數據庫分庫分表的知識點有哪些

這篇文章主要介紹“數據庫分庫分表的知識點有哪些”，在日常操作中，相信很多人在數據庫分庫分表的知識點有哪些問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”數據庫分庫分表的知識點有哪些”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

一、數據庫瓶頸

不管是IO瓶頸，還是CPU瓶頸，最終都會導致數據庫的活躍連接數增加，進而逼近甚至達到數據庫可承載活躍連接數的閾值。在業務Service來看就是，可用數據庫連接少甚至無連接可用。接下來就可以想象了吧（并發量、吞吐量、崩潰）。

1、IO瓶頸

第一種：磁盤讀IO瓶頸，熱點數據太多，數據庫緩存放不下，每次查詢時會產生大量的IO，降低查詢速度 -> 分庫和垂直分表。

第二種：網絡IO瓶頸，請求的數據太多，網絡帶寬不夠 -> 分庫。

2、CPU瓶頸

第一種：SQL問題，如SQL中包含join，group by，order by，非索引字段條件查詢等，增加CPU運算的操作 -> SQL優化，建立合適的索引，在業務Service層進行業務計算。

第二種：單表數據量太大，查詢時掃描的行太多，SQL效率低，CPU率先出現瓶頸 -> 水平分表。

二、分庫分表

1、水平分庫

1、概念：以字段為依據，按照一定策略（hash、range等），將一個庫中的數據拆分到多個庫中。

2、結果：

·  每個庫的結構都一樣；

·  每個庫的數據都不一樣，沒有交集；

·  所有庫的并集是全量數據；

3、場景：系統絕對并發量上來了，分表難以根本上解決問題，并且還沒有明顯的業務歸屬來垂直分庫。

4、分析：庫多了，io和cpu的壓力自然可以成倍緩解。

2、水平分表

1、概念：以表為依據，按照業務歸屬不同，將不同的表拆分到不同的庫中。

2、結果：

·  每個庫的結構都不一樣；

·  每個庫的數據也不一樣，沒有交集；

·  所有庫的并集是全量數據；

3、場景：系統絕對并發量上來了，并且可以抽象出單獨的業務模塊。

4、分析：到這一步，基本上就可以服務化了。例如，隨著業務的發展一些公用的配置表、字典表等越來越多，這時可以將這些表拆到單獨的庫中，甚至可以服務化。再有，隨著業務的發展孵化出了一套業務模式，這時可以將相關的表拆到單獨的庫中，甚至可以服務化。

4、垂直分表

·  基因法

·  冗余法

·  冗余法

1.

2、非partition key跨庫跨表分頁查詢問題（水平分庫分表，拆分策略為常用的hash法）

注：用NoSQL法解決（ES等）。

3、擴容問題（水平分庫分表，拆分策略為常用的hash法）

1、水平擴容庫（升級從庫法

第一步：（同步雙寫）應用配置雙寫，部署；

第二步：（同步雙寫）將老庫中的老數據復制到新庫中；

第三步：（同步雙寫）以老庫為準校對新庫中的老數據；

第四步：（同步雙寫）應用去掉雙寫，部署；

注：雙寫是通用方案。

到此，關于“數據庫分庫分表的知識點有哪些”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！