有需要學習交流的友人請加入交流群的咱們一起，有問題一起交流，一起進步！前提是你是學技術的。感謝閱讀！

點此加入該群​jq.qq.com

首先採用Mysql儲存千億級的資料，確實是一項非常大的挑戰。Mysql單表確實可以儲存10億級的資料，只是這個時候效能非常差，專案中大量的實驗證明，Mysql單表容量在500萬左右，效能處於最佳狀態。

針對大表的優化，主要是通過資料庫分庫分表來解決，目前比較普遍的方案有三個：分割槽，分庫分表，NoSql/NewSql。實際專案中，這三種方案是結合的，目前絕大部分系統的核心資料都是以RDBMS儲存為主，NoSql/NewSql儲存為輔。

分割槽

首先來了解一下分割槽方案。

分割槽表是由多個相關的底層表實現的。這些底層表也是由控制代碼物件表示，所以我們也可以直接訪問各個分割槽，儲存引擎管理分割槽的各個底層表和管理普通表一樣（所有的底層表都必須使用相同的儲存引擎），分割槽表的索引只是在各個底層表上各自加上一個相同的索引。這個方案對使用者遮蔽了sharding的細節，即使查詢條件沒有sharding column，它也能正常工作（只是這時候效能一般）。

不過它的缺點很明顯：很多的資源都受到單機的限制，例如連線數，網路吞吐等。如何進行分割槽，在實際應用中是一個非常關鍵的要素之一。

下面開始舉例：以客戶資訊為例，客戶資料量5000萬加，專案背景要求儲存客戶的銀行卡繫結關係，客戶的證件繫結關係，以及客戶繫結的業務資訊。

此業務背景下，該如何設計資料庫呢。專案一期的時候，我們建立了一張客戶業務繫結關係表，裡面冗餘了每一位客戶繫結的業務資訊。

基本結構大致如下：

查詢時，對銀行卡做索引，業務編號做索引，證件號做索引。隨著需求大增多，這張表的索引會達到10個以上。而且客戶解約再簽約，裡面會儲存兩條資料，只是繫結的狀態不同。

假設我們有5千萬的客戶，5個業務型別，每位客戶平均2張卡，那麼這張表的資料量將會達到驚人的5億，事實上我們系統使用者量還沒有過百萬時就已經不行了。這樣的設計絕對是不行的，無論是插入，還是查詢，都會讓系統崩潰。

mysql資料庫中的資料是以檔案的形勢存在磁碟上的，預設放在/mysql/data下面（可以通過my.cnf中的datadir來檢視）， 一張表主要對應著三個檔案，一個是frm存放表結構的，一個是myd存放表資料的，一個是myi存表索引的。這三個檔案都非常的龐大，尤其是.myd檔案，快5個G了。下面進行第一次分割槽優化，Mysql支援的分割槽方式有四種：

在我們的專案中，range分割槽和list分割槽沒有使用場景，如果基於繫結編號做range或者list分割槽，繫結編號沒有實際的業務含義，無法通過它進行查詢，因此，我們就剩下 HASH 分割槽和 KEY 分割槽了，HASH分割槽僅支援int型別列的分割槽，且是其中的一列。

KEY 分割槽倒是可以支援多列，但也要求其中的一列必須是int型別；看我們的庫表結構，發現沒有哪一列是int型別的，如何做分割槽呢？增加一列，繫結時間列，將此列設定為int型別，然後按照繫結時間進行分割槽，將每一天繫結的使用者分到同一個區裡面去。

這次優化之後，我們的插入快了許多，但是查詢依然很慢，為什麼？

因為在做查詢的時候，我們也只是根據銀行卡或者證件號進行查詢，並沒有根據時間查詢，相當於每次查詢，mysql都會將所有的分割槽表查詢一遍。

進行第二次方案優化，既然 HASH 分割槽和 KEY分割槽要求其中的一列必須是int型別的，那麼創造出一個int型別的列出來分割槽是否可以？

分析發現，銀行卡的那串數字有祕密。銀行卡一般是16位到19位不等的數字串，我們取其中的某一位拿出來作為表分割槽是否可行呢，通過分析發現，在這串數字中，其中確實有一位是0到9隨機生成的，我們基於銀行卡號+隨機位進行KEY分割槽，每次查詢的時候，通過計算截取出這位隨機位數字，再加上卡號，聯合查詢，達到了分割槽查詢的目的，需要說明的是，分割槽後，建立的索引，也必須是分割槽列，否則Mysql還是會在所有的分割槽表中查詢資料。

通過銀行卡號查詢繫結關係的問題解決了，那麼證件號呢，如何通過證件號來查詢繫結關係。

前面已經講過，做索引一定是要在分割槽健上進行，否則會引起全表掃描。我們再建立了一張新表，儲存客戶的證件號繫結關係，每位客戶的證件號都是唯一的，新的證件號繫結關係表裡，證件號作為了主鍵，那麼如何來計算這個分割槽健呢，客戶的證件資訊比較龐雜，有身份證號，港澳臺通行證，機動車駕駛證等等，如何在無序的證件號裡找到分割槽健。

為了解決這個問題，我們將證件號繫結關係表一分為二，其中的一張表專用於儲存身份證型別的證件號，另一張表則儲存其他證件型別的證件號，在身份證型別的證件繫結關係表中，我們將身份證號中的月數拆分出來作為了分割槽健，將同一個月出生的客戶證件號儲存在同一個區，這樣分成了12個區，其他證件型別的證件號，資料量不超過10萬，就沒有必要進行分割槽了。

這樣每次查詢時，首先通過證件型別確定要去查詢哪張表，再計算分割槽健進行查詢。作了分割槽設計之後，儲存2000萬用戶資料時銀行卡表的資料儲存檔案就分成了10個小檔案，證件表的資料儲存檔案分成了12個小檔案，解決了這兩個查詢的問題，還剩下一個問題：業務編號怎麼辦？一個客戶有多個簽約業務，如何進行儲存？這時候，採用分割槽的方案就不太合適了，它需要用到分表的方案。

分表

我們前面有提到過對於mysql，其資料檔案是以檔案形式儲存在磁碟上的。當一個數據檔案過大時，作業系統對大檔案的操作就會比較麻煩耗時，且有的作業系統就不支援大檔案，這個時候就必須分表了。

另外對於mysql常用的儲存引擎是Innodb，它的底層資料結構是B+樹。當其資料檔案過大的時候，查詢一個節點可能會查詢很多層次，而這必定會導致多次IO操作進行裝載進記憶體，肯定會耗時的。

除此之外還有Innodb對於B+樹的鎖機制。對每個節點進行加鎖，那麼當更改表結構的時候，這時候就會樹進行加鎖，當表文件大的時候，這可以認為是不可實現的。所以綜上我們就必須進行分表與分庫的操作。

如何進行分庫分表，目前網際網路上有許多的版本，比較知名的一些方案：阿里的TDDL，DRDS和cobar，京東金融的sharding-jdbc；民間組織的MyCAT；360的Atlas；美團的zebra；其他比如網易，58，京東等公司都有自研的中介軟體。

這麼多的分庫分表中介軟體方案歸總起來，就兩類：client模式和proxy模式。

client模式

proxy模式

無論是client模式，還是proxy模式。幾個核心的步驟是一樣的：SQL解析，重寫，路由，執行，結果歸併。個人比較傾向於採用client模式，它架構簡單，效能損耗也比較小，運維成本低。

如何對業務型別進行分庫分表。分庫分表最重要的一步，即sharding column的選取，sharding column選擇的好壞將直接決定整個分庫分表方案最終是否成功。而sharding column的選取跟業務強相關。

在我們的專案場景中，sharding column無疑最好的選擇是業務編號。通過業務編號，將客戶不同的繫結簽約業務儲存到不同的表裡面去，根據業務編號路由到相應的表中進行查詢，達到進一步優化sql的目