8.2 分库分表简介

1. 分库分表介绍

随着业务规模扩大，单一数据库实例可能无法承载高并发的读写请求或海量数据存储。分库分表是一种通过拆分数据的方式，提升数据库性能和可扩展性的技术。

1.1 拆分策略

分库分表的拆分策略主要分为两种：

垂直拆分

定义：根据业务模块或表的字段进行拆分。
类型：
1. 垂直分库
  将不同业务模块的表拆分到不同的数据库中。
  适用场景：电商系统中的用户模块和订单模块分布在不同的数据库中。
2. 垂直分表
  将表中的列拆分为多个表，常用于大字段分离。
  适用场景：将用户表的主信息和扩展信息分成两张表。

水平拆分

定义：根据数据范围或规则对同一张表的数据进行拆分。
类型：
1. 水平分库
  按数据范围将数据分布到不同的数据库中。
  适用场景：订单数据按用户 ID 或时间拆分到不同的数据库。
2. 水平分表
  按数据范围将数据分布到多张表中，所有表在同一数据库。
  适用场景 ：将订单表按年份拆分为 order_2023、order_2024 等。

垂直拆分和水平拆分的区别

拆分类型	核心思想	适用场景	优点	缺点
垂直拆分	按模块或字段拆分	数据库结构较复杂	简化表结构，便于优化	跨库或跨表查询成本较高
水平拆分	按数据范围或规则拆分	单表数据量较大	减少单库压力，提升并发能力	数据路由复杂，事务处理难度增加

2. 分库分表实现技术

实现分库分表需要借助中间件或框架，常见的有 ShardingJDBC 和 MyCat。

2.1 ShardingJDBC

简介

ShardingJDBC 是 Java 的数据库分库分表中间件，作为 JDBC 驱动程序嵌入应用程序中，负责数据库分片、读写分离等功能。

作用

数据库分片：支持水平分库和分表。
读写分离：自动路由读写请求到主库或从库。
分布式事务：支持两阶段提交。

实现原理

数据分片规则：通过配置分片键和算法实现数据路由，例如按照用户 ID 取模。
分片执行：将 SQL 请求拆分为多条子查询，并合并查询结果返回。

示例配置：

yml 复制代码

sharding:
  tables:
    order:
      actualDataNodes: db${0..1}.order_${0..1}
      databaseStrategy:
        inline:
          shardingColumn: user_id
          algorithmExpression: db${user_id % 2}
      tableStrategy:
        inline:
          shardingColumn: order_id
          algorithmExpression: order_${order_id % 2}

2.2 MyCat

简介

MyCat 是基于代理的分库分表中间件，通过代理层实现对应用透明化的数据库分片和管理。

作用

支持垂直和水平拆分。
实现主从复制与读写分离。
提供分布式事务支持。

实现原理

SQL 解析与路由：解析 SQL 中的分片键，依据配置规则选择目标库或表。
执行与合并：将查询分发到多个分片数据库中，合并结果返回客户端。

示例分片规则：

properties 复制代码

schema.s0.dataNode=dn1,dn2
table.orders.dataNode=dn$->{order_id%2}
table.orders.rule=order_id%2

3. 总结

技术	适用场景	优点	缺点
ShardingJDBC	单体或微服务架构中使用	易于集成，支持多种分片算法和事务处理	与应用强耦合，需修改应用代码
MyCat	分布式架构，数据量超大场景	高性能，支持跨语言和分布式事务	部署复杂，需单独维护代理服务器

通过合理使用分库分表技术，可以有效解决大数据量和高并发问题，为业务提供强大的数据库支撑。