Sharding JDBC （二）分库分表关键问题与解决方案

目录

一、分库分表产生问题的原因

1.1 垂直拆分的影响

1.2 水平拆分的影响

二、分库分表带来的难点问题

2.1 分布式全局唯一ID

方案一 ：设置主键自增id 的起始和步长

方案二 ：UUID/GUID

方案三 ：Twitter的分布式自增ID算法Snowflake

方案四：Redis Increment

方案五：Zookeeper 分布式事务锁

方案六：MongoDB ObjectID(类似于UUID)

方案七：Ticket Server (数据库生成方式，Flickr采用这种方式)

2.2 常见分片规则

2.3 常见分片策略

分策策略一：标准分片策略StandardShardingStrategy

分片策略二：复合分片策略ComplexShardingStrategy

分片策略三：Inline表达式分片策略InlineShardingStrategy

分片策略四：Hint分片HintShardingStrategy

分片策略五：NoneShardingStrategy

2.4 分片算法

2.3 跨分片技术问题

2.3.1 跨分页的排序分页

2.3.2 跨分页的函数处理

2.3.3 跨分片join

2.4 跨分片事务问题

三、Sharding JDBC 概念

真实表

广播表

绑定表

四、系统是否分库分表分析

---

---

一、分库分表产生问题的原因

当系统数据库达到一定的量级，单数据库实例已经无法支撑的时候，我们就要考虑采用分库分表的策略了.那么进行数据分库分表后会

带来哪些影响呢？

1.1 垂直拆分的影响

1. 单机ACID打破了
2. 一些Join操作变得困难
3. 外键约束的场景受影响

1.2 水平拆分的影响

1. 单机ACID打破了
2. 一些Join操作变得困难
3. 外键约束的场景受影响
4. 依赖单库的自增序列生成id受影响
5. 逻辑意义上的单表查询可能要跨库
    

二、分库分表带来的难点问题

2.1 分布式全局唯一ID

在很多中小项目中，我们往往直接使用数据库自增特性来生成主键ID，这样确实比较简单。而在分库分表的环境中，数据分布在不同的分片上，如果每个分片都采用原有的主键自增策略。不可避免的会造成主键ID重复。简单介绍下使用和了解过的几种ID生成算法。

---

方案一 ：设置主键自增id 的起始和步长

ds0.t_user  设置主键id   自动增长   起始1  步长2   -->> 1，3，5，7，9...

ds1.t_user  设置主键id   自动增长   起始2  步长2   -->> 2，4，6，8，10...

多少个库步长就为分库的数量

缺点：

1. 不利于扩展，新增库之后要维护所有表的自动增长步长，
2. 中小型使用自增序列，但是大型项目不使用

---

方案二 ：UUID/GUID

优点：

1. 好处就是本地生成，不要基于数据库

缺点：

1. UUID 使用字符串形式存储、太长占用空间大，作为主键性能太差了
2. UUID 不具有有序性，会导致 B+ 树索引在写的时候有过多的随机写操作（连续的 ID 可以产生部分顺序写），还有，由于在写的时候不能产生有顺序的 append 操作，而需要进行 insert 操作，将会读取整个 B+ 树节点到内存，在插入这条记录后会将整个节点写回磁盘，这种操作在记录占用空间比较大的情况下，性能下降明显
3. 采用无意义字符串，区别于SKUID，没有任何业务上体现（淘宝，京东等商品的SKUID包含商品的信息）

---

方案三 ：Twitter的分布式自增ID算法Snowflake

雪花算法概述

有这么一种说法，自然界中并不存在两片完全一样的雪花的。每一片雪花都拥有自己漂亮独特的形状、独一无二。雪花算法也表示生成的ID如雪花般独一无二。

组成结构

 

大致由：首位无效符、时间戳差值，机器(进程)编码，序列号四部分组成，雪花算法生成的ID是纯数字且具有时间顺序的。

• 时间位：可以根据时间进行排序，有助于提高查询速度。
• 机器id位：适用于分布式环境下对多节点的各个节点进行标识，可以具体根据节点数和部署情况设计划分机器位10位长度，如划分5位表示进程位等
• 序列号位：是一系列的自增id，可以支持同一节点同一毫秒生成多个ID序号，12位的计数序列号支持每个节点每毫秒产生4096个ID序号

优点：

1. 时间自增排序
2. 适合分布式场景，整个分布式系统内不会产生ID碰撞（由datacenter和机器ID作区分）
3. 效率较高，每毫秒4096个ID序号

缺点：

　　雪花算法在单机系统上ID是递增的，但是在分布式系统多节点的情况下，所有节点的时钟并不能保证不完全同步，所以有可能会出现不是全局递增的情况

简单配置实现

https://blog.csdn.net/womenyiqilalala/article/details/106118983

---

方案四：Redis Increment

incr可以用作计数器模式，它是原子自增操作

方案五：Zookeeper 分布式事务锁

---

方案六：MongoDB ObjectID(类似于UUID)

---

方案七：Ticket Server (数据库生成方式，Flickr采用这种方式)

---

2.2 常见分片规则

存储的规则

• 随机分片：hashcode 取模 (user_id % 片数量 ，取模结果为 0 ，insert t_user0,取模结果为 1，insert t_user1)
• 连续分片: 时间范围,int ,可能会造成数据倾斜（每个库数据量不平衡） 

根据业务需求来决定分片键 ，在业务之初分片键确定之后一般情况不更换，如果更换，对数据迁移，数据维护 非常的麻烦

---

2.3 常见分片策略

Sharding-JDBC中的分片策略有两个维度：

• 数据源分片策略（DatabaseShardingStrategy）：数据被分配的目标数据源
• 表分片策略（TableShardingStrategy）：数据被分配的目标表
• 两种分片策略API完全相同，但是表分片策略是依赖于数据源分片策略的（即：先分库，然后才有分表）

Sharding分片策略继承自ShardingStrategy，提供了5种分片策略。

io.shardingsphere.core.routing.strategy.ShardingStrategy
    --io.shardingsphere.core.routing.strategy.standard.StandardShardingStrategy
    --io.shardingsphere.core.routing.strategy.standard.ComplexShardingStrategy
    --io.shardingsphere.core.routing.strategy.standard.InlineShardingStrategy
    --io.shardingsphere.core.routing.strategy.standard.HintShardingStrategy
    --io.shardingsphere.core.routing.strategy.standard.NoneShardingStrategy

由于分片算法和业务实现紧密相关，因此Sharding-JDBC并未提供内置分片算法，而是通过分片策略将各种场景提炼出来，提供更高层级的抽象，并提供接口让应用开发者自行实现分片算法。

---

分策策略一：标准分片策略StandardShardingStrategy

简单配置实现链接：https://blog.csdn.net/womenyiqilalala/article/details/106113983

• 提供对SQL语句中的=, IN和BETWEEN AND的分片操作支持
• StandardShardingStrategy只支持单分片键，提供PreciseShardingAlgorithm（精准分片）和RangeShardingAlgorithm（范围分片）两个分片算法
• PreciseShardingAlgorithm是必选的，用于处理=和IN的分片
• RangeShardingAlgorithm是可选的，用于处理BETWEEN AND分片，如果不配置RangeShardingAlgorithm，SQL中的BETWEEN AND将按照全库路由处理
• 如果需要使用RangeShardingAlgorithm，必须和PreciseShardingAlgorithm配套使用

---

分片策略二：复合分片策略ComplexShardingStrategy

简单配置实现链接：https://blog.csdn.net/womenyiqilalala/article/details/106115560

• 提供对SQL语句中的=, IN和BETWEEN AND的分片操作支持
• ComplexShardingStrategy支持多分片键，由于多分片键之间的关系复杂，因此Sharding-JDBC并未做过多的封装，而是直接将分片键值组合以及分片操作符交于算法接口，完全由应用开发者实现，提供最大的灵活度

---

分片策略三：Inline表达式分片策略InlineShardingStrategy

简单配置实现链接：https://blog.csdn.net/womenyiqilalala/article/details/106115295

• 使用Groovy的Inline表达式，提供对SQL语句中的=和IN的分片操作支持。
• 只支持单分片键
• InlineShardingStrategy只支持单分片键，对于简单的分片算法，可以通过简单的配置使用，从而避免繁琐的Java代码开发，如: tuser${user_id % 8} 表示t_user表按照user_id按8取模分成8个表，表名称为t_user_0到t_user_7

---

分片策略四：Hint分片HintShardingStrategy

简单配置实现链接：https://blog.csdn.net/womenyiqilalala/article/details/106115831

在分库分区中，有些特定的SQL，Sharding-jdbc、Mycat、Vitess都不支持（可以查看相关文档各自对哪些SQL不支持）,例如：insert into table1 select * from table2 where ....这种SQL 路由很麻烦，需要解析table2的路由（是在ds0 /ds1 table2_0/table_1）,结果集归并，insert 语句也需要同样的路由解析。这种情况Sharding-jdbc可以使用Hint分片策略来实现各种Sharding-jdbc不支持语法的限制

• 通过Hint而非SQL解析的方式分片的策略。对于分片字段非SQL决定，而由其他外置条件决定的场景，可使用SQL Hint灵活的注入分片字段
• Hint分片策略是绕过SQL解析的，所以对于这些比较复杂的需要分片的查询，采用Hint分片策略性能可能会更好
• 在读写分离数据库中，Hint 可以通过HintManager.setMasterRouteOnly()方法，强制读主库（主从复制存在一定延时，但在某些特定的业务场景中，可能更需要保证数据的实时性）

---

分片策略五：NoneShardingStrategy

不分片的策略。和直接不使用Sharding-JDBC 效果相同

---

2.4 分片算法

Sharding提供了以下4种算法接口：

• PreciseShardingAlgorithm:精确分片算法，用于处理使用单一键作为分片键的=与IN进行分片的场景。需要配合StandardShardingStrategy使用。
• RangeShardingAlgorithm:范围分片算法用于处理使用单一键作为分片键的BETWEEN AND进行分片的场景。需要配合StandardShardingStrategy使用。如果需要使用RangeShardingAlgorithm，必须和PreciseShardingAlgorithm配套使用，否则会报错
• HintShardingAlgorithm:Hint分片算法
• ComplexKeysShardingAlgorithm:复合分片算法

---

2.3 跨分片技术问题

2.3.1 跨分页的排序分页

跨节点多库进行查询时，会出现limit分页、order by排序等问题

分页需要按照指定字段进行排序当排序字段就是分片字段时，通过分片规则就比较容易定位到指定的分片。

当排序字段非分片字段时，就变得比较复杂。各分片节点中的数据可能是随机的，为了排序的准确性，必须把所有分片节点的前N页数据都排序好后做合并，最后再进行整体的排序。很显然，这样的操作是比较消耗资源的，用户越往后翻页，系统性能将会越差。

例如：现有db0.t_user0 ,db1.t_user1 ,db2.t_user2 三张表

select id from t__user where id < 10 order by  id limit 0,2 

每张表的数据：

db0.t_user0   1,4,7

db1.t_user1    5,2,8

db2.t_user2    9,6,3

必须要对db0.t_user0 ,db1.t_user1 ,db2.t_user2 三张表进行排序，然后合并为结果 1,4,7,2,5,8,3,6,9 ,再对合并的结果排序分页

---

2.3.2 跨分页的函数处理

在使用Max、Min、Sum、Count之类的函数进行统计和计算的时候，需要先在每个分片数据源上执行相应的函数处理，然后再将各个结果集进行二次处理

---

2.3.3 跨分片join

Join是关系型数据库中最常用的特性，但是在分片集群中，join也变得非常复杂(这种场景，比上面的跨分片分页更加复杂，而且对性能的影响很大），应该采取尽量避免跨分片的join查询。在分库分表中，尽量减少跨库的join，基本上所有的组件都不提供跨库join的功能，目前没有好的办法去解决

a）全局表

全局表 （等同于维度表，例如省份表，城市表，名族表等），使用的是空间换时间的思想，每个db数据库上都存在一张相同数据的表，维护同步

b) ER表

在关系型数据库中，表之间往往存在一些关联的关系。如果我们可以先确定好关联关系，并将那些存在关联关系的表记录存放在同一个分片上，那么就能很好的避免跨分片join问题

---

2.4 跨分片事务问题

跨分片事务也叫分布式事务，想要了解分布式事务，就需要了解“XA接口”和“两阶段提交”。值得提到的是，MySQL5.5x和5.6x中的xa支持是存在问题的，会导致主从数据不一致。直到5.7x版本中才得到修复。Java应用程序可以采用Atomikos框架来实现XA事务（J2EE中JTA）

---

三、Sharding JDBC 概念

真实表

如果t_user 表分库分表之后四张表（ds0.t_user0、ds0.t_user1、ds1.t_user0、ds1.t_user1）

在sharding-jdbc 查询时：直接select * from t_user where age =18 ,shardig-jdbc回去查询四张表中符合的数据，对于程序代码sql 中t_user 是逻辑表，并不存在，而 ds0.t_user0、ds0.t_user1、ds1.t_user0、ds1.t_user1 是存放了数据并且存在的真实表（可以参考接口和实现类，接口不能不能被实例化）

广播表

也就是上面的 2.3.3中的全局表

绑定表

sharding-jdbc使用绑定表名称，Mycat使用ER表名称

例如

主表-> t_person_main（id,name,age,qq_level）;

子表-> t_person_detail (id,gender,address,phone_num,e-mail,city_id);

如果主表id = 1 分表时在ds0,子表id=1 在ds1 。

Select  *  from  t_person_main as mian left join t_person_detail as detail on mian .id = detail .id where mian .id=1;查询时就需要跨库join.

sharding-jdbc 使用绑定表解决跨库join ,判断相关联的数据插入时是否在同一个库，例如 t_person_main id=1在ds0上，那么t_person_detail id=1 就不会插入到ds1上，保障主表和子表相同数据在同一个库中。出现上面id相同不同库的情况， join时也不会去其他的库上查找数据。避免跨库join

---

四、系统是否分库分表分析

mysql单表经验

• 300W Mysql 可以轻松抗住
• 600 W 数据开始卡，优化可以解决（表结构，索引设计）
• 800W ~ 1000W 牛逼的DBA 优化都会遇到瓶颈

一般MySQL单表1000W左右的数据是可以不需要考虑分表的。当然，除了考虑当前的数据量和性能情况时，我们需要提前考虑系统半年到一年左右的业务增长情况。但是要避免过度设计（考虑了很多未来几年的需求。例如一张表在未来几年内 数据预计会达到几千万（存在很多的不确定性））

根据数据量增长速度，选择实现步骤

第一步：不分库不分表

第二步：同库内的分表

第三步：分库分表

不要过度设计，一上来玩大的就进行分库分表

分库如果多个实例存在同一台服务器上，只是解决了数据库最大连接数的问题

但是 io（数据库数据是存储在硬盘上，每次获取都需要去硬盘把数据捞出来）,cpu 等服务器资源瓶颈并没有解决。数据库的性能取决于服务器等性能