（十一）数据分片(Sharding)和数据分区(PARTITIONing)简述

即便是 MariaDB，也有一个想要处理大数据的心。虽然可能跟其它的例如 HBase、Hive 之类的比有些差异和不足，但并不影响壮志。

简单列举两个要处理大量数据的例子：

• 1、IoT Sensor Networks
  • 存取特性: 很少大量写入，但多大量读取
  • 事务需求: 少
  • 资料量: 累积数量庞大
• 2、AI Machine Learning 领域
  • 搜集大量数据进行分析

使用 MariaDB 处理大量数据，先来了解一下这两点。

DATA Sharding (数据分片)和 Data Partition(数据分区)

数据分片简述

• 单一数据库系统已无法处理 Big Data 服务需求
• 大部分数据库瓶颈皆处于 I/O 效能问题
• 提供数据分片技术将数据分散储存于多个数据库实例中
• 提供水平式,垂直档案分布于不同的 I/O 系统,加速数据存取
• 可横跨多种不同功能数据库系统
• 相关技术或引擎:FEDERATEDX , CONNECT , SPIDER , MAXSCALE

关于数据分片，这里有一篇 2019 年 2 月发布的文章，到今天(2020/06/18)一年多，有 169.9k 的浏览量，讲解说明还不错，推荐阅读：

Understanding Database Sharding

个人理解来说：

分片（Sharding） 是一种与水平切分（horizontal partitioning）相关的数据库架构模式，用于在特定的 SQL 操作中减少数据读写的总量以缩减响应时间。——例如将一个表里面的行（row），分成多个不同的表的。

分区(PARTITIONing) 是分片的具体做法实现，例如水平分区、垂直分区。

分片（Sharding）将一个数据分成两个或多个较小的块，称为逻辑分片（logical shards）。然后，逻辑分片（logical shards）分布在单独的数据库节点上，称为物理分片（physical shards）。物理分片（physical shards）可以容纳多个逻辑分片（logical shards）。尽管如此，所有分片中保存的数据，共同代表整个逻辑数据集。

数据库分片（Database shards）是无共享架构（ shared-nothing architecture）的一个例子。这意味着分片是自治的：分片间不共享任何相同的数据或服务器资源。但是在某些情况下，将某些表复制到每个分片中作为参考表是有意义的。例如，假设某个应用程序的数据库依赖于重量测量的固定转换率。通过将包含必要转换率数据的表复制到每个分片中，有助于确保查询所需的所有数据都保存在每个分片中。

通常，分片（Sharding）在应用程序级别进行实现。这意味着应用程序包含“要向哪个分片发送读和写”的代码。但是，某些数据库管理系统内置了分片功能，允许您直接在数据库级别实现分片。

分片的优点：

高可用性(High Availability)：对于分片数据库，如果一个数据库分片出现故障，则仅会使部分用户无法使用应用程序或网站的一部分，而其它分片可以继续运行而不会出现任何问题。如果数据库未分片，则中断可能会导致整个应用程序不可用。

更快的查询响应（Faster queries response）：对尚未分片的数据库提交查询时，它可能必须搜索查询表中的每一行，才能找到您要查找的结果集。对于具有大型整体数据库的应用程序，查询会变得异常缓慢。但是，通过将一个表拆分为多个表，查询必须遍历更少的行，并且其结果集可以更快地返回。

更多的写带宽(More write bandwidth)：无需主数据库序列化写操作，就可以并行写操作，从而提高了写吞吐量。写作是许多网站的主要瓶颈。

向外扩展(Scaling out)：对数据库进行分片可以帮助促进水平扩展（称为向外扩展）。

分片的缺点：

增加系统的复杂性(Adds complexity in the system)：恰当地实现分片数据库体系结构是一项复杂的任务。如果处理不正确，则存在很大的风险，即分片过程可能导致数据丢失或表损坏。分片对团队的工作流程也有重大影响。用户必须从多个入口位置管理数据，而不是从单个入口点管理和访问数据，这可能对某些团队具有潜在地破坏性。

重新平衡数据(Rebalancing data)：在分片数据库体系结构中，有时分片会超出其它分片而变得不平衡，这也称为数据库热点(database hotspot)。在这种情况下，分片数据库的任何好处都会被抵消。数据库可能需要重新分片以允许更均匀的数据分发。必须从一开始就建立重新平衡，否则在重新分片时，将数据从一个分片移动到另一个分片需要大量的停机时间。

从多个分片连接数据(Joining data from multiple shards)：要实现一些复杂的功能，我们可能需要从分布在多个分片中的不同来源提取大量数据。我们无法发出查询并从多个分片获取数据。我们需要对不同的分片发出多个查询，获取所有响应并将其合并。

没有原生支持(No Native Support)：并非每个数据库引擎都原生支持分片。因此，分片通常需要自己实现。这意味着通常很难找到有关分片的文档或解决问题的技巧。

ref: https://medium.com/system-design-blog/database-sharding-69f3f4bd96db