vlambda博客
学习文章列表

MySql 分库分表与分区的区别和思考

(给数据分析与开发加星标,提升数据技能

来自:GrimMjx

链接:cnblogs.com/GrimMjx/p/11772033.html


一.分分合合


说过很多次,不要拘泥于某一个技术的一点,技术是相通的。重要的是编程思想,思想是最重要的。当数据量大的时候,需要具有分的思想去细化粒度。当数据量太碎片的时候,需要具有合的思想来粗化粒度。


1.1 分


很多技术都运用了分的编程思想,这里来举几个例子,这些都是分的思想


集中式服务发展到分布式服务


从Collections.synchronizedMap(x)到1.7ConcurrentHashMap再到1.8ConcurrentHashMap,细化锁的粒度的同时依旧保证线程安全


从AtomicInteger到LongAdder,ConcurrentHashMap的size()方法。用分散思想,减少cas次数,增强多线程对一个数的累加


JVM的G1 GC算法,将堆分成很多Region来进行内存管理


Hbase的RegionServer中,将数据分成多个Region进行管理


平时开发是不是线程池都资源隔离


2.2 合


很多技术也运用到了合的编程思想,这里举几个例子,这些都是合的思想


TLAB(Thread Local Allocation Buffers),线程本地分配缓存。避免多线程冲突,提高对象分配效率


逃逸分析,将变量的实例化内存直接在栈里分配,无需进入堆,线程结束栈空间被回收。减少临时对象在堆内分配数量


CMS GC算法下,虽然使用标记清除,但是也有配置支持整理内存碎片。如:-XX:UseCMS-CompactAtFullCollection(FullGC后是否整理,Stop The World会变长)和-XX:CMSFullGCs-BeforeCompaction(几次FullGC之后进行压缩整理)


锁粗化,当JIT发现一系列连续的操作都是对同一对象反复加锁和释放锁,会加大锁同步的范围


kafka的网络数据传输有一些数据配置,减少网络开销。如:batch.size和linger.ms等等


平时开发是不是都个叫批量获取接口


二.分区


本文一切基于MySql InnoDB


说了这么多,接下来说主体,先说分区,因为之前博主写过一篇MySql分区的博客所以这里不会多费笔墨来写,具体见:

cnblogs.com/GrimMjx/p/10526821.html


2.1 实现方式


具体如何实现上面链接里有写,这里只需记住如果表中存在主键或唯一索引时,分区列必须是唯一索引的一个组成部分。


这个是数据库分的,应用透明,代码无需修改任何东西。


2.2 内部文件


先去data目录,如果不知道目录位置的可以执行:



接下来看下内部文件:


MySql 分库分表与分区的区别和思考 

从上图我们可以看出,有2中类型的文件,.frm文件和.ibd文件


frm文件:表结构文件


ibd文件:InnoDB中,索引和数据都在同个文件.ibdata(你的执行结果可能是.MYD索引文件和.MYI数据文件,没关系,这是MyIsAm存储引擎,对应着InnoDB的.ibd文件)。因为Order这张表分为5个区,所以有5个这样的文件


par文件:你执行的结果可能有.par文件也可能没有。注意:从MySql 5.7.6开始,不再创建.par分区定义文件。分区定义存储在内部数据字典中。


2.3 数据处理


分区表后,提高了MySql性能。如果一张表的话,那就只有一个.ibd文件,一颗大的B+树。如果分表后,将按分区规则,分成不同的区,也就是一个大的B+树,分成多个小的树。


(PS:如果想研究一颗聚集索引B+树可以放多少行数据,请看:cnblogs.com/GrimMjx/p/10540263.html)


读的效率肯定提升了,如果走分区键索引的话,先走对应分区的辅助索引B+树,再走对应分区的聚集索引B+树。


如果没有走分区键,将会在所有分区都会执行一次。会造成多次逻辑IO!平时开发如果想查看sql语句的分区查询可以使用explain partitons select xxxxx语句。可以看到一句select语句走了几个分区。 


mysql> explain partitions select * from TxnList where startTime>'2016-08-25 00:00:00' and startTime<'2016-08-25 23:59:00';  +----+-------------+-------------------+------------+------+---------------+------+---------+------+-------+-------------+  | id | select_type | table             | partitions | type | possible_keys | key  | key_len | ref  | rows  | Extra       |  +----+-------------+-------------------+------------+------+---------------+------+---------+------+-------+-------------+  |  1 | SIMPLE      | ClientActionTrack | p20160825  | ALL  | NULL          | NULL | NULL    | NULL | 33868 | Using where |  +----+-------------+-------------------+------------+------+---------------+------+---------+------+-------+-------------+  row in set (0.00 sec)


三.分库分表


当一张表随着时间和业务的发展,库里表的数据量会越来越大。数据操作也随之会越来越大。一台物理机的资源有限,最终能承载的数据量、数据的处理能力都会受到限制。这时候就会使用分库分表来承接超大规模的表,单机放不下的那种。


区别于分区的是,分区一般都是放在单机里的,用的比较多的是时间范围分区,方便归档。只不过分库分表需要代码实现,分区则是mysql内部实现。分库分表和分区并不冲突,可以结合使用。


MySql 分库分表与分区的区别和思考


3.1 实现


3.1.1 分库分表标准


  • 存储占用100G+

  • 数据增量每天200w+

  • 单表条数1亿条+


3.1.2 分库分表字段


分库分表字段取值非常重要


1.在大多数场景该字段是查询字段

2.数值型


一般使用userId,可以满足上述条件


3.2 分布式数据库中间件


分布式数据库中间件分为两种,proxy和客户端式架构。proxy模式有MyCat、DBProxy等,客户端式架构有TDDL、Sharding-JDBC等。那么proxy和客户端式架构有何区别呢?各自有什么优缺点呢?其实看一张图便可知晓。


proxy模式的话我们的select和update语句都是发送给代理,由这个代理来操作具体的底层数据库。所以必须要求代理本身需要保证高可用,否则数据库没有宕机,proxy挂了,那就走远了。


客户端模式通常在连接池上做了一层封装,内部与不同的库连接,sql交给smart-client进行处理。通常仅支持一种语言,如果其他语言要使用,需要开发多语言客户端。


各自的优缺点如下:


MySql 分库分表与分区的区别和思考


3.3 内部文件


找了一个分库分表+分区的例子,基本上和分区表的差不多,只是多了多了很多表的.ibd文件,上面有文件的解释:


[miaojiaxing@Grim testmydata]# ls | grep 'base_info'base_info_00.frmbase_info_00#P#p_2018.ibdbase_info_00#P#p_2019.ibdbase_info_00#P#p_2020.ibdbase_info_00#P#p_2021.ibdbase_info_00#P#p_init.ibdbase_info_00#P#p_max.ibdbase_info_01.frmbase_info_01#P#p_2018.ibdbase_info_01#P#p_2019.ibdbase_info_01#P#p_2020.ibdbase_info_01#P#p_2021.ibdbase_info_01#P#p_init.ibdbase_info_01#P#p_max.ibdbase_info.frmbase_info.ibd


3.4 问题


3.4.1 事务问题


既然分库分表了,那么肯定涉及到分布式事务,如何保证插入到不同库的多条记录能够要么同时成功,要么同时失败。有些同学可能想到XA,XA性能差而且不需要使用mysql5.7。柔性事务是目前主流的方案,TCC模式就属于柔性事务。


对于分布式事务问题每家公司有自己的实现,华为用saga,阿里用TXC,蚂蚁用DTX,支持FMT模式和TCC模式。



3.4.2 join问题


tddl、MyCAT等都支持跨分片join。但是尽力避免跨库join,比如通过字段冗余的方式等。


如果出现了这种情况且中间件支持分片join,那么可以这样使用。如果不支持可以手工查询。


四.总结


分表和在用途上不一样,分表是为了承接超大规模的表,单机放不下那种。


分区的话则一般都是放在单机里的,用的比较多的是时间范围分区,方便归档。


性能稳定上的话都是一个个子表,差不多,区别应该是分区表是mysql内部实现的,会比分表方案少一点数据交互只要你坚持,一步一步来,总归会成功的。


切忌,学技术急不来,快就是稳,稳就是快。技术有限,接收指正。如果您觉得写的可以,请点个推荐。




推荐阅读

(点击标题可跳转阅读)





看完本文有收获?请转发分享给更多人

关注「数据分析与开发」加星标,提升数据技能

好文章,我在看❤️