数据切分

​ 数据切分指的是通过某种特定的条件，将我们存放在同一个数据库中的数据分散存放到多个数据库上面，以达到分散单台设备负载的效果。

​ 数据的切分根据其切分规则的类型，可以分为两种切分模式。一种是按照不同的表来切分到不同的数据库之上，这种切可以称之为数据的垂直切分或者纵向切分，另外一种则是根据表中的数据的逻辑关系，将同一个表中的数据按照某种条件拆分到多台数据库上面，这种切分称之为数据的水平切分或者横向切分。

​ 垂直切分的最大特点就是 规则简单，实施也更为方便，尤其适合各业务之间的耦合度非常低，相互影响很小，业务逻辑非常清晰的系统。在这种系统中，可以很容易做到将不同业务模块所使用的表分拆到不同的数据库中。根据不同的表来进行拆分，对应用程序的影响也很小，拆分规则也会比较简单清晰。

​ 水平切分与垂直切分相比，相对来说稍微复杂一些。因为要将同一个表中的不同数据拆分到不同的数据库中，对于应用程序来说，拆分规则本身就较根据表明来拆分更为复杂，后期的数据维护也会更为复杂一些。

1、垂直切分

​ 一个数据库由很多表的构成，每个表对应着不同的业务，垂直切分是指按照业务将表进行分类，分布到不同的数据库上面，这样也就将数据或者压力分担到不同的库上面。

​ 如上图所示，一个系统被切分成了用户系统、订单交易、支付系统等多个库。

​ 一个架构设计较好的应用系统，其总体功能肯定是又多个功能模块所组成的。而每一个功能模块所需要的数据对应到数据库中就是一个或者多个表。而在架构设计中，各个功能模块相关质检的交互点越统一越少，系统的耦合度就越低，系统各个模块的维护性以及扩展性也就越好。这样的系统，实现数据的垂直切分也就越容易。

​ 但是往往系统中有些表难以做到完全的独立，存在着跨库join的情况，对于这类的表，就需要去做平衡，是数据让步业务，共用一个数据源还是分成多个库，业务之间通过接口来做调用。在系统初期，数据量比较少，或者资源有限的情况下，会选择共用数据源，但是当数据发展到一定规模，负载很大的情况下就必须要做分割。

​ 一般来讲业务存在着复杂join的场景是难以切分的，往往业务独立的易于切分。如何切分，切分到何种程度是考验技术架构的一个难题。下面来分析下垂直切分的优缺点：

​ 优点：

​ 1、拆分后业务清晰，拆分规则明确

​ 2、系统之间整合或扩展容易

​ 3、数据维护简单

​ 缺点：

​ 1、部分业务表无法实现join，只能通过接口方式解决，提高了系统复杂度

​ 2、受每种业务不同的限制存在单库性能瓶颈，不易数据扩展跟性能提高

​ 3、事务处理复杂

2、水平切分

​ 相对于垂直拆分，水平拆分不是将表做分类，而是按照某个字段的某种规则来分散到多个库中，每个表中包含一部分数据。简单来说，我们可以将数据的水平切分理解为是按照数据行切分，就是将表中的某些行切分到一个数据库，而另外的某些行又切分到其他的数据库中，

​

​ 拆分数据就需要定义分片规则。关系型数据库是行列的二维模型，拆分的第一原则是找到拆分维度。比如从会员的角度来分析，商户订单交易类系统中查询会员某天某月某个订单，那么就需要按照会员结合日期来拆分，不同的数据按照会员id做分组，这样所有的数据查询join都会在单库内解决；如果从商户的角度来讲，要查询某个商家某天所有的订单数，就需要按照商户id做拆分；但是如果系统既想按照会员拆分，又想按照商家数据拆分，就会有一定的困难，需要综合考虑找到合适的分片。

​ 几种典型的分片规则包括：

​ 1、按照用户id取模，将数据分散到不同的数据库，具有相同数据用户的数据都被分散到一个库中；

​ 2、按照日期，将不同月甚至日的数据分散到不同的库中；

​ 3、按照某个特定的字段求模，或者根据特定范围段分散到不同的库中。

​ 如图，切分原则都是根据业务找到适合的切分规则分散到不同的库，下图是用用户id求模的案例：

​ 数据做完了水平拆分之后也是有优缺点的。

​ 优点：

​ 1、拆分规则抽象好，join操作基本可以数据库做；

​ 2、不存在单库大数据，高并发的性能瓶颈；

​ 3、应用端改造较少；

​ 4、提高了系统的稳定性跟负载能力

​ 缺点：

​ 1、拆分规则难以抽象

​ 2、分片事务一致性难以解决

​ 3、数据多次扩展跟维护量极大

​ 4、跨库join性能较差

3、总结

​ 我们刚刚讲解了数据切分的两种方式，会发现每种方式都有自己的缺点，但是他们之间有共同的缺点，分别是：

​ 1、引入了分布式事务的问题

​ 2、跨节点join的问题

​ 3、跨节点合并排序分页的问题

​ 4、多数据源管理的问题

​ 针对数据源管理，目前主要有两种思路：

​ 1、客户端模式，在每个应用程序模块中配置管理自己需要的一个或多个数据源，直接访问各个数据库，在模块内完成数据的整合

​ 2、通过中间代理层来统一管理所有的数据源，后端数据库集群对前端应用程序透明；

​ 在实际的生产环境中，我们都会选择第二种方案来解决问题，尤其是系统不断变得庞大复杂的时候，其实这是非常正确的，虽然短期内付出的成本可能会比较大，但是对整个系统的扩展性来说，是非常有帮助的。

​ mycat通过数据切分解决传统数据库的缺陷，又有了nosql易于扩展的优点。通过中间代理层规避了多数据源的数据问题，对应用完全透明，同时对数据切分后存在的问题，也做了解决方案。

​ mycat在做数据切分的时候应该尽可能的遵循以下原则，当然这也是经验之谈，最终的落地实现还是要看具体的应用场景在做具体的分析

​ 第一原则：能不切分尽量不要切分

​ 第二原则：如果要切分一定要选择合适的切分规则，提前规划好

​ 第三原则：数据切分尽量通过数据冗余或表分组来降低跨库join的可能

​ 第四原则：由于数据库中间件对数据join实现的优劣难以把握，而且实现高性能难度极大，业务读取尽量少使用多表join。