分库分表实战及中间件
背景描述
在项目中，使用单库单个mysql去存储数据，其中我们某个表的数据量目前是3000w 、某个表由于客户一些创建的数据几乎每天增量数据是几十万，而且每个客户相对对应的数据增量也不仅相同。考虑到之后到某个节点时间数据可能会达到上限1个亿。
我们都知道mysql单表数据量是3000w-5000w左右，如果增量再多，单表的查询效率会变慢。
对此我们需要将其分开存储，也就是需要考虑分库分表的时候了。那我们如何进行分库分表操作呢？
为什么要分表
上面也说了，由于单表的数据量在未来会达到一个亿级别甚至更高，单表查询效率会变慢。
这儿是单表查询数据量会变大。故此我们采用分表操作，业务并不需要分库操作。
即单表数据量太大
在之后的查询、插入、更新操作都会变慢，在加字段、加索引、机器迁移都会产生高负载，影响服务。
对于分表我们怎么选择？
分表分为水平分表和垂直分表
水平分表
针对数据量巨大的单张表（比如订单表），按照规则把一张表的数据切分到多张表里面去。但是这些表还是在同一个库中，所以库级别的数据库操作还是有IO瓶颈。
缺点是：并没有解决单个数据库并发以及IO的提升，如需要提升可增加机器配置，或者进行水平分库又分表。
好处就不用多说了。
水平分表规则
- RANGE
时间：按照年、月、日去切分。例如order_2020、order_202005、order_20200501
地域：按照省或市去切分。例如order_beijing、order_shanghai、order_chengdu
大小：从0到1000000一个表。例如1000001-2000000放一个表，每100万放一个表HASH
用户ID取模不同的业务使用的切分规则是不一样，就上面提到的切分规则，举例如下：
站内信
用户维度：用户只能看到发送给自己的消息，其他用户是不可见的，这种情况下是按照用户ID hash分库，在用户查看历史记录翻页查询时，所有的查询请求都在同一个库内用户表
范围法：以用户ID为划分依据，将数据水平切分到两个数据库实例，如：1到1000W在一张表，1000W到2000W在一张表，这种情况会出现单表的负载较高
按照用户ID HASH尽量保证用户数据均衡分到数据库中如果在登录场景下，用户输入手机号和验证码进行登录，这种情况下，登录时是
不是需要扫描所有分库的信息？
最终方案：用户信息采用ID做切分处理，同时存储用户ID和手机号的映射的关系表（新增一个关系表），关系表采用手机号进行切分。可以通过关系表根据手机号查询到对应的ID，再定位用户信息。
流水表
时间维度：可以根据每天新增的流水来判断，选择按照年份分库，还是按照月份分库，甚至也可以按照日期分库
垂直分表
表中字段太多且包含大字段的时候，在查询时对数据库的IO、内存会受到影响，同时更新数据时，产生的binlog文件会很大，MySQL在主从同步时也会有延迟的风险。
大白话即一个表中有很多字段假如50个字段，平时我们经常使用的有5-10个字段，对于其他字段万年几乎使用一次，对此我们可以通过主键关联将其拆到另一张表中。这就是分表可以理解为类似于我们将单体服务拆分成多个微服务。
缺点是：如果拆分不好的话，多出一张表，对于其他业务，需要关联使用，增加额外表关联操作。
好处就不用多说了。
对于目前这儿的业务而言，目前采用分表操作。
分析
根据我们目前的业务（具体是做什么的，由于工作的原因，目前无法透露)，由于我们的数据量对于订单表和某个表以下都简称C表，尤其是C表数据量在未来可遇见的情况下，数量会达到一个量。
所以这儿我们采用了对此C表进行分表操作，简而言之根据每个客户对应一个表进行分表操作。
简单的来说，A,B,C,D,E,F…M客户，分表之前产生的数据都在C表中。
在我们分表之后A,B,C,D,E,F等表分表对应C1,C2,C3,C4等表。
理论上来说可以每个客户对应一个表C，但实际的情况是，每个客户产生的数据不是相同的，有的客户一天甚至几w数据，有的客户甚至以后个月才1W数据。
故此，在分表之前需要对客户数据进行分析，可以通过一些sql分析查询，假设统计分析之后数据如下
| 客户 | 数据量 /月 |
|---|---|
| A | 9W |
| B | 10W |
| C | 11W |
| D | 0.2W |
| E | 5W |
| F | 7W |
| H | 0.8W |
| I | 2W |
对于ABCE等客户可以每个对应一个表C1,C2,C3,C4对于EHI我们可以让其对应表C5 , 其实对于F也可以对应一张表(可以根据自己的业务进行调整)
也就是如下图
实现
以上是简单的对业务分表的分析，然后才能对齐进行分表。
我们使用了客户(这儿根据客户id)进行分表，然后我们开始选择技术栈，对于市面上的分表中间件而言，有MyCat 和Sharding-JDBC
首先我们不使用中间件而言如何进行分表操作呢。
对于程序而言，在查询的时候根据不同的id去不同的C表(C1,C2,C3,C4等)中进行查询，新增更新删除也如此。
就需要我们手动的去指定响应的路由规则即根据id去找到相应的表C；
对此手动路由可以看一下代码
Map<Integer,String> map = new HashMap<>();
map.put(1,"C1");
map.put(2,"C2");
map.put(3,"C3");
map.put(4,"C4");
map.put(5,"C5");
map.put(6,"C6");
map.put(7,"C6");
//获取表C
map.get(1);
复制代码在代码中进行JDBC操作时候，我们手动的获取响应的表，然后通过替换符在sql中将C表进行替换即可。基本不影响sql操作包括join连表。
SELECT
s.a,
s.b,
FROM
${tableName} ss
复制代码但对于查询所有客户数据而言，因为分表的缘故，所有的数据都不在一个表中。对此我们可能需要将其数据都查询出来，然后将其组合起来。在sql或者java代码中都可以操作。
在Sql中，可以通过union关键字将其所有结果都关联起来查询返回，在业务代码中可以通过for循环等操作将其查询组合起来。
这样也存在缺点：
sql中sql长度变长，编译sql时间长，全部查询需要更改sql
业务代码中需要编写代码，需要组合查询，额外查询次数变多（单表中查询需要一次），这儿也可以通过保存一份所有的id数据表C。
最后
在上线前需要迁移数据，将不同id对应的数据迁移到不同的C表中。
总结
在代码中手动去路由分表
优点：简单，不需要引入其他中间件，复杂sql也能自己去实现（sharding-jdbc某些sql不支持）。
缺点也是显而易见的，代码改动大，成本大，几乎所有需要用到的C表都需要手动根据路由去获取C表，然后替换。后续业务发生变化，还需要改动代码。
分表优缺点
优点：单表数据分散存储在不同的表中，提高查询速度。
缺点：没有解决单个数据的IO以及连接数以及并发。