 3 414
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 175,327評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,554評論 1 307
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,337評論 6 404
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 54,883評論 1 321
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 42,975評論 3 439
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,114評論 0 286
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,625評論 1 332
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,555評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,737評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,244評論 5 355
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 43,973評論 3 345
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,362評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,615評論 1 280
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,343評論 3 390
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,699評論 2 370

推薦閱讀更多精彩內容