一、業(yè)務(wù)場(chǎng)景介紹

假設(shè)目前有一個(gè)電商系統(tǒng)使用的是MySQL，要設(shè)計(jì)大數(shù)據(jù)量存儲(chǔ)、高并發(fā)、高性能可擴(kuò)展的方案，數(shù)據(jù)庫(kù)中有用戶表。用戶會(huì)非常多，并且要實(shí)現(xiàn)高擴(kuò)展性，你會(huì)怎么去設(shè)計(jì)？ OK咱們先看傳統(tǒng)的分庫(kù)分表方式

當(dāng)然還有些小伙伴知道按照省份/地區(qū)或一定的業(yè)務(wù)關(guān)系進(jìn)行數(shù)據(jù)庫(kù)拆分

OK,問(wèn)題來(lái)了，如何保證合理的讓數(shù)據(jù)存儲(chǔ)在不同的庫(kù)不同的表里呢？讓庫(kù)減少并發(fā)壓力？應(yīng)該怎么去制定分庫(kù)分表的規(guī)則？不用急，這不就來(lái)了

二、水平分庫(kù)分表方法

1.RANGE

第一種方法們可以指定一個(gè)數(shù)據(jù)范圍來(lái)進(jìn)行分表，例如從1~1000000，1000001-2000000，使用一百萬(wàn)一張表的方式，如下圖所示

在這里插入圖片描述 當(dāng)然這種方法需要維護(hù)表的ID，特別是分布式環(huán)境下，這種分布式ID,在不使用第三方分表工具的情況下，建議使用Redis，Redis的incr操作可以輕松的維護(hù)分布式的表ID。

RANGE方法優(yōu)點(diǎn)： 擴(kuò)容簡(jiǎn)單，提前建好庫(kù)、表就好

RANGE方法缺點(diǎn)： 大部分讀和寫都訪會(huì)問(wèn)新的數(shù)據(jù)，有IO瓶頸，這樣子造成新庫(kù)壓力過(guò)大，不建議采用。

2.HASH取模

針對(duì)上述RANGE方式分表有IO瓶頸的問(wèn)題，咱們可以采用根據(jù)用戶ID HASG取模的方式進(jìn)行分庫(kù)分表，如圖所示：

這樣就可以將數(shù)據(jù)分散在不同的庫(kù)、表中，避免了IO瓶頸的問(wèn)題。

HASH取模方法優(yōu)點(diǎn)： 能保證數(shù)據(jù)較均勻的分散落在不同的庫(kù)、表中，減輕了數(shù)據(jù)庫(kù)壓力

HASH取模方法缺點(diǎn)： 擴(kuò)容麻煩、遷移數(shù)據(jù)時(shí)每次都需要重新計(jì)算hash值分配到不同的庫(kù)和表

3.一致性HASH

通過(guò)HASH取模也不是最完美的辦法，那什么才是呢？

使用一致性HASH算法能完美的解決問(wèn)題

普通HASH算法：

普通哈希算法將任意長(zhǎng)度的二進(jìn)制值映射為較短的固定長(zhǎng)度的二進(jìn)制值，這個(gè)小的二進(jìn)制值稱為哈希值。哈希值是一段數(shù)據(jù)唯一且極其緊湊的數(shù)值表示形式。

普通的hash算法在分布式應(yīng)用中的不足：在分布式的存儲(chǔ)系統(tǒng)中，要將數(shù)據(jù)存儲(chǔ)到具體的節(jié)點(diǎn)上，如果我們采用普通的hash算法進(jìn)行路由，將數(shù)據(jù)映射到具體的節(jié)點(diǎn)上，如key%n，key是數(shù)據(jù)的key，n是機(jī)器節(jié)點(diǎn)數(shù)，如果有一個(gè)機(jī)器加入或退出集群，則所有的數(shù)據(jù)映射都無(wú)效了，如果是持久化存儲(chǔ)則要做數(shù)據(jù)遷移，如果是分布式緩存，則其他緩存就失效了。

一致性HASH算法： 按照常用的hash算法來(lái)將對(duì)應(yīng)的key哈希到一個(gè)具有2^32次方個(gè)節(jié)點(diǎn)的空間中，即0~ (2^32)-1的數(shù)字空間中?，F(xiàn)在我們可以將這些數(shù)字頭尾相連，想象成一個(gè)閉合的環(huán)形，如下圖所示。

這個(gè)圓環(huán)首尾相連，那么假設(shè)現(xiàn)在有三個(gè)數(shù)據(jù)庫(kù)服務(wù)器節(jié)點(diǎn)node1、node2、node3三個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)負(fù)責(zé)自己這部分的用戶數(shù)據(jù)存儲(chǔ)，假設(shè)有用戶user1、user2、user3，我們可以對(duì)服務(wù)器節(jié)點(diǎn)進(jìn)行HASH運(yùn)算，假設(shè)HASH計(jì)算后，user1落在node1上，user2落在node2上，user3落在user3上

OK，現(xiàn)在咱們假設(shè)node3節(jié)點(diǎn)失效了

user3將會(huì)落到node1上，而之前的node1和node2數(shù)據(jù)不會(huì)改變，再假設(shè)新增了節(jié)點(diǎn)node4

你會(huì)發(fā)現(xiàn)user3會(huì)落到node4上，你會(huì)發(fā)現(xiàn)，通過(guò)對(duì)節(jié)點(diǎn)的添加和刪除的分析，一致性哈希算法在保持了單調(diào)性的同時(shí)，還是數(shù)據(jù)的遷移達(dá)到了最小，這樣的算法對(duì)分布式集群來(lái)說(shuō)是非常合適的，避免了大量數(shù)據(jù)遷移，減小了服務(wù)器的的壓力。

當(dāng)然還有一個(gè)問(wèn)題還需要解決，那就是平衡性。從圖我們可以看出，當(dāng)服務(wù)器節(jié)點(diǎn)比較少的時(shí)候，會(huì)出現(xiàn)一個(gè)問(wèn)題，就是此時(shí)必然造成大量數(shù)據(jù)集中到一個(gè)節(jié)點(diǎn)上面，極少數(shù)數(shù)據(jù)集中到另外的節(jié)點(diǎn)上面。

為了解決這種數(shù)據(jù)傾斜問(wèn)題，一致性哈希算法引入了虛擬節(jié)點(diǎn)機(jī)制，即對(duì)每一個(gè)服務(wù)節(jié)點(diǎn)計(jì)算多個(gè)哈希，每個(gè)計(jì)算結(jié)果位置都放置一個(gè)節(jié)點(diǎn)，稱為虛擬節(jié)點(diǎn)。具體做法可以先確定每個(gè)物理節(jié)點(diǎn)關(guān)聯(lián)的虛擬節(jié)點(diǎn)數(shù)量，然后在ip或者主機(jī)名后面增加編號(hào)。例如上面的情況，可以為每臺(tái)服務(wù)器計(jì)算三個(gè)虛擬節(jié)點(diǎn)，于是可以分別計(jì)算 “node 1-1”、“node 1-2”、“node 1-3”、“node 2-1”、“node 2-2”、“node 2-3”、“node 3-1”、“node 3-2”、“node 3-3”的哈希值，這樣形成九個(gè)虛擬節(jié)點(diǎn)

例如user1定位到node 1-1、node 1-2、node 1-3上其實(shí)都是定位到node1這個(gè)節(jié)點(diǎn)上，這樣能夠解決服務(wù)節(jié)點(diǎn)少時(shí)數(shù)據(jù)傾斜的問(wèn)題，當(dāng)然這個(gè)虛擬節(jié)點(diǎn)的個(gè)數(shù)不是說(shuō)固定三個(gè)或者至多、至少三個(gè)，這里只是一個(gè)例子，具體虛擬節(jié)點(diǎn)的多少，需要根據(jù)實(shí)際的業(yè)務(wù)情況而定。

一致性HASH方法優(yōu)點(diǎn)： 通過(guò)虛擬節(jié)點(diǎn)方式能保證數(shù)據(jù)較均勻的分散落在不同的庫(kù)、表中，并且新增、刪除節(jié)點(diǎn)不影響其他節(jié)點(diǎn)的數(shù)據(jù)，高可用、容災(zāi)性強(qiáng)。

一致性取模方法缺點(diǎn)： 嗯，比起以上兩種，可以認(rèn)為沒有。

三、單元測(cè)試

OK，不廢話，接下來(lái)上單元測(cè)試,假設(shè)有三個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)有三個(gè)虛擬節(jié)點(diǎn)的情況

package com.hyh.core.test;
import com.hyh.utils.common.StringUtils;
import org.junit.Test;
import java.util.LinkedList;
import java.util.List;
import java.util.SortedMap;
import java.util.TreeMap;
/**
 * 一致性HASH TEST
 *
 * @Author heyuhua
 * @create 2021/1/31 19:50
 */
public class ConsistentHashTest {
    //待添加入Hash環(huán)的服務(wù)器列表
    private static String[] servers = {"192.168.5.1", "192.168.5.2", "192.168.5.3"};
    //真實(shí)結(jié)點(diǎn)列表,考慮到服務(wù)器上線、下線的場(chǎng)景，即添加、刪除的場(chǎng)景會(huì)比較頻繁，這里使用LinkedList會(huì)更好
    private static List<String> realNodes = new LinkedList<>();
    //虛擬節(jié)點(diǎn)，key表示虛擬節(jié)點(diǎn)的hash值，value表示虛擬節(jié)點(diǎn)的名稱
    private static SortedMap<Integer, String> virtualNodes = new TreeMap<>();
    //一個(gè)真實(shí)結(jié)點(diǎn)對(duì)應(yīng)3個(gè)虛擬節(jié)點(diǎn)
    private static final int VIRTUAL_NODES = 3;
    /**
     * 測(cè)試有虛擬節(jié)點(diǎn)的一致性HASH
     */
    @Test
    public void testConsistentHash() {
        initNodes();
        String[] users = {"user1", "user2", "user3", "user4", "user5", "user6", "user7", "user8", "user9"};
        for (int i = 0; i < users.length; i++)
            System.out.println("[" + users[i] + "]的hash值為" +
                    getHash(users[i]) + ", 被路由到結(jié)點(diǎn)[" + getServer(users[i]) + "]");
    }
    /**
     * 先把原始的服務(wù)器添加到真實(shí)結(jié)點(diǎn)列表中
     */
    public void initNodes() {
        for (int i = 0; i < servers.length; i++)
            realNodes.add(servers[i]);
        for (String str : realNodes) {
            for (int i = 0; i < VIRTUAL_NODES; i++) {
                String virtualNodeName = str + "-虛擬節(jié)點(diǎn)" + String.valueOf(i);
                int hash = getHash(virtualNodeName);
                System.out.println("虛擬節(jié)點(diǎn)[" + virtualNodeName + "]被添加, hash值為" + hash);
                virtualNodes.put(hash, virtualNodeName);
            }
        }
        System.out.println();
    }
    //使用FNV1_32_HASH算法計(jì)算服務(wù)器的Hash值,這里不使用重寫hashCode的方法，最終效果沒區(qū)別
    private static int getHash(String str) {
        final int p = 16777619;
        int hash = (int) 2166136261L;
        for (int i = 0; i < str.length(); i++)
            hash = (hash ^ str.charAt(i)) * p;
        hash += hash << 13;
        hash ^= hash >> 7;
        hash += hash << 3;
        hash ^= hash >> 17;
        hash += hash << 5;
        // 如果算出來(lái)的值為負(fù)數(shù)則取其絕對(duì)值
        if (hash < 0)
            hash = Math.abs(hash);
        return hash;
    }
    //得到應(yīng)當(dāng)路由到的結(jié)點(diǎn)
    private static String getServer(String key) {
        //得到該key的hash值
        int hash = getHash(key);
        // 得到大于該Hash值的所有Map
        SortedMap<Integer, String> subMap = virtualNodes.tailMap(hash);
        String virtualNode;
        if (subMap.isEmpty()) {
            //如果沒有比該key的hash值大的，則從第一個(gè)node開始
            Integer i = virtualNodes.firstKey();
            //返回對(duì)應(yīng)的服務(wù)器
            virtualNode = virtualNodes.get(i);
        } else {
            //第一個(gè)Key就是順時(shí)針過(guò)去離node最近的那個(gè)結(jié)點(diǎn)
            Integer i = subMap.firstKey();
            //返回對(duì)應(yīng)的服務(wù)器
            virtualNode = subMap.get(i);
        }
        //virtualNode虛擬節(jié)點(diǎn)名稱要截取一下
        if (StringUtils.isNotBlank(virtualNode)) {
            return virtualNode.substring(0, virtualNode.indexOf("-"));
        }
        return null;
    }
}

這里模擬9個(gè)用戶對(duì)象hash后被路由的情況，看下結(jié)果

總結(jié)：

分庫(kù)分表在分布式微服務(wù)架構(gòu)環(huán)境下建議強(qiáng)烈使用一致性HASH算法來(lái)做，當(dāng)然分布式環(huán)境下也會(huì)產(chǎn)生業(yè)務(wù)數(shù)據(jù)數(shù)據(jù)一致性、分布式事務(wù)問(wèn)題，下期咱們?cè)賮?lái)探討數(shù)據(jù)一致性、分布式事務(wù)的解決方案

到此這篇關(guān)于MySQL分庫(kù)分表詳情的文章就介紹到這了,更多相關(guān)MySQL分庫(kù)分表內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！

香港服務(wù)器租用

版權(quán)聲明：本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái)，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。