知识卡片
先垂直拆分再水平拆分
为什么数据库要扩容:容量增加、读写性能改善、连接数增加。企业内部系统数据量有限,无须考虑伸缩性;互联网系统的前后端可通过 CDN、缓存、负载、水平扩展解决瓶颈,数据库却是最终的读写集中点。NoSQL 支持分片但不能取代关系型数据库——逻辑关系紧密复杂的系统必须依赖其事务特性。阿里巴巴规约建议单表行数超过 500 万行或单表容量超过 2GB 才推荐分库分表,目的是避免过度设计。
四种策略: | 策略 | 做法 | 影响 | |—|—|—| | 垂直分表 | 同库内把一张宽表拆成多张关联表(如商品基本信息、广告、促销),热点字段放一起 | 需调整程序 | | 垂直分库 | 按业务把相关表拆成独立库(用户库、订单库、产品库),专库专用 | 影响整体架构,引入分布式事务 | | 水平分表 | 同库内把一张表拆成结构相同的多张表 | 解决单表数据量 | | 水平分库 | 结构相同的表分散到多个库 | 性能最好,问题最多 | 垂直拆分没有解决单表数据量过大(一千万条订单拆完仍是一千万条)。
分片算法: - 哈希取模:分布均匀,但不适合范围查询,增减分片表会引起大量数据迁移(3 表改 4 表后,原来在表 1 的数据可能要搬到表 0); - 范围:如 ID 每 1000 万一张表,或按年份建表(便于查询、转储和清理); - 也可自定义路由规则表。
水平分库的难题:跨库关联查询、跨库分页排序、事务一致性、数据迁移。
三条原则: 1. 不过度设计,不需要把所有库表都拆——复杂度急剧升高,出问题的概率呈指数增长; 2. 不在项目初期就分库分表,单表增长到一定程度再动态调整; 3. 先垂直拆分,再水平拆分,垂直拆分能解决就不必水平拆分。 推荐框架:Apache ShardingSphere(源于当当网 Sharding-JDBC),提供数据分片、分布式事务、读写分离、数据加密等,可插拔扩展。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第2章 大型互联网架构设计的四大原则 · 查看原书依据
(3)先垂直拆分,再水平拆分。