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
// 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
-- 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
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。