数据库的分库分表

知识点掌握了，还需要不断练习才能熟练运用。下面golang学习网给大家带来一个数据库开发实战，手把手教大家学习《数据库的分库分表》，在实现功能的过程中也带大家重新温习相关知识点，温故而知新，回头看看说不定又有不一样的感悟！

一 概念:什么是分库分表(sharding)

1 将集中于单一节点的数据拆分并分别存储到多个数据库或表,称为分库分表
2 数据切分分为两种方式,垂直切分和水平切分
3 分库:因为表多导致数据过多使用垂直切分,垂直切分就是根据业务的耦合性,将关联度低的不同表存储在不同的数据库,按照业务分离进行独立存储
4 分表:每张表的数据非常多适合使用水平切分,即把表的数据按某种规则切分到多个数据库上
                 

二 用途:分库分表用来解决什么问题

数据库面对海量数据由于数据量过大导致的性能问题

三 用例:具体的使用用例,解决了什么典型问题

Sharding的基本思想就要把一个数据库切分成多个部分方法哦不同的数据库server上,从而缓解单一数据库的性能问题,    

中间件

• 当当 sharding-jdbc
• 蘑菇街 TSharding
• sharding
• TDDL Smart Client的方式 -- 淘宝
• Atlas -- 360
• alibaba.cobar 阿里巴巴B2B
• MyCat 基于阿里开源的Cobar
• Oceanus 58同城
• OneProxy 支付宝首席架构师 楼方鑫
• vitess 谷歌

分库分表后会遇到什么问题?

• 事务问题 方案一,使用分布式事务. 方案二, 由应用程序和数据库共同控制
• 跨节点Join的问题 方案,两次查询 第一次找出关联数据的ID,第二次根据这些ID获得关联数据
• 跨节点的count,order by,group by以及聚合函数问题 方案,并行在各节点上查询然后合并结果

• 数据迁移,容量规划,扩容问题

         来自淘宝综合业务平台团队，它利用对2的倍数取余具有向前兼容的特性（如对4取余得1的数对2取余也是1）来分配数据，避免了行级别的数据迁移，但是依然需要进行表级别的迁移，同时对扩容规模和分表数量都有限制。总得来说，这些方案都不是十分的理想，多多少少都存在一些缺点，这也从一个侧面反映出了Sharding扩容的难度 

• ID问题

  UUID , 结合数据库维护一个Sequence , [Twitter的分布式自增ID算法Snowflake][1]

• 跨分片的排序分页 方案,限制能查看的页数,一定要查看可缩小范围重新查看
• 分库策略 根据数值取模
• 分库数量 初次建议 4 - 8
• 路由透明
• 使用框架还是自主研发

扩容

  //TODO

四 其他解决方案

主从  读写分离  缓存   

五 熟悉原理,重新实现

//TODO

备注

1 , 横向扩展 也叫 水平扩展，用更多的节点支撑更大量的请求。 如成千上万的蚂蚁完成一项搬运工作
2 , 纵向扩展 又叫 垂直扩展，扩展一个点的能力支撑更大的请求。如利用1个人的能力，如蜘蛛侠逼停火车
3 , 参考 分库分表的基本思想

今天关于《数据库的分库分表》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于mysql的内容请关注golang学习网公众号！