大家好，我是yes。
MySQL 面试题又更新啦！
请继续接招。
说说分库分表？
随着用户量的激增和时间的堆砌，存在数据库里面的数据越来越多，此时的数据库就会产生瓶颈，出现资源报警、查询慢等场景。
首先单机数据库所能承载的连接数、I/O及网络的吞吐等都是有限的，所以当并发量上来了之后，数据库就渐渐顶不住了。
![]()
再则，如果单表的数据量过大，查询的性能也会下降。因为数据越多 B+ 树就越高，树越高则查询 I/O 的次数就越多，那么性能也就越差。
因为上述的原因，不得已就得上分库分表了。
把以前存在一个数据库实例里的数据拆分成多个数据库实例，部署在不同的服务器中，这是分库。
把以前存在一张表里面的数据拆分成多张表，这是分表。
一般而言：
你们一般怎么分库的？
一般分库都是按照业务划分的，比如订单库、用户库等等。
有时候会针对一些特殊的库再作切分，比如一些活动相关的库都做了拆分。
因为做活动的时候并发可能会比较高，怕影响现有的核心业务，所以即使有关联，也会单独做拆分。
![]()
那你觉得分库会带来什么问题呢？
首先是事务的问题。
我们使用关系型数据库，有很大一点在于它保证事务完整性。
而分库之后单机事务就用不上了，必须使用分布式事务来解决，而分布式事务基本的都是残缺的(我之前文章把分布式事务汇总了一波，后台搜索分布式事务就有了)。
这是很重要的一点需要考虑。
连表 JOIN 问题
在一个库中的时候我们还可以利用 JOIN 来连表查询，而跨库了之后就无法使用 JOIN 了。
此时的解决方案就是在业务代码中进行关联，也就是先把一个表的数据查出来，然后通过得到的结果再去查另一张表，然后利用代码来关联得到最终的结果。
这种方式实现起来稍微比较复杂，不过也是可以接受的。
还有可以适当的冗余一些字段。比如以前的表就存储一个关联 ID，但是业务时常要求返回对应的 Name 或者其他字段。这时候就可以把这些字段冗余到当前表中，来去除需要关联的操作。
那你们怎么分表的？
分表其实有两种：
垂直分表，来看个图，很直观：
![]()
垂直分表就是把一些不常用的大字段剥离出去。
像上面的例子：用户名是很常见的搜索结果，性别和年龄占用的空间又不大，而地址和个人简介占用的空间相对而言就较大，我们都知道一个数据页的空间是有限的，把一些无用的数据拆分出去，一页就能存放更多行的数据。
内存存放更多有用的数据，就减少了磁盘的访问次数，性能就得到提升。
水平分表，则是因为一张表内的数据太多了，上文也提到了数据越多 B+ 树就越高，访问的性能就差，所以进行水平拆分。
![]()
其实不管这些，浅显的理解下，在一百个数据里面找一个数据快，还是在一万个数据里面找一个数据快？
即使有索引，那厚的书目录多，翻目录也慢~
那分表会有什么问题？
垂直分表还好，就是需要关联一下，而水平分表就有点麻烦了。
排序、count、分页问题
如果一个用户的数据被拆分到多个表中，那查询结果分页就不像以前单张表那样直接就能查出来了，像 count 操作也是一样的。
只能由业务代码来实现或者用中间件将各表中的数据汇总、排序、分页然后返回。
像 count 操作的结果其实可以缓存下来，然后每次数据增删都更新计数。
路由问题
分表的路由可以分：
Hash 路由，其实就是选择表中的某一列，然后进行 Hash 运算，将 Hash 运算得到的结果再对子表数进行取模，这样就能均匀的将数据分到不同的子表上。
这跟 HashMap 选哪个桶是一样的原理。
优点就是数据分布均匀。
缺点就是增加子表的时候麻烦，想想 HashMap的扩容，是不是得搬迁数据？这个分表也是一样的，我们可都知道，数据迁移一件麻烦事！
范围路由，其实很简单，可以是时间，也可以是地址，表示一定的范围的即可。
比如本来一张 User 表，我可以分 User_HZ、User_BJ、User_SH，按照地名来划分 User。
再比如 log 表，我可以将表分为 log_202103、 log_202104，把日志按照年月来划分。
优点就是相对而言比较容易扩展，比如现在来个 GZ，那就加个 User_GZ。如果到了 5 月，那就建个 log_202105。
缺点就是数据可能分布不均匀，例如 BJ 的用户特别多或者某个月搞了促销，日志量特别大，等等。
路由表，就是专门搞个表来记录路由信息，来看个图就很清楚了。
![]()
从图中我们就能得知，UserID 为 2 的用户数据在要去 User_3 这个用户表查询。
优点就是灵活咯，如果要迁移数据，直接迁移然后路由表一改就完事儿了~
缺点就是得多查一次，每次查询都需要访问路由表，不过这个一般会做缓存的。
全局主键问题
以前单表的时候很简单，就是主键自增，现在分表了之后就有点尴尬了。
所以需要一些手段来保证全局主键唯一。
-
还是自增，只不过自增步长设置一下。比如现在有三张表，步长设置为3，三张表 ID 初始值分别是1、2、3。这样第一张表的 ID 增长是 1、4、7。第二张表是2、5、8。第三张表是3、6、9，这样就不会重复了。
-
UUID，这种最简单，但是不连续的主键插入会导致严重的页分裂，性能比较差。
-
分布式 ID，比较出名的就是 Twitter 开源的 sonwflake 雪花算法，具体就不展开了，不然就又是一篇文章了，简单点利用 redis 来递增也行。
那上面说的路由问题的 Sharding-Key 如何设计呢？
我们分表是按照某个列来拆分的，那个列就是 Sharding-Key，查询的时候必须带上这个列才行。
例如上面提到的 log_202103，那表明查询条件一定得带上日期，这样才能找到正确的表。
所以设计上得考虑查询的条件来作为 Sharding-Key。
举个常常会被问的订单表 Sharding-Key 例子。
你想着查找订单的时候会通过订单号去找，所以应该利用订单 ID 来作为 Sharding-Key。
但是你想想，你打开外卖软件想查找你的历史订单的时候，你是没有订单 ID 的，你只有你的 UserID，那此时只能把所有子表都通过 UserID 遍历一遍，这样效率就很低了！
所以你想着那用 UserID 来作为 Sharding-Key 吧！
但是，商家呢？商家肯定关心自己今天卖了多少单，所以他也要查找订单，但他只有自己的商家 ID，所以如果要查询订单，只能把所有子表都通过商家 ID 遍历一遍，这样效率就很低了！
所以 Sharding-Key 是满足不了所有查询需求的，只能曲线救国。
一般做法就是冗余数据。
将订单同步到另一张表中给商家使用，这个表按商家 ID 来作为 Sharding-Key，也可以将数据同步到 ES 中。一般而言这里的数据同步都是异步处理，不会影响正常流程。
最后
今天的面试题主要是分库分表相关的，基本上常问的都涵盖了。
MySQL 面试题未完，持续更新~
因为分库分表会带来很多复杂性，所以能不分库分表，就不要分库分表。
这个前提请牢记。
还有，面试题交流群持续开放，已经分享了近 50 个面经。
欢迎关注我的公众号【yes的练级攻略】，更多硬核文章等你来读。
![]()
我是 yes，从一点点到亿点点，我们下篇见~
本文分享自微信公众号 - yes的练级攻略（yes_java）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
