数据库系列（五）之 mysql的伸缩性

这篇文章，主要讲述mysql的伸缩性。在国内mysql一直都是使用得最多的数据库，在国外也排名前三。mysql是一款开源的、性能较高的数据库。

伸缩性是指在软件设计中，软件（数据库、应用程序）通过特定的配置或升级，可以进行横向或纵向扩展，来达到软件适应越来越多用户访问的目的。数据库达到一定瓶颈，需要考虑伸缩性，这是大部分软件设计人员避免不了的事情。

在移动互联网时代，人人可用手机访问你的APP、网站应用，没有数据库的伸缩，不可能支持那么多的用户量的访问。还有一种场景，数据存储量极大的也考虑伸缩性，如防伪查询、地图软件等。

这里以最流行的数据库mysql为例子，讨论伸缩性。

数据库纵向扩展

在云时代以前，一般的企业部署应用都是一台机器里有应用+数据库。

这种做法在20世纪一直流行至今，很多内部应用也一直这样运行着十多年。在互联网应用中，数据量稍大的话很快达到瓶颈。

为何很快达到瓶颈？               

第一，应用软件与数据库在同一台机器，应用与数据库都需要使用到机器的CPU、内存、磁盘IO、磁盘容量。它们两个无时无刻都在争抢。

第二，价钱达到瓶颈。在第一种情况下，你很容易提高系统的访问速度，提高机器（或VM）的配置。一开始提高很容易，但是提高到一个标准后机器的价格不是一般企业能承受得了。（大约在32核256GB内存）

那么在这种情况下怎么提高扩展性呢？           

答案是分离应用与数据库。应用部署在一台机器，数据库部署在另外的机器。

再下一步怎么扩展呢？这里不讨论应用的伸缩性。应用的伸缩性大致是部署多个实例，实例上层装个反代或负载均衡。下面着重讨论数据库的伸缩性。

Mysql数据库的伸缩性

对于伸缩性，有三种方式：数据分片、应用拆分、数据备份。Mysql也一样，首先是数据备份。

主从                                            

数据备份这里体现的是添加主从的方式。即将数据库分成两个数据库，用于读写分离，一般主库用于写，从库用于读。

当数据进入时，会先从把数据插入主库，然后把相应的数据操作记录到日志上。从库会从主动检查主库日志，并且把新添加的数据同步到从库。流程如下图所示。

也可以在主库进行读写，从库进行读。这是主库的读操作不会太频繁，主要读压力会给予从库。 也有一种是从库主要用来备份，不做任何对外处理，即读写压力都在主库，这种只是纯备份。

上面无论是主写从读，还是主写读从读，都会给数据库减压。不知道你发现没有，主库进行写操作的时候，把数据备份到从库需要一个时间段。而如果在你写入主库时，马上有人访问从库，这个数据如果还在‘备份阶段’，那么会查找不到此数据。这个是分布式系统的一致性问题。

主从的数据库是弱一致性，也叫最终一致性。即数据最终都会保持一致，在写数据时有那么一瞬间数据会不一致。这种有上面解决办法吗？一是尽快保持主从库都在同一个局域网中，快速备份数据，尽量减少不一致。二是在程序层面，提供一个缓存层，即在主库写入数据后，再写入缓存（根据实际可以是几秒钟、几分钟）。再用户读时，先读缓存，再读数据库。

在主从上，可以一主多从，多主多从，这些都根据实际业务情况而定。值得注意的是多主的时候，数据延迟要保证带来的侵害性。

数据分区                                               

从mysql5.1开始，支持表级别的数据分区。此数据分区无需在应用代码做任何修改，只需要在mysql中配置即可。此分区方式是物理级别的分区，它会把同一个表通过指定的算法分离存储到不同位置，最终达到提高表的量级的目的。更深一层说，一个表的数据通过物理分区分离到数个不同的物理区域，每个分区都是独立的。表分区有4种方式，与下面讨论的分表算法一致。

分库分表                                   

再进一步，就是分库分表了。先讨论一下分库。

分库很简单，把不同的表分到不同的库，或者把相同的表不同的数据分到不同的库。

第一，不同的表分到不同的库。

把主库里的表分离出来，分到各个不同业务逻辑上的库。例如主库上分别有：user表、权限表、订单表、购物车表。把库物理分离表，分成用户库：user表、权限表。购物车库：订单表、购物车表。这种分离根据业务拆分很简便，代码修改很少，但是单个表的数据量大时会到瓶颈。如下图展示。

第二，相同的表不同的数据分到不同的库。

这种与分表挂钩，即把数据分离到不同的库，不同库的表都一致。例如主库上分别有：user表、权限表、订单表、购物车表。现在分两个库：库A与库B。库AB的表与主库一致，但数据分离。如库A保存北京用户的数据，库B保存广州用户的数据。如下图展示。

分表详解

上述讲述分库的两种方式时，第二种方式涉及到分表。分表的算法为：中间表、求余取模、范围方式、一致性hash。

中间表方式                             

首先插入数据时，在中间库中保存此条数据id与数据库的映射关系，再插入到对应的库中。如插入用户信息，数据有：用户id、用户名称。首先把数据插入到对应的数据库，如插入到主库A，数据有：用户id、用户名称。然后把数据插入到中间表中，数据有：用户id、数据库ip、数据库名称。

那么在查询时，首先根据用户id查询中间表得到数据库相关信息（数据库A），再查询相应的数据库A得到用户数据：用户名称。如下图展示。

这种方式好处在于容易分表。如果加库修改中间映射表即可。缺点在于多了一次数据库的读写操作。

求余取模方式                             

求余取模即根据分区键（或主键等），对分区键进行统一的求余，余数为对应的数据库。这种方式也是使用得最广的方式，因为简单，并且一般企业一开始数据库数量会定好，长时间无需添加库。

如目前有4台数据库，那么被除数时4。对分区键进行hash取整（如果s是整数则无需取hash），余数是0则在数据库A，余数是1则在数据库B，余数是2则在数据库C，余数是3则在数据库D。如下图所示。

这种方式的有点在于简单，读写数据只需求余取模即可，较中间表方式性能较高。但是如果需要添加数据库的话，比较麻烦，需要迁移数据。

例如如果要添加数据库，只能是4的整数倍。现在是4，那么被除数变成8，数据库也变成8台。如下图所示。

切分后，还需要迁移数据。如

0%4=0，1%4=1，2%4=2，3%4=3，4%4=0，5%4=1，6%4=2，7%4=3。

0%8=0，1%8=1，2%8=2，3%8=3，4%8=4，5%8=5，6%8=6，7%8=7。

所以，需要把余数处以8等于4-7之间的，迁移到对应的库E-F。

范围方式                                         

范围方式是最好理解的方式。范围方式即取得分区键，对分区键进行范围处理，如果指定到某个范围区域，则数据指向到对应得数据库。如范围1-1000W到数据库A，范围1001W-2000W到数据库B，范围2001W-3000W到数据库C。如下图所示。

此方式好处在于简单处理，增加数据库也不需要迁移数据。缺点在于数据太过于离散，可能最终导致查询慢，即所谓的热点问题。如一用户小明1月份购买了一个商品，插入了一条订单数据在库A，在下一个月，已经到了数据库E了，下个月购买的订单数据在库E。当这两条数据有联合查询或更新时，性能较低。

一致性hash方式                             

在算法层面，一致性hash方式是目前最理想的方式。在hash取模时带来数据迁移问题，在范围方式带来热点数据问题，在中间表带来性能事务问题。有没有一种方式时这些方式的折中呢？一致性hash算法。

一致性hash算法是求出服务器节点的hash值，将其配置在0～232的圆。然后采用同样的方法求出存储数据的hash值，并映射到相同的圆上。顺时针到最近的服务器，那么此数据存储在这个服务器中。

例如有数据库A、B、C。数据1，2，3，4通过hash算法落在圆中。数据保存在顺时针最近的服务器。如数据1、5保存在服务器A，数据2保存在服务器B，数据3、4保存在服务器C。如下图所示。

如果加一台服务器D，则通过算法看此服务器加在圆中的那里。如果在服务器A于C之间，则保存在服务器A的数据有一部分需要迁移到服务器D。如下图所示，数据5被迁移到服务器D。

总结

综上，数据库的伸缩性首先是主从，然后是分区，最后是分库分表。其中主从是数据库软件支持的操作，应用程序修改得不多。分区是数据库表的分区，应用程序也无需改动，表通过算法分区到不同的物理分区。最后是分表分库，这2种通常是一并使用。分表分库包含了4种常见算法方式：中间表、求余取模、范围方式、一致性hash。

可以关注本人的公众号，多年经验的原创文章共享给大家。