據(jù)說是阿里 P8 級高級架構(gòu)師吐血總結(jié)的一份 Java 核心知識.pdf, 內(nèi)容覆蓋很廣，Java 核心基礎(chǔ)、Java 多線程、高并發(fā)、Spring、微服務(wù)、Netty 與 RPC、Zookeeper、Kafka、RabbitMQ、Habase、設(shè)計模式、負(fù)載均衡、分布式緩存、Hadoop、Spark、Storm、云計算等。

另外，附送 100G 學(xué)習(xí)、面試視頻文檔喲~

獲取方式：【關(guān)注 轉(zhuǎn)發(fā)】后，私信我，回復(fù)關(guān)鍵字【資源】，即可免費無套路獲取哦~

以下是資源的部分目錄以及內(nèi)容截圖：

重要的事再說一遍，獲取方式：【關(guān)注 轉(zhuǎn)發(fā)】后，私信我，回復(fù)關(guān)鍵字【資源】，即可免費無套路獲取哦~

正文開始，前言

背景

前不久發(fā)過兩篇關(guān)于分表的文章：

• 一次分表踩坑實踐的探討
• 分表后需要注意的二三事

從標(biāo)題可以看得出來，當(dāng)時我們只做了分表；還是由于業(yè)務(wù)發(fā)展，截止到現(xiàn)在也做了分庫，目前看來都還比較順利，所以借著腦子還記得清楚來一次復(fù)盤。

先來回顧下整個分庫分表的流程如下：

整個過程也很好理解，基本符合大部分公司的一個發(fā)展方向。

很少會有業(yè)務(wù)一開始就會設(shè)計為分庫分表，雖說這樣會減少后續(xù)的坑，但部分公司剛開始都是以業(yè)務(wù)為主。

直到業(yè)務(wù)發(fā)展到單表無法支撐時，自然而然會考慮分表甚至分庫的事情。

于是本篇會作一次總結(jié)，之前提過的內(nèi)容可能會再重復(fù)一次。

分表

首先討論下什么樣的情況下適合分表？

根據(jù)我的經(jīng)驗來看，當(dāng)某張表的數(shù)據(jù)量已經(jīng)達(dá)到千萬甚至上億，同時日增數(shù)據(jù)量在 2% 以上。

當(dāng)然這些數(shù)字并不是絕對的，最重要的還是對這張表的寫入和查詢都已經(jīng)影響到正常業(yè)務(wù)執(zhí)行，比如查詢速度明顯下降，數(shù)據(jù)庫整體 IO 居高不下等。

而談到分表時我們著重討論的還是水平分表；

也就是將一張大表數(shù)據(jù)通過某種路由算法將數(shù)據(jù)盡可能的均勻分配到 N 張小表中。

Range

而分表策略也有好幾種，分別適用不同的場景。

首先第一種是按照范圍劃分，比如我們可以將某張表的創(chuàng)建時間按照日期劃分存為月表；也可以將某張表的主鍵按照范圍劃分，比如 【1~10000】在一張表，【10001~20000】在一張表，以此類推。

這樣的分表適合需要對數(shù)據(jù)做歸檔處理，比如系統(tǒng)默認(rèn)只提供近三個月歷史數(shù)據(jù)的查詢功能，這樣也方便操作；只需要把三月之前的數(shù)據(jù)單獨移走備份保存即可）。

這個方案有好處也有弊端：

• 好處是自帶水平擴(kuò)展，不需要過多干預(yù)。
• 缺點是可能會出現(xiàn)數(shù)據(jù)不均勻的情況（比如某個月請求暴增）。

Hash

按照日期這樣的范圍分表固然簡單，但適用范圍還是比較窄；畢竟我們大部分的數(shù)據(jù)查詢都不想帶上時間。

比如某個用戶想查詢他產(chǎn)生的所有訂單信息，這是很常見的需求。

于是我們分表的維度就得改改，分表算法可以采用主流的 hash mod 的組合。

這是一個經(jīng)典的算法，大名鼎鼎的 HashMap 也是這樣來存儲數(shù)據(jù)。

假設(shè)我們這里將原有的一張大表訂單信息分為 64 張分表：

這里的 hash 便是將我們需要分表的字段進(jìn)行一次散列運算，使得經(jīng)過散列的數(shù)據(jù)盡可能的均勻并且不重復(fù)。

當(dāng)然如果本身這個字段就是一個整形并且不重復(fù)也可以省略這個步驟，直接進(jìn)行 Mod 得到分表下標(biāo)即可。

分表數(shù)量選擇

至于這里的分表數(shù)量（64）也是有講究的，具體設(shè)為多少這個沒有標(biāo)準(zhǔn)值，需要根據(jù)自身業(yè)務(wù)發(fā)展，數(shù)據(jù)增量進(jìn)行預(yù)估。

根據(jù)我個人的經(jīng)驗來看，至少需要保證分好之后的小表在業(yè)務(wù)發(fā)展的幾年之內(nèi)都不會出現(xiàn)單表數(shù)據(jù)量過大（比如達(dá)到千萬級）。

我更傾向于在數(shù)據(jù)庫可接受的范圍內(nèi)盡可能的增大這個分表數(shù)，畢竟如果后續(xù)小表也達(dá)到瓶頸需要再進(jìn)行一次分表擴(kuò)容，那是非常痛苦的。

目前筆者還沒經(jīng)歷這一步，所以本文沒有相關(guān)介紹。

但是這個數(shù)量又不是瞎選的，和 HashMap 一樣，也建議得是 2^n，這樣可以方便在擴(kuò)容的時盡可能的少遷移數(shù)據(jù)。

Range Hash

當(dāng)然還有一種思路， Range 和 Hash 是否可以混用。

比如我們一開始采用的是 Hash 分表，但是數(shù)據(jù)增長巨大，導(dǎo)致每張分表數(shù)據(jù)很快達(dá)到瓶頸，這樣就不得不再做擴(kuò)容，比如由 64 張表擴(kuò)容到 256 張。

但擴(kuò)容時想要做到不停機(jī)遷移數(shù)據(jù)非常困難，即便是停機(jī)，那停多久呢？也不好說。

所以我們是否可以在 Mod 分表的基礎(chǔ)上再分為月表，借助于 Range 自身的擴(kuò)展性就不用考慮后續(xù)數(shù)據(jù)遷移的事情了。

這種方式理論可行，但我沒有實際用過，給大家的思路做個參考吧。

煩人的數(shù)據(jù)遷移

分表規(guī)則弄好后其實只是完成了分表的第一步，真正麻煩的是數(shù)據(jù)遷移，或者說是如何做到對業(yè)務(wù)影響最小的數(shù)據(jù)遷移。

除非是一開始就做了分表，所以數(shù)據(jù)遷移這一步驟肯定是跑不掉的。

下面整理下目前我們的做法供大家參考：

1. 一旦分表上線后所有的數(shù)據(jù)寫入、查詢都是針對于分表的，所以原有大表內(nèi)的數(shù)據(jù)必須得遷移到分表里，不然對業(yè)務(wù)的影響極大。
2. 我們估算了對一張 2 億左右的表進(jìn)行遷移，自己寫的遷移程序，大概需要花 4~5 天的時間才能完成遷移。
3. 意味著這段時間內(nèi)，以前的數(shù)據(jù)對用戶是不可見的，顯然這樣業(yè)務(wù)不能接受。
4. 于是我們做了一個兼容處理：分表改造上線后，所有新產(chǎn)生的數(shù)據(jù)寫入分表，但對歷史數(shù)據(jù)的操作還走老表，這樣就少了數(shù)據(jù)遷移這一步驟。
5. 只是需要在操作數(shù)據(jù)之前做一次路由判斷，當(dāng)新數(shù)據(jù)產(chǎn)生的足夠多時（我們是兩個月時間），幾乎所有的操作都是針對于分表，再從庫啟動數(shù)據(jù)遷移，數(shù)據(jù)遷移完畢后將原有的路由判斷去掉。
6. 最后所有的數(shù)據(jù)都從分表產(chǎn)生和寫入。

至此整個分表操作完成。

業(yè)務(wù)兼容

同時分表之后還需要兼容其他業(yè)務(wù)；比如原有的報表業(yè)務(wù)、分頁查詢等，現(xiàn)在來看看我們是如何處理的。

報表

首先是報表，沒分表之前之間查詢一張表就搞定了，現(xiàn)在不同，由一張表變?yōu)?N 張表。

所以原有的查詢要改為遍歷所有的分表，考慮到性能可以利用多線程并發(fā)查詢分表數(shù)據(jù)然后匯總。

不過只依靠 Java 來對這么大量的數(shù)據(jù)做統(tǒng)計分析還是不現(xiàn)實，剛開始可以應(yīng)付過去，后續(xù)還得用上大數(shù)據(jù)平臺來處理。

查詢

再一個是查詢，原有的分頁查詢肯定是不能用了，畢竟對上億的數(shù)據(jù)分頁其實沒什么意義。

只能提供通過分表字段的查詢，比如是按照訂單 ID 分表，那查詢條件就得帶上這個字段，不然就會涉及到遍歷所有表。

這也是所有分表之后都會遇到的一個問題，除非不用 MySQL 這類關(guān)系型數(shù)據(jù)庫。

分庫

分表完成后可以解決單表的壓力，但數(shù)據(jù)庫本身的壓力卻沒有下降。

我們在完成分表之后的一個月內(nèi)又由于數(shù)據(jù)庫里“其他表”的寫入導(dǎo)致整個數(shù)據(jù)庫 IO 增加，而且這些“其他表”還和業(yè)務(wù)關(guān)系不大。

也就是說一些可有可無的數(shù)據(jù)導(dǎo)致了整體業(yè)務(wù)受影響，這是非常不劃算的事情。

于是我們便把這幾張表單獨移到一個新的數(shù)據(jù)庫中，完全和現(xiàn)有的業(yè)務(wù)隔離開來。

這樣就會涉及到幾個改造：

1. 應(yīng)用自身對這些數(shù)據(jù)的查詢、寫入都要改為調(diào)用一個獨立的 Dubbo 服務(wù)，由這個服務(wù)對遷移的表進(jìn)行操作。
2. 暫時不做數(shù)據(jù)遷移，所以查詢時也得按照分表那樣做一個兼容，如果查詢老數(shù)據(jù)就要在當(dāng)前庫查詢，新數(shù)據(jù)就要調(diào)用 Dubbo 接口進(jìn)行查詢。
3. 對這些表的一些關(guān)聯(lián)查詢也得改造為查詢 Dubbo 接口，在內(nèi)存中進(jìn)行拼接即可。
4. 如果數(shù)據(jù)量確實很大，也可將同步的 Dubbo 接口換為寫入消息隊列來提高吞吐量。

目前我們將這類數(shù)據(jù)量巨大但對業(yè)務(wù)不太影響的表單獨遷到一個庫后，數(shù)據(jù)庫的整體 IO 下降明顯，業(yè)務(wù)也恢復(fù)正常。

總結(jié)

最后我們還需要做一步歷史數(shù)據(jù)歸檔的操作，將 N 個月之前的數(shù)據(jù)要定期遷移到 HBASE 之類存儲，保證 MySQL 中的數(shù)據(jù)一直保持在一個可接受的范圍。

而歸檔數(shù)據(jù)的查詢便依賴于大數(shù)據(jù)提供服務(wù)。

本次分庫分表是一次非常難得的實踐操作，網(wǎng)上大部分的資料都是在汽車出廠前就換好了輪胎。

而我們大部分碰到的場景都是要對高速路上跑著的車子換胎，一不小心就“車毀人亡”。