工作 不同 mysq 其它 blog 詞條 缺點 很多 輕松

在大容量，高負荷的web系統中，對數據庫進行一系列拆分，可有效提升數據庫容量和性能。在初學程序的早期，程序員通常都喜歡按傳統數據庫設計模式，設計為單庫和單一功能表的結構，這樣的結構在數據量和並發量達到一定程度之後，會出現嚴重性能問題和維護問題。在出現問題的時候才著手進行優化，會非常痛苦，所以應該在系統架設之初就考慮好之後會出現的問題。

目前有些數據庫策略是采用單庫結構，然後通過同步分發到數臺服務器實現讀寫分離。個人覺得這樣的策略非常笨拙，還是想辦法將其分隔開來好，否則每臺機器的內存都很容易超支。

一般只對數據量比較大的表進行拆分，這應該沒有什麽異議；還有一種是有可能會進行維護的比較重要的表，比如文章目錄表，如果有從其它系統倒數據進來的可能的話，也要拆掉，不然倒數據時一不小心把目錄表弄壞了，發現忘了備份，那真是欲哭無淚。

下面來分析一下：

一、時間結構

如果業務系統對時效性較高，比如新聞發布系統的文章表，可以把數據庫設計成時間結構，按時間分有幾種結構：

1) 平板式

表類似：
article_200901
article_200902
article_200903

用年來分還是用月可自定，但用日期的話表就太多了，也沒這必要。一般建議是按月分就可以。

這種分法，其難處在於，假設我要列20條數據，結果這三張表裏都有2條，那麽業務上很有可能要求讀三次表。如果時間長了，有幾十張表，而每張表是0條，那不就是要讀完整個系統的表才行麽？另外這個結構，要作分頁是比較難實現的。

主鍵：在這個系統中，主鍵是13位帶毫秒的時間戳，不要用自動編號，否則難以通過主鍵定位到表，也可以在查詢時帶上時間，但比較煩瑣。

2) 歸檔式

表類似：
article_old
article_new

為了解決平板式的缺點，可以采用時間歸檔式設計，可以看到這個系統只有兩張表。一張是舊文章表，一張是新文章表，新文章表放2個月的信息，每天定期把2個月中的最早一天的文章歸入舊表中。這樣一方面可以解決性能問題，因為一般新聞發布系統讀取的都是新的內容，舊的內容讀取少；第二可以委婉地解決功能問題，比如平板式所說的問題，在歸檔式中最多也只需要讀2張表就完成了。

歸檔式的缺點在於舊表容量還是相對比較大，如果業務允許，可對舊表中的超舊內容進行再歸檔或直接清理掉。

二、版塊結構

如果按照文章的所屬版塊進行拆表，比如新聞、體育版塊拆表，一方面可以使每個表數據量分離，另一方面是各版塊之間相互影響可降到最低。假如新聞版塊的數據表損壞或需要維護，並不會影響到體育版塊的正常工作，從而降低了風險。版塊結構同時常用於bbs這樣的系統。

板塊結構也有幾種分法：

1) 對應式

對於版塊數量不多，而且較為固定的形式，就直接對應就好。比如新聞版塊，可以分出新聞的目錄表，新聞的文章表等。

news_category
news_article
sports_category
sports_article

可看到每一個版塊都對應著一組相同的表結構，好處就是一目了然。在功能上，因為版塊之間還是有一些隔閡，所以需要聯合查詢的需求不多，開發上比時間結構的方式要輕松。

主鍵：依舊要考慮的，在這個系統中，主鍵是版塊+時間戳，單純的時間戳或自動編號也能用，查詢時要記得帶上版塊用於定位表。

2) 冷熱式

對應式的缺點是，如果版塊數量很大而且不確定，那要分出的表數量就太多了。舉個例子：百度貼吧，如果按一個詞條一個表設計，那得有多少張表呢？

用這樣的方式吧。

tieba_汽車
tieba_飛機
tieba_火箭
tieba__unite

這個表汽車、火箭表是屬於熱門表，定義為新建的版塊放在unite表裏面，待到其超過一萬張主貼的時候才開對應表結構。因為在貼吧這種系統中，冷門版塊肯定比熱門版塊多得多，這些冷門版塊通常只有幾張帖子，為它們開表也太浪費了；同時熱門版塊數量和訪問量等，又比冷門版塊多得多，非常有特點。

unite表還可以擴展成哈希表，利用詞條的md5編碼，可以分成n張表，我算了一下，md5前一位可分16張表，兩位即是256張表。

tieba_unite_ab
tieba_unite_ac
...

三、哈希結構

哈希結構通常用於博客之類的基於用戶的場合，在博客這樣的系統裏有幾個特點，1是用戶數量非常多，2是每個用戶發的文章數量都較少，3是用戶發文章不定期，4是每個用戶發得不多，但總量仍非常之大。基於這些特點，用以上所說的任何一種分表方式都不合適，一沒有固定的時效不宜用時間拆，二用戶很多，而且還偏偏都是冷門，所以也不宜用版塊（用戶）拆。

哈希結構在上面有所提及，既然按每個用戶不好直接拆，那就把一群用戶歸進一個表好了。

blog_aa
blog_ab
blog_ac
...

如上所說，md5取前兩位哈希可以達到1296張表，如果覺得不夠，那就再加一位，總數可達46656張表，還不夠？

表的數量太多，要創建這些表也是挺麻煩的，可以考慮在程序裏往數據庫insert之前，多執行一句判斷表存在與否並創建表的語句，很實用，消耗也並不很大。

主鍵：依舊要考慮的，在這個系統中，主鍵是用戶ID+時間戳，單純的時間戳或自動編號也能用，但查詢時要記得帶上用戶名用於定位表。

四、總分結構

以上的這些結構，根據每個業務系統，能想出的估計還有很多。不過現在互聯網業務越來越復雜了，有些時候，單一的拆分法還不能實現需求，需要幾種拆分方案一起實施，多管齊下，這時候其中的邏輯會讓人繞暈。我就開發過一個系統，僅僅是將哈希結構和時間結構混著一用，覺得邏輯就相當復雜。

所以，除了拆表之外，按最原始的單庫單表，再建一個總表，是非常有利的架構。在這個架構中，每次往數據庫會寫入兩倍數據，讀取主要依賴拆表提升性能，總表用於實現拆表後難以實現的功能並且用於每天的定時備份；另外總表和分表還相互是一個完整的備份，任何一個分表損壞或數據不正常，都可以從總表中讀到正確的數據並恢復，反之亦然。

在總分結構中，讓人感到質疑的是總表的性能和可維護性。我的方案是總表可采用相對能保證穩定的一些服務軟件和架構，例如oracle，或 lvs+pgpool+PostgreSQL，重點保證數據穩定；相對的，分表就用輕量級的mysql，重點在於速度。能夠對總分表各采用不同的軟件和方案，也是總分結構的一大特點。



總結：如何通過拆表來優化系統，最基本的是要按業務需求和特點分析。本文僅僅是提供了幾種基本方法，具體工作要先動腦好好想，千萬不可亂套，用錯了工作量要加十倍噢。

分布式數據庫拆表拆庫的常用策略