如何应对并发(4) - 分布式数据库及反范式设计

分布式数据库及反范式设计

当数据容量非常大，请求频次非常高，索引优化，异步更新，合并操作，需求裁剪这些都做到位了，你发现系统依然存在严重的瓶颈，需要扩展，这时候，我们再来谈分布式方案。

这个课题我四年前在Qcon架构师大会分享过，当场我看记录，好评数还可以，但事后有高手吐槽说我讲的玩意根本不算什么分布式数据库，可能他们看中硬核的东西，不过我这种野路子，关心的是实战中，中小型互联网公司遇到的数据库压力问题如何高效解决，简单有效是第一宗旨，您要是问一线的，比如淘宝怎么解决数据库压力，别问我，我不会。

今天偷懒了，我把以前文档的内容贴出来。 不过这也是原创哦，四年前的原创。

分库 & 拆表方案

l 基本认识

n 用分库 & 拆表是解决数据库容量问题的唯一途径。

n 分库 & 拆表也是解决性能压力的最优选择。

n 分库 – 不同的数据表放到不同的数据库服务器中（也可能是虚拟服务器）

n 拆表 – 一张数据表拆成多张数据表，可能位于同一台服务器，也可能位于多台服务器（含虚拟服务器）。

l 去关联化原则

n 摘除数据表之间的关联，是分库的基础工作。

n 摘除关联的目的是，当数据表分布到不同服务器时，查询请求容易分发和处理。

n 学会理解反范式数据结构设计，所谓反范式，第一要点是不用外键，不允许 Join 操作，不允许任何需要跨越两个表的查询请求。第二要点是适度冗余减少查询请求，比如说，信息表， fromuid, touid, message 字段外，还需要一个 fromuname 字段记录用户名，这样查询者通过 touid 查询后，能够立即得到发信人的用户名，而无需进行另一个数据表的查询。

n 去关联化处理会带来额外的考虑，比如说，某一个数据表内容的修改，对另一个数据表的影响。这一点需要在程序或其他途径去考虑。

l 分库方案

n 安全性拆分

u 将高安全性数据与低安全性数据分库，这样的好处第一是便于维护，第二是高安全性数据的数据库参数配置可以以安全优先，而低安全性数据的参数配置以性能优先。参见运维优化相关部分。

n 基于业务逻辑拆分

u 根据数据表的内容构成，业务逻辑拆分，便于日常维护和前端调用。

u 基于业务逻辑拆分，可以减少前端应用请求发送到不同数据库服务器的频次，从而减少链接开销。

u 基于业务逻辑拆分，可保留部分数据关联，前端 web 工程师可在限度范围内执行关联查询。

n 基于负载压力拆分

u 基于负载压力对数据结构拆分，便于直接将负载分担给不同的服务器。

u 基于负载压力拆分，可能拆分后的数据库包含不同业务类型的数据表，日常维护会有一定的烦恼。

n 混合拆分组合

u 基于安全与业务拆分为数据库实例，但是可以使用不同端口放在同一个服务器上。

u 基于负载可以拆分为更多数据库实例分布在不同数据库上

u 例如，

l 基于安全拆分出 A 数据库实例，

l 基于业务拆分出 B,C 数据库实例，

l C 数据库存在较高负载，基于负载拆分为 C1,C2,C3,C4 等 实例。

l 数据库服务器完全可以做到 A+B+C1 为一台， C2,C3,C4 各单独一台。

l 分表方案

n 数据量过大或者访问压力过大的数据表需要切分

n 纵向分表（常见为忙闲分表）

u 单数据表字段过多，可将频繁更新的整数数据与非频繁更新的字符串数据切分

u 范例 user 表 ，个人简介，地址， QQ 号，联系方式，头像 这些字段为字符串类型，更新请求少； 最后登录时间，在线时常，访问次数，信件数这些字段为整数型字段，更新频繁，可以将后面这些更新频繁的字段独立拆出一张数据表，表内容变少，索引结构变少，读写请求变快。

n 横向切表

u 等分切表，如哈希切表或其他基于对某数字取余的切表。等分切表的优点是负载很方便的分布到不同服务器；缺点是当容量继续增加时无法方便的扩容，需要重新进行数据的切分或转表。而且一些关键主键不易处理。

u 递增切表，比如每 1kw 用户开一个新表，优点是可以适应数据的自增趋势；缺点是往往新数据负载高，压力分配不平均。

u 日期切表，适用于日志记录式数据，优缺点等同于递增切表。

u 个人倾向于递增切表，具体根据应用场景决定。

n 热点数据分表

u 将数据量较大的数据表中将读写频繁的数据抽取出来，形成热点数据表。通常一个庞大数据表经常被读写的内容往往具有一定的集中性，如果这些集中数据单独处理，就会极大减少整体系统的负载。

u 热点数据表与旧有数据关系

l 可以是一张冗余表，即该表数据丢失不会妨碍使用，因源数据仍存在于旧有结构中。优点是安全性高，维护方便，缺点是写压力不能分担，仍需要同步写回原系统。

l 可以是非冗余表，即热点数据的内容原有结构不再保存，优点是读写效率全部优化；缺点是当热点数据发生变化时，维护量较大。

l 具体方案选择需要根据读写比例决定，在读频率远高于写频率情况下，优先考虑冗余表方案。

u 热点数据表可以用单独的优化的硬件存储，比如昂贵的闪存卡或大内存系统。

u 热点数据表的重要指标

l 热点数据的定义需要根据业务模式自行制定策略，常见策略为，按照最新的操作时间；按照内容丰富度等等。

l 数据规模，比如从 1000 万条数据，抽取出 100 万条热点数据。

l 热点命中率，比如查询 10 次，多少次命中在热点数据内。

l 理论上，数据规模越小，热点命中率越高，说明效果越好。需要根据业务自行评估。

u 热点数据表的动态维护

l 加载热点数据方案选择

n 定时从旧有数据结构中按照新的策略获取

n 在从旧有数据结构读取时动态加载到热点数据

l 剔除热点数据方案选择

n 基于特定策略，定时将热点数据中访问频次较少的数据剔除

n 如热点数据是冗余表，则直接删除即可，如不是冗余表，需要回写给旧有数据结构。

u 通常，热点数据往往是基于缓存或者 key-value 方案 冗余存储，所以这里提到的热点数据表，其实更多是理解思路，用到的场合可能并不多 … .

反范式设计（冗余结构设计）

l 反范式设计的概念

n 无外键，无连表查询。

n 便于分布式设计，允许适度冗余，为了容量扩展允许适度开销。

n 基于业务自由优化，基于 i/o 或查询设计，无须遵循范式结构设计。

l 冗余结构设计所面临的典型场景

n 原有展现程序涉及多个表的查询，希望精简查询程序

n 数据表拆分往往基于主键，而原有数据表往往存在非基于主键的关键查询，无法在分表结构中完成。

n 存在较多数据统计需求（ count, sum 等），效率低下。

l 冗余设计方案

n 基于展现的冗余设计

u 为了简化展现程序，在一些数据表中往往存在冗余字段

u 举例，信息表 message ，存在字段 fromuid,touid,msg,sendtime 四个字段，其中 touid +sendtime是复合索引。存在查询为 select * from message where touid=$uid order by sendtime desc limit 0,30;

u 展示程序需要显示发送者姓名，此时通常会在 message 表中增加字段 fromusername ，甚至有的会增加 fromusersex ，从而无需连表查询直接输出信息的发送者姓名和性别。这就是一种简单的，为了避免连表查询而使用的冗余字段设计。

n 基于查询的冗余设计

u 涉及分表操作后，一些常见的索引查询可能需要跨表，带来不必要的麻烦。确认查询请求远大于写入请求时，应设置便于查询项的冗余表。

u 冗余表要点

l 数据一致性，简单说，同增，同删，同更新。

l 可以做全冗余，或者只做主键关联的冗余，比如通过用户名查询 uid ，再基于 uid 查询源表。

u 实战范例 1

l 用户分表，将用户库分成若干数据表

l 基于用户名的查询和基于 uid 的查询都是高并发请求。

l 用户分表基于 uid 分成数据表，同时基于用户名做对应冗余表。

l 如果允许多方式登陆，可以有如下设计方法

n uid,passwd, 用户信息等等，主数据表，基于 uid 分表

n ukey,ukeytype,uid 基于 ukey 分表，便于用户登陆的查询。分解成如下两个 SQL 。

u select uid from ulist_key_13 where ukey=’$username’ and ukeytype=‘login’;

u select * from ulist_uid_23 where uid=$uid and passwd=’$passwd’;

n ukeytype 定义用户的登陆依据，比如用户名，手机号，邮件地址，网站昵称等。 Ukey+ukeytype 必须唯一。

n 此种方式需要登陆密码统一，对于第三方 connect 接入模式，可以通过引申额外字段完成。

u 实战范例2：用户游戏积分排名

l 表结构 uid,gameid,score 参见前文实时积分排行。表内容巨大，需要拆表。

l 需求1：基于游戏 id 查询积分排行

l 需求2：基于用户 id 查询游戏积分记录

l 解决方案：建立完全相同的两套表结构，其一以 uid 为拆表主键，其二以 gameid 为拆表主键，用户提交积分时，向两个数据结构同时提交。

u 实战范例3：全冗余查询结构

l 主信息表仅包括 主键及备注 memo 字段（text类型），只支持主键查询，可以基于主键拆表。所以需要展现和存储的内容均在 memo 字段重体现。

l 对每一个查询条件，建立查询冗余表，以查询条件字段为主键，以主信息表主键 id 为内容。

l 日常查询只基于查询冗余表，然后通过 in 的方式从主信息表获得内容。

l 优点是结构扩展非常方便，只需要扩展新的查询信息表即可，核心思路是，只有查询才需要独立的索引结构，展现无需独立字段。

l 缺点是只适合于相对固定的查询架构，对于更加灵活的组合查询束手无策。

n 基于统计的冗余结构

u 为了减少会涉及大规模影响结果集的表数据操作，比如 count ， sum 操作。应将一些统计类数据通过冗余数据结构保存。

u 冗余数据结构可能以字段方式存在，也可能以独立数据表结构存在，但是都应能通过源数据表恢复。

u 实战范例：

l 论坛板块的发帖量，回帖量，每日新增数据等。

l 网站每日新增用户数等。

l 参见 Discuz 论坛系统数据结构，有较多相关结构。

l 参见前文分段积分结构，是典型用于统计的冗余结构。

l 后台可以通过源数据表更新该数字。

l Redis 的 Zset 类型可以理解为存在一种冗余统计结构。

n 历史数据表

u 历史数据表对应于热点数据表，将需求较少又不能丢弃的数据存入，仅在少数情况下被访问。

以上为节选，缺失部分请点击 “查看原文”

---

分几次分享的意思其实很简单，这个文档很早就发布过，给很多人也分享过，但我总觉得效果不够好，不够好的原因是，很多人马马虎虎的看一遍下去，并不真的理解吸收，我还是希望有兴趣的读者多花一点时间思考这些技术问题，能透彻的理解其思路和逻辑，并真正用到工作中，提升代码和数据库操作的效率。

我们平时看技术文档，看技术专家分享的时候，多半存在这个问题，贪多嚼不烂，看着觉得对方方案很牛，但很多都只是听到了一点概念，最后真正吸收和落实的不多，我希望一些做技术的朋友能稍微慢下来，多吸收和领悟一下，然后在实践中用起来，这样，这个分享才是有意义的。

明天我会写一篇对一些技术人员吐槽的文章，谢谢。