浅谈分布式数据库

文章集中整理总结mysql分库分表开源产品，分布式数据库的设计，以及实际应用案例等相关内容，部分附上本文作者实际应用过程中的理解。

本文感谢sjdbc，mycat，姜承尧，林涛等文章提供的精彩介绍。

1、先抛出两个问题

问题一、当mysql单表数据量爆炸时，你怎么办？  问题二、当你的数据库无法承受高强度io时你怎么办？

2、 基本概念

2.1 谈数据库分片需要首先确定以下概念

​ 1) 单库,就是一个库 

​ 2) 分片(sharding)，分片解决扩展性问题，属于水平拆分，引入分片，就引入了数据路由和分区键的概念。分表解决的是数据量过大的问题，分库解决的是数据库性能瓶颈的问题。 

​ 3) 分组(group)，分组解决可用性问题，分组通常通过主从复制(replication)的方式实现。(各种可用级别方案单独介绍) 

​ 4) 互联网公司数据库实际软件架构是(大数据量下)：又分片，又分组（如下图）

3、 分片

3.1 水平拆分，垂直拆分都是什么？

分区表？1)若不走分区键很容易出现全表锁，并发上来后简直是灾难。2)自己分库分表，自己掌控业务场景、访问模式，可控。mysql分区表官方介绍是针对myisam做的优化，你知道他怎么玩的？分半天还是一个ibdata是不是很尴尬

3.2 为什么分表?

​ 关系型数据库在大于一定数据量的情况下检索性能会急剧下降。在面对互联网海量数据情况时，所有数据都存于一张表，显然会轻易超过数据库表可承受的数据量阀值。这个单表可承受的数据量阀值，需根据数据库和并发量的差异，通过实际测试获得。

水平拆分如果能预估规模，越早做成本越低。

2.3 为什么分库?

​ 单纯的分表虽然可以解决数据量过大导致检索变慢的问题，但无法解决过多并发请求访问同一个库，导致数据库响应变慢的问题。所以通常水平拆分都至少要采用分库的方式，用于一并解决大数据量和高并发的问题。这也是部分开源的分片数据库中间件只支持分库的原因。

3.4 分布式事务？

​ 但分表也有不可替代的适用场景。最常见的分表需求是事务问题。同在一个库则不需考虑分布式事务，善于使用同库不同表可有效避免分布式事务带来的麻烦。目前强一致性的分布式事务由于性能问题，导致使用起来并不一定比不分库分表快。目前采用最终一致性的柔性事务居多。分表的另一个存在的理由是，过多的数据库实例不利于运维管理。

mysql本身？  消息补偿？  2PC?

3.5 小结

​ 综上所述，最佳实践是合理地配合使用分库+分表。

3.6 如何自己实现分库分表？

​ 1) dao层，首先通过分区键算出库名表名(如shardKey%shardNum 算出来表index如y，然后y/(shardNum/sourceNum)=x,y是表下标，x是库下标)。  ​ 2) 把source从spring容器中拿出来，把表名当参数传进去，拼成分片后的sql。  ​ 3) 思路大概是(select … from order where … -> 先拿到db_x的source 然后 select … from order_y where …)

你想这么干？你已经成功了。当然淘宝和当当的架构师也是这么干的。

3.7 SO，不需要我们亲自动手，其实你需要做的只是按照实际需求挑选而已。

3.8 重点介绍两个产品，先不说具体配置，只说思想

​ 1) sharding-jdbc（所处位置，通用数据访问层，部署在客户端的jar包，用于将用户的SQL路由到指定的数据库中）

盗一波图

​ 2) jproxy

jproxy是什么？

​ jproxy提供MariaDB, MySQL等数据库的统一接入访问，拥有流量过载保护，数据自动拆分，可配置路由规则，数据无缝迁移等功能。  ​ 应用场景：数据需要分库分表，自动扩容的应用。

为什么分片都是2的n次方？a % (2^n) 等价于 a & (2^n - 1) 其中一个原因就是位运算 扩容？ 虚拟桶。 极限就是一片一库。

演变过程 cobar->mycat->jproxy

mycat是什么?

​ 简单的说，就是：一个彻底开源的，面向企业应用开发的“大数据库集群”。支持事务、ACID、可以替代Mysql的加强版数据库，一个的数据库中间件产品。  - 其优势具有：  1) 基于阿里开源的Cobar产品而研发，Cobar的稳定性、可靠性、优秀的架构和性能  2) 拥有众多成熟的使用案例  3) 强大的团队(其参与者都是5年以上资深软件工程师、架构师、DBA等)  4) 开源，创新，持续更新

盗一波图

4、 分组

4.1 为什么分组？

​ 分组解决可用性问题

mysql的ha 网洛上的都是vip漂移实现的 盗一波图

方案一：MYSQL主从复制（单活） 

方案二：双主（单活），failover比单主简单 

方案三：双主配SAN存储（单活） 

方案四：DRBD 双主配DRBD （单活） 

方案五：NDB CLUSTER 

共享存储? 不需要复制了 更高的一致性 真正的高并发场景，什么架构都抗不住，老老实实用缓存。 需要大量读的场景尽量做到最终一致性。

4.2 同步，异步，半同步

1) 异步复制 (mysql默认)

Master将事件写入binlog，但并不知道Slave是否或何时已经接收且已处理。当Slave准备好才会向Master请求binlog。缺点：不能保证一些事件都能够被所有的Slave所接收。

2) 同步复制

Master提交事务，直到事务在所有的Slave都已提交，此时才会返回客户端，事务执行完毕。缺点：完成一个事务可能会有很大的延迟。

3) 半同步复制

半同步复制工作的机制处于同步和异步之间，Master的事务提交阻塞，只要一个Slave已收到该事务的事件且已记录。它不会等待所有的Slave都告知已收到，且它只是接收，并不用等其完全执行且提交。

半同步复制的步骤：  i.当Slave主机连接到Master时，能够查看其是否处于半同步复制的机制。

ii.当Master上开启半同步复制的功能时，至少应该有一个Slave开启其功能。此时，一个线程在Master上提交事务将受到阻塞，直到得知一个已开启半同步复制功能的Slave已收到此事务的所有事件，或等待超时。

iii.当一个事务的事件都已写入其relay-log中且已刷新到磁盘上，Slave才会告知已收到。

iv.如果等待超时，也就是Master没被告知已收到，此时Master会自动转换为异步复制的机制。当至少一个半同步的Slave赶上了，Master与其Slave自动转换为半同步复制的机制。

v.半同步复制的功能要在Master，Slave都开启，半同步复制才会起作用；否则，只开启一边，它依然为异步复制。

4.3 ha方案

4.3.1 MHA

4.3.2 MMM

5、 应用案例

5.1 记录一次mongo迁移mysql的过程(分库分表使用jproxy)

mongo怎么了？跟分片无关的部分简单说。

​ mongo很好，只是业界并没有成熟的MongoDB运维经验，jd too。  像高并发的系统 订单和库存 商品 还是拿nosql把，高并发的写,也不会打挂他,比如hbase，顶多GC频繁点，但是也是可用的。  一致性完全可以CAS搞定，而不是mysql的排他锁。

• 迁移数据库的一个方案  1) 中心化(统一入口)  2) 双写(先同步写mysql如果发生异常改异步，尽量避免服务不可用)  3) 倒库(jproxy支持通过游标形式全量遍历库-逐个表操作，可以利用其异步同步数据)  4) 数据校验  5) 切库提供服务

去mongo+优化方案(此处引入了分片的概念)

压测与性能

去mongo任务线

5.2 记录一次异构具有复杂分片规则数据库的过程

5.2.1 难点

​ 交易库存复杂的分片规则，数据量大，更新频繁，一致性保证。

回到本源，缓存+队列

5.2.2 不跑题，我们就说分片部分，如何接手一个复杂分片规则的数据库？

参考案例如何异构一个数十亿级别的数据库 有多复杂?​ 6000+表，28个库，4套分片规则。(解决方案 sharding-jdbc)