一.分分合合
說過很多次,不要拘泥於某一個技術的一點,技術是相通的。
重要的是編程思想,思想是最重要的。當數據量大的時候,需要具有分的思想去細化粒度。當數據量太碎片的時候,需要具有合的思想來粗化粒度。
1.1 分
很多技術都運用了分的編程思想,這裡來舉幾個例子,這些都是分的思想
- 集中式服務發展到分佈式服務
- 從Collections.synchronizedMap(x)到1.7ConcurrentHashMap再到1.8ConcurrentHashMap,細化鎖的粒度的同時依舊保證線程安全
- 從AtomicInteger到LongAdder,ConcurrentHashMap的size()方法。用分散思想,減少cas次數,增強多線程對一個數的累加
- JVM的G1 GC算法,將堆分成很多Region來進行內存管理
- Hbase的RegionServer中,將數據分成多個Region進行管理
- 平時開發是不是線程池都資源隔離
2.2 合
很多技術也運用到了合的編程思想,這裡舉幾個例子,這些都是合的思想
- TLAB(Thread Local Allocation Buffers),線程本地分配緩存。避免多線程衝突,提高對象分配效率
- 逃逸分析,將變量的實例化內存直接在棧裡分配,無需進入堆,線程結束棧空間被回收。減少臨時對象在堆內分配數量
- CMS GC算法下,雖然使用標記清除,但是也有配置支持整理內存碎片。如:-XX:UseCMS-CompactAtFullCollection(FullGC後是否整理,Stop The World會變長)和-XX:CMSFullGCs-BeforeCompaction(幾次FullGC之後進行壓縮整理)
- 鎖粗化,當JIT發現一系列連續的操作都是對同一對象反覆加鎖和釋放鎖,會加大鎖同步的範圍
- kafka的網絡數據傳輸有一些數據配置,減少網絡開銷。如:batch.size和linger.ms等等
- 平時開發是不是都個叫批量獲取接口
二.分區
本文一切基於MySql InnoDB
說了這麼多,接下來說主體,先說分區,因為之前博主寫過一篇MySql分區的博客所以這裡不會多費筆墨來寫
2.1 實現方式
具體如何實現上面鏈接裡有寫,這裡只需記住如果表中存在主鍵或唯一索引時,分區列必須是唯一索引的一個組成部分。
這個是數據庫分的,應用透明,代碼無需修改任何東西。
2.2 內部文件
先去data目錄,如果不知道目錄位置的可以執行:
接下來看下內部文件:
從上圖我們可以看出,有2中類型的文件,.frm文件和.ibd文件
- .frm文件:表結構文件
- .ibd文件:InnoDB中,索引和數據都在同個文件.ibdata(你的執行結果可能是.MYD索引文件和.MYI數據文件,沒關係,這是MyIsAm存儲引擎,對應著InnoDB的.ibd文件)。因為Order這張表分為5個區,所以有5個這樣的文件
- .par文件:你執行的結果可能有.par文件也可能沒有。注意:從MySql 5.7.6開始,不再創建.par分區定義文件。分區定義存儲在內部數據字典中。
2.3 數據處理
分區表後,提高了MySql性能。如果一張表的話,那就只有一個.ibd文件,一顆大的B+樹。如果分表後,將按分區規則,分成不同的區,也就是一個大的B+樹,分成多個小的樹。
讀的效率肯定提升了,如果走分區鍵索引的話,先走對應分區的輔助索引B+樹,再走對應分區的聚集索引B+樹。
如果沒有走分區鍵,將會在所有分區都會執行一次。會造成多次邏輯IO!
平時開發如果想查看sql語句的分區查詢可以使用explain partitons select xxxxx語句。可以看到一句select語句走了幾個分區。
<code>mysql> explain partitions select * from TxnList where startTime>'2016-08-25 00:00:00'
and
startTime<'2016-08-25 23:59:00'
; +----+-------------+-------------------+------------+------+---------------+------+---------+------+-------+-------------+| id |
select_type| table |
partitions| type |
possible_keys| key |
key_len| ref |
rows| Extra |
+----+-------------+-------------------+------------+------+---------------+------+---------+------+-------+-------------+| 1 |
SIMPLE| ClientActionTrack |
p20160825| ALL |
NULL| NULL |
NULL| NULL |
33868
| Using where |
+----+-------------+-------------------+------------+------+---------------+------+---------+------+-------+-------------+ rowin
set (0
.00
sec)/<code>
三.分庫分表
當一張表隨著時間和業務的發展,庫裡表的數據量會越來越大。數據操作也隨之會越來越大。
一臺物理機的資源有限,最終能承載的數據量、數據的處理能力都會受到限制。這時候就會使用分庫分表來承接超大規模的表,單機放不下的那種。
區別於分區的是,分區一般都是放在單機裡的,用的比較多的是時間範圍分區,方便歸檔。只不過分庫分表需要代碼實現,分區則是mysql內部實現。分庫分表和分區並不衝突,可以結合使用。
3.1 實現
3.1.1 分庫分表標準
- 存儲佔用100G+
- 數據增量每天200w+
- 單表條數1億條+
3.1.2 分庫分表字段
分庫分表字段取值非常重要
- 在大多數場景該字段是查詢字段
- 數值型
一般使用userId,可以滿足上述條件
3.2 分佈式數據庫中間件
分佈式數據庫中間件分為兩種,proxy和客戶端式架構。proxy模式有MyCat、DBProxy等,客戶端式架構有TDDL、Sharding-JDBC等。
那麼proxy和客戶端式架構有何區別呢?各自有什麼優缺點呢?其實看一張圖便可知曉。
proxy模式的話我們的select和update語句都是發送給代理,由這個代理來操作具體的底層數據庫。所以必須要求代理本身需要保證高可用,否則數據庫沒有宕機,proxy掛了,那就走遠了。
客戶端模式通常在連接池上做了一層封裝,內部與不同的庫連接,sql交給smart-client進行處理。通常僅支持一種語言,如果其他語言要使用,需要開發多語言客戶端。
各自的優缺點如下:
3.3 內部文件
找了一個分庫分表+分區的例子,基本上和分區表的差不多,只是多了多了很多表的.ibd文件,上面有文件的解釋:
<code>[miaojiaxing@Grim testmydata]# ls | grep 'base_info' base_info_00.frmP
P
P
P
P
P
base_info_01.frmP
P
P
P
P
P
base_info.frm base_info.ibd/<code>
3.4 問題
3.4.1 事務問題
既然分庫分表了,那麼肯定涉及到分佈式事務,如何保證插入到不同庫的多條記錄能夠要麼同時成功,要麼同時失敗。
有些同學可能想到XA,XA性能差而且不需要使用mysql5.7。柔性事務是目前主流的方案,TCC模式就屬於柔性事務。
對於分佈式事務問題每家公司有自己的實現,華為用saga,阿里用TXC,螞蟻用DTX,支持FMT模式和TCC模式。
3.4.2 join問題
tddl、MyCAT等都支持跨分片join。但是盡力避免跨庫join,比如通過字段冗餘的方式等。
如果出現了這種情況且中間件支持分片join,那麼可以這樣使用。如果不支持可以手工查詢。
四.總結
分表和在用途上不一樣,分表是為了承接超大規模的表,單機放不下那種。分區的話則一般都是放在單機裡的,用的比較多的是時間範圍分區,方便歸檔。
性能穩定上的話都是一個個子表,差不多,區別應該是分區表是mysql內部實現的,會比分表方案少一點數據交互。