Django的多数据库处理（垂直分库和水平分库）

垂直分库指的是根据应用来分数据库，比如博客一个数据库，论坛一个数据库。水平分库是指，根据某些规则，将同一个应用/表的数据分布在不同的库上。比如根据用户ID把用户的博客文章分布在5个数据库上。

垂直分库，可以参考如下的文档。
Easy Multi-Database Support for Django
http://www.eflorenzano.com/blog/post/easy-multi-database-support-django/
这篇文章的主要思路是，继承Manager创建一个MultiDBManager，在建立Model的时候用MultiDBManager替换默认的Manager，在MultiDBManager构造时指定数据库。

核心的设计思路是，在外部设置settings的数据库连接的值，在db内部使用。

for name, database in settings.DATABASES.iteritems():
    for key, value in database.iteritems():
        setattr(settings, key, value)

do something

这样作其实是很费劲的，因为django在设计之初就没有考虑到multi-db的问题，connection都是直接读取的setting的配置，所有和数据库相关的地方都是“静态”的。

水平分库，可以参考如下的讨论链接，但是这家伙只是给出了思路，不过分析的很全面。
Proposal: user-friendly API for multi-database support
http://groups.google.com/group/django-developers/browse_thread/thread/9f0353fe0682b73

因为我的代码很乱（夹杂其他功能），所以我也只给出思路和部分代码。假设一个应用场景如下：用户的消息，根据用户的ID（数字）分布在2个数据库中，则用户ID对2求余就可以了。改动的地方，主要是BaseDatabaseWrapper（这是数据库连接的wraper，也是多类型(mysql,postgresql之类)数据库支持的基类），为__init__函数增加传入数据库编号参数。其次增加一个Manager，可以传入数据库编号，选择数据库连接。最后是，改动模型，CRUD时增加数据库编号参数。

1.setting.py

DATABASE_ENGINE = 'mysql'
DATABASE_NAME = 'master'
DATABASE_USER = '001'
DATABASE_PASSWORD = ''
DATABASE_HOST = '127.0.0.1'
DATABASE_PORT = '3306'

DATABASES = dict(
    msg_0 = dict(
        DATABASE_NAME='msg0',
    ),
    msg_1 = dict(
        DATABASE_NAME='msg1',
    ),
)

2.模拟一个settings.py出来，还有别的办法，我当时用的笨办法。

class DBSetting:
    def __init__(self,settings,db):
        self.DEBUG = False
        self.DATABASE_HOST = settings.DATABASE_HOST
        self.DATABASE_PORT = settings.DATABASE_PORT
        self.DATABASE_NAME = settings.DATABASE_NAME
        self.DATABASE_USER = settings.DATABASE_USER
        self.DATABASE_PASSWORD = settings.DATABASE_PASSWORD

        if db:
            dbdi = settings.DATABASES[db]
            if dbdi.has_key('DATABASE_HOST'):
                self.DATABASE_HOST = dbdi['DATABASE_HOST']
            if dbdi.has_key('DATABASE_PORT'):
                self.DATABASE_PORT = int(dbdi['DATABASE_PORT'])
            if dbdi.has_key('DATABASE_NAME'):
                self.DATABASE_NAME = dbdi['DATABASE_NAME']
            if dbdi.has_key('DATABASE_USER'):
                self.DATABASE_USER = dbdi['DATABASE_USER']
            if dbdi.has_key('DATABASE_PASSWORD'):
                self.DATABASE_PASSWORD = dbdi['DATABASE_PASSWORD']
            if dbdi.has_key('DATABASE_SEGMENT'):
                self.DATABASE_SEGMENT = dbdi['DATABASE_SEGMENT']

3.修改django安装文件下的django/db/backends/__init__.py文件，改完要重新安装。如果你直接修改/usr/lib/python2.5/site-packages/django/下的，则不需要。

class BaseDatabaseWrapper(local):
    #增加构造参数，把settings传入
    def __init__(self,settings,**kwargs):
        self.connection = None
        self.queries = []
        self.options = kwargs
        self.settings = settings
    #...此处省略了代码...
    def cursor(self):
        #把传入的settings传递给子类
        cursor = self._cursor(self.settings)
        if self.settings.DEBUG:
            return self.make_debug_cursor(cursor)
        return cursor

4.好了，一个可以传入链接参数的connection就做好了。和第一个参考链接里面的差不多，还是有点差异。处理数据库连接，有两个地方一个是QuerySet一个是insert。

class MultiManager(models.Manager):
    #group指的是垂直分库的标识，比如blog,bbs之类的
    def __init__(self, group, *args, **kwargs):
        self.group = group
        super(MultiManager, self).__init__(*args, **kwargs)
　　 #segment指的是用blog之下的哪个库
　　 #比如settings.py里面的blog_0,blog_1，那么segment就可能是０和1
    def choiceConn(self,segment):
        self.segment = segment

    def _getConn(self):
        if self.group:
            if self.segment:
                key = self.group+'_'+str(self.segment)
            else:
                key = self.group+‘_0’ #默认连第一个
            conn = connPool.getConn(key)
            return conn
        else:
            return None

    def get_query_set(self):
        conn = self._getConn()
        if conn:
            query = sql.Query(self.model,conn)
            queryset = QuerySet(self.model,query)
        else:
            queryset = super(MultiManager, self).get_query_set()
        return queryset

    def _insert(self, values, return_id=False, raw_values=False):
        conn = self._getConn()
        if conn:
            query = sql.InsertQuery(self.model, conn)
            query.insert_values(values, raw_values)
            ret = query.execute_sql(return_id)
            query.connection._commit()

5.models的定义，也需要额外的处理，一般情况下的调用如：userMsg.objects.filter()/get()之类的，如果是水平分库，则需要指定连接到哪个数据库。因此，我定义了一个objects(seg)的方法，可以传入数据编号。同时，保存的时候，一般是这样的：usermsg.save(),如果要分库，则改为usermsg.save(seg)就可以了。

class userMsg(models.Model):
    msgid = models.AutoField(primary_key = True)
    userid = models.IntegerField()
    message = models.CharField(max_length = 128)
    _default_manager = MultiManager('msg')

    @staticmethod
    def objects(seg):
        log('userMsg.objects(seg)',str(seg))
        userMsg._default_manager.choiceConn(seg)
        return userMsg._default_manager

    def choiceConn(self,seg):
        userMsg._default_manager.choiceConn(seg)

6.views中的使用，和django的使用没有太大区别，就上面的两个方法的差异。如果不需要水平切分，就不要使用上面两个方法，仅仅设置_default_manager = MultiManager('msg')，调用save()时，默认会连msg_0；如果调用save(1)，就会连第msg_1。


经一步的思考：

1.数据库事务的处理。在多数据库的情况下，针对不同的数据库，是无法使用事务的。因此，在架构上需要考虑异常和补偿性的事务。在同一个数据库上事务的处理，需要改写transication.py，或者获取当前connection，再进行事务的处理。


2.扩容的问题。增加数据库后，会导致数据重新分布，那么就涉及到数据迁移的问题，一个办法是分布规则，考虑到扩容的问题，新的规则兼容老的规则，旧有的数据不会变化。另外一种就是，可以平滑的在库之间移动数据。这两个都是很麻烦的问题。