分库分表要被淘汰了?

前言

不知道你有没有遇到过这种情况:业务数据量涨到几个亿,单表查询开始变慢,大家的第一反应可能是分库分表。

于是引入 ShardingSphere,把订单表拆成 64 片。

结果分片规则要维护、跨片查询要自己拼、扩容要迁移数据、大表 DDL 还要担心主从延迟。

那么,问题来了,不分库分表可以解决问题吗?

答:可以使用TiDB。

不用再管分片规则了,加机器就是扩容,跨库 JOIN 能直接写了,分析查询和交易查询跑在同一个入口。

今天这篇文章就专门跟大家一起聊聊TiDB,希望对你会有所帮助。

更多项目实战在Java突击队网:susan.net.cn/project

一、TiDB 到底是什么?

有些小伙伴可能会说:"TiDB 不就是个国产分布式数据库吗?跟分库分表有什么区别?"

区别在于:分库分表是你在应用层"模拟"分布式,TiDB 是数据库本身"就是"分布式。

MySQL 的分库分表,本质上是在单机数据库的上层加了一层路由。

数据还是存在多个独立的 MySQL 实例里,跨片查询、分布式事务、全局一致性,这些都要你自己在应用层解决。

TiDB 是一个原生分布式数据库。

它的计算层和存储层是分离的,存储层本身就是多副本、强一致的。

你写一条 SQL,TiDB 自己决定怎么拆、怎么算、怎么合并,不需要你告诉它"这个表分几片"。

**一句话说清:TiDB 把"分布式"这件事从应用层收回了数据库层。

你面对的是一个逻辑上完整的数据库,背后怎么分布,它自己管。**

二、一张图看懂 TiDB 的架构

TiDB 的架构可以分成三层:

计算层(TiDB Server) :无状态的 SQL 引擎。它负责解析 SQL、生成执行计划、把请求发给存储层,再把结果汇总返回。加机器就能提升计算能力,不需要停机。

存储层(TiKV + TiFlash) :TiKV 是行存引擎,负责 OLTP 的高并发读写。TiFlash 是列存引擎,负责 OLAP 的复杂分析查询。两者自动同步,保持强一致。

调度层(PD) :负责集群的元数据管理、负载均衡、时间戳分配。Region 的调度、副本的分布,都由它决定。

三、底层原理

3.1 自动分片:Region 就是 TiDB 的"分片"

MySQL 分库分表,分片规则是你定义的。

TiDB 不用你定义,它自己分。

TiDB 把数据按 Key 的范围切成一个个 Region,默认每个 Region 大概 96MB。

当 Region 变大或变热,PD 会自动把它分裂成两个,然后调度到不同的 TiKV 节点上。

这意味着什么?

你不需要预判"这张表会涨到多大、该分几片"。

TiDB 会根据实际数据量和访问压力,自动调整。

扩容就是加 TiKV 节点,PD 会自动把 Region 迁移过去,数据自动均衡。

3.2 Raft 协议:强一致是怎么保证的

TiKV 的每个 Region 都有多个副本,通常 3 个。副本之间用 Raft 协议同步。

你写一条数据,Leader 副本先写,然后同步给 Follower。多数派(2 个)确认之后,写入才算成功。 如果 Leader 挂了,Raft 会自动选一个新的 Leader,数据不丢。

这就是 TiDB 高可用的基础。 单机故障,Raft 自动切换,RTO 在秒级。不需要像 MySQL 那样配 MHA、配主从切换脚本。

3.3 HTAP:一套系统,两种负载

这是 TiDB 跟传统分库分表方案拉开差距最大的地方。

分库分表之后,你要做实时分析怎么办?通常是把数据同步到 Hive 或 ClickHouse,T+1 出结果。同步链路越长,延迟越大,数据一致性越难保证。

TiDB 的做法是:行存 TiKV 和列存 TiFlash 同时存在,TiFlash 通过 Raft Learner 实时从 TiKV 同步数据。 你写一条 SQL,TiDB 的优化器会自动判断------OLTP 查询走 TiKV,OLAP 查询走 TiFlash。

擎文集团的案例很典型。他们原来用 MySQL 分库分表,离线分析走 Hive,T+1 出结果。迁到 TiDB 之后,一套数据库同时支撑在线业务和实时分析需求,不用再维护同步链路。

四、从 MySQL 迁到 TiDB,要改什么?

4.1 连接串改一下

bash 复制代码
// 原来连 MySQL
String url = "jdbc:mysql://mysql-host:3306/mydb";

// 换成 TiDB
String url = "jdbc:mysql://tidb-host:4000/mydb";

端口从 3306 变成 4000,其他基本不变。

TiDB 兼容 MySQL 协议,JDBC 驱动、连接池配置、大部分 SQL 语法都不用动。

4.2 建表语句:AUTO_INCREMENT 的坑

TiDB 支持 AUTO_INCREMENT,但有一个细节要注意:如果表没有显式指定主键,TiDB 会用 _tidb_rowid 作为行标识,它和自增列共用一个分配器,可能导致 ID 跳号。

bash 复制代码
-- 建议:显式指定主键,并考虑用 AUTO_RANDOM
CREATE TABLE orders (
    id BIGINT PRIMARY KEY AUTO_RANDOM,
    user_id BIGINT,
    amount DECIMAL(10,2),
    created_at DATETIME
);

AUTO_RANDOM 是 TiDB 特有的,用来避免自增主键导致的写入热点。

如果你的表写入量很大,建议用 AUTO_RANDOM 而不是 AUTO_INCREMENT。

4.3 查询:跨库 JOIN 直接写

分库分表时代,跨片 JOIN 要么在应用层拼,要么用广播表。

TiDB 里,你直接写:

bash 复制代码
SELECT o.id, u.name, o.amount
FROM orders o
JOIN users u ON o.user_id = u.id
WHERE o.created_at > '2026-01-01';

TiDB 自己决定怎么拆、怎么算、怎么合并。

你不需要关心数据在哪个 Region 上。

五、用 AI 帮你分析 TiDB 的慢查询

TiDB 的慢查询日志是结构化的,你可以把慢查询日志和 EXPLAIN 结果喂给 AI,让它帮你分析"这条 SQL 为什么慢、该加什么索引"。

场景:你有一条查询在 TiDB 上跑得很慢,EXPLAIN 显示走了全表扫描。

第一步,把 EXPLAIN 结果贴给 AI。

"这是我的 TiDB EXPLAIN 结果。这条查询扫描了 200 万行,但只返回 10 行。帮我分析一下为什么没走索引,以及应该加什么索引。"

AI 会分析执行计划,发现查询条件用了 WHERE status = 'PENDING' AND created_at > '2026-01-01',但表上只有 created_at 的单列索引。它会建议你加一个联合索引 (status, created_at)。

第二步,让 AI 帮你验证。

"在 TiDB 里加联合索引需要注意什么?会不会影响写入性能?"

AI 会告诉你 TiDB 的 DDL 是在线的,不锁表,但加索引会消耗资源,建议在低峰期执行。它还会提醒你:如果 status 的区分度很低,可以考虑用 TiDB 的部分索引 (partial index),只索引 status = 'PENDING' 的行,减少索引体积。

AI 不能替你做的事 :判断"这个索引到底该不该加"------也许你的写入量很大,加索引的代价超过了查询优化的收益。AI 帮你理解执行计划,你来做权衡。

六、优缺点

优点

1. 不用分库分表

Region 自动分裂、自动调度、自动均衡。扩容就是加节点,数据自动迁移。不需要维护分片规则。

2. MySQL 兼容,迁移成本低

JDBC 驱动、连接池、大部分 SQL 语法都不用改。业务代码改一个连接串就能跑。

3. HTAP,一套系统两种负载

TiKV 扛 OLTP,TiFlash 扛 OLAP。不用再搭一套同步链路到 Hive/ClickHouse。

4. 金融级高可用

Raft 多副本,多数派确认,自动故障转移。RTO 秒级,数据零丢失。

5. 在线 DDL,不锁表

亿行大表的 DDL 也能在线执行,不阻塞业务读写。

6. 真实大厂验证

Kimi.ai 用 TiDB Cloud 为 AI Agent 提供数据库基础设施,1 秒内创建隔离数据库。Flipkart 用 TiDB on Kubernetes 做到每秒 100 万查询。

缺点

1. 不是 100% 兼容 MySQL

存储过程、触发器、事件、自定义函数、全文索引、空间数据类型,这些 TiDB 不支持。如果你的业务重度依赖这些,迁移需要改造。

2. 运维模型不同

TiDB 的运维跟 MySQL 不一样。你需要理解 PD、Region、Raft 这些概念。虽然 TiDB 有 TiUP 和 TiDB Operator 简化运维,但学习成本是存在的。

3. 写入热点需要处理

自增主键在 TiDB 上容易产生写入热点。需要用 AUTO_RANDOM 或者业务层生成 ID 来分散写入。

4. 资源消耗比单机 MySQL 高

TiDB 是分布式系统,最小生产部署也需要多个节点。对于小数据量、低并发的场景,TiDB 的资源消耗不划算。

七、适用场景

场景 推荐程度 理由
数据量大、分库分表运维痛苦 ✅✅✅ 强烈推荐 Region 自动分片,不用维护分片规则
需要 HTAP(交易+实时分析) ✅✅✅ 强烈推荐 一套系统两种引擎,不用搭同步链路
金融级高可用要求 ✅✅✅ 强烈推荐 Raft 多副本,自动故障转移
AI Agent 的数据库基础设施 ✅✅✅ 强烈推荐 Kimi.ai 已验证,1 秒创建隔离库
依赖存储过程/触发器/全文索引 ⚠️ 需评估 TiDB 不支持这些特性
小数据量、低并发 ❌ 不推荐 资源消耗不划算,MySQL 够用

更多项目实战在Java突击队网:susan.net.cn/project

八、写在最后

回到最初的问题:为什么越来越多人用 TiDB?

因为它把"数据量大了怎么办"这个问题,从"应用层怎么拆"变成了"数据库自己怎么分布"。

分库分表解决的是"单机撑不住"的问题,但它引入了新的问题:分片规则、跨片查询、分布式事务、扩容迁移。

TiDB 把这些问题收回到了数据库层。

你面对的是一个逻辑上完整的数据库,背后怎么分布、怎么复制、怎么调度,它自己管。

HTAP 是另一个让 TiDB 拉开差距的能力。

分库分表之后做实时分析,你要搭同步链路、维护两套系统。TiDB 的 TiFlash 让交易和分析跑在同一个入口,数据实时一致。

当然,TiDB 不是没有代价。

它不 100% 兼容 MySQL,存储过程、触发器、全文索引这些不支持。运维模型也不一样,需要理解 PD、Region、Raft。

对于小数据量、低并发的场景,TiDB 的资源消耗不划算。

但对于"数据量大到 MySQL 撑不住、又不想维护分库分表"的团队来说,TiDB 是一个经过大规模验证、持续迭代、MySQL 兼容的选择。

相关推荐
__underline__11 分钟前
冷门Python知识点006篇:Python 类体里的名字,能被"凭空造出来"
后端·python
nice_lcj52015 分钟前
【从零理解计算机网络 · 05】TCP 四次挥手:为什么挥手要四次、TIME_WAIT 在等什么
后端·tcp/ip·计算机网络·面试·tcp·四次挥手·time_wait
Moment23 分钟前
RSI 是怎样让 AI 改进自己的 ❓❓❓
前端·后端·面试
Cosolar34 分钟前
从 50ms 到 3 分钟:淘特动线 Agent 如何把 LLM 塞进一个有预算约束的实时系统
人工智能·后端·agent
Cosolar41 分钟前
拆开「研发数字人」:一个 Agent 系统真正的护城河,是被结构化的判断力
人工智能·后端·架构
cong_2 小时前
🐟 我把摸鱼岛重写了!现在群聊还能装进一张表格
前端·后端·github
nice_lcj5202 小时前
【从零理解计算机网络 · 04】TCP 三次握手:为什么恰好是三次
java·后端·tcp/ip·计算机网络·面试·tcp·三次握手
JaguarJack2 小时前
NGINX 两处漏洞可导致未经身份验证的远程代码执行(CVE-2026-123633 和 CVE-2026-123007)
后端·nginx·nginx2root
BingoGo2 小时前
NGINX 两处漏洞可导致未经身份验证的远程代码执行(CVE-2026-123633 和 CVE-2026-123007)
后端·nginx