标签：拆分 运算 千万 跨表 业界 为什么 user 冗余 很多
前言：
一般业界，对订单数据的分库分表，有两类思路：按照订单号来切分、按照用户id来切分。
一.按照订单号来做 hash分散订单数据
把订单号看作是一个字符串，做 hash，分散到多个服务器去。
具体到哪个库、哪个表存储数据呢？订单号里面的数字来记录着。
如果要查询某用户的所有订单呢？
由于是根据订单号来分散数据的。他的订单分散在了多个库、多个表中。
总不能去所有的库，所有的表扫描吧。这样效率很低。
解决：维护uid和oid的关系表, 此表可以作为缓存,当数据量增大时此关系表也要进行分表。
一般使用方案二的比较多，一个用户的所有订单，都在一张表里面，那么做分页展示的时候，就容易。
二.按照用户 id 打散订单数据
以uid来切分数据，有两种思路：
第一种是：
某个范围的uid订单到哪些库。0到2千万uid，对应的订单数据到a库、a表。2千万到4千万对应的订单到b库。
为什么这种方案用得比较少呢？
容易出现瓶颈吗。某个范围内的用户，下单量比较多，那么造成这个库的压力特别大。其他库却没什么压力。
第二种是：
使用uid取模运算。第二种方案业界用得比较多。
一方面、处理简单，程序上做取模运算就好了。
另一方面、使用取模的方式，数据比较均匀分散到多个库去了。不容易出现单个库性能瓶颈。
但是不好处也有：即要扩容的时候，比较麻烦。就需要迁移数据了。
要扩容的时候，为了减少迁移的数据量，一般扩容是以倍数的形式增加。比如原来是8个库，扩容的时候，就要增加到16个库，再次扩容，就增加到32个库。
这样迁移的数据量，就小很多了。这个问题不算很大问题，毕竟一次扩容，可以保证比较长的时间，而且使用倍数增加的方式，已经减少了数据迁移量。
下面分析一下按照用户id取模的方式分库分表。
按照用户id作为key来切分订单数据，具体如下：
1、 库名称定位：用户id末尾4位 Mod 32。
Mod表示除以一个数后，取余下的数。比如除以32后，余下8，余数就是8。
代码符号是用%表示：15%4=3。
2、表名称定位：（用户id末尾4位 Dev 32） Mod 32。
Dev表示除以一个数，取结果的整数。比如得到结果是25.6，取整就是25。
代码用/来表示：$get_int = floor(15/4)。15除以4，是一个小数3.75，向下取整就是3。一定是向下取整，向上取整就变成了4了。
按照上面的规则：总共可以表示多少张表呢？32个库*每个库32个表=1024张表。如果想表的数量小，就把32改小一些。
库ID = userId % 库数量4
表ID = userId / 库数量4 % 表数量8
或者
库ID = userId / 表数量4 % 库数量4
表ID = userId % 表数量8
上面是用计算机术语来表示， 下面用通俗的话描述。
1、库名称计算
用户id的后4位数，取32的模(取模就是除以这个数后，余多少)。余下的数，是0-31之间。
这样可以表示从0-31之间，总共32个数字。用这个32个数字代表着32个库名称：order_db_0、order_db_2.........................order_db_31
2、表名称计算
最后要存储定到哪个表名里面去呢？
用户id的最后4位数，除以32，取整数。将整数除以32，得到余数，能够表示从0-31之间32个数字，表示表名称。
表名称类似这样：order_tb_1、order_tb_2..........................order_tb_31。一个库里面，总共32个表名称。
比如用户id：19408064，用最后4位数字8064除以32，得到是251.9，取它的整数是251。
接着将251除以32，取余数，余数为27。
为了保持性能，每张表的数据量要控制。单表可以维持在一千万-5千万行的数据。1024*一千万。哇，可以表示很多数据了。
总结：
优点：
订单水平分库分表，为什么要按照用户id来切分呢？
好处：查询指定用户的所有订单，避免了跨库跨表查询。
因为，根据一个用户的id来计算节点，用户的id是规定不变的，那么计算出的值永远是固定的(x库的x表)。
那么保存订单的时候，a用户的所有订单，都是在x库x表里面。需要查询a用户所有订单时，就不用进行跨库、跨表去查询了。
缺点：
缺点在于：数据分散不均匀，某些表的数据量特别大，某些表的数据量很小。因为某些用户下单量多，打个比方，1000-2000这个范围内的用户，下单特别多，
而他们的id根据计算规则，都是分到了x库x表。造成这个表的数据量大，单表的数据量撑到极限后，咋办呢?
总结一下：每种分库分表方案也不是十全十美，都是有利有弊的。目前来说，这种使用用户id来切分订单数据的方案，还是被大部分公司给使用。
实际效果还不错。程序员省事，至于数据量暴涨，以后再说呢。毕竟公司业务发展到什么程度，不知道的，项目存活期多久，未来不确定。先扛住再说。
思考一、b2b平台的订单分卖家和买家的时候，选择什么字段来分库分表呢？
上面讨论的情况是，b2c平台。订单的卖家就一个，就是平台自己。
b2b平台，上面支持开店，买家和卖家都要能够登陆看到自己的订单。
先来看看，分表使用买家id分库分表和根据卖家id分库分表，两种办法出现的问题。
如果按买家id来分库分表。有卖家的商品，会有n个用户购买，他所有的订单，会分散到多个库多个表中去了，卖家查询自己的所有订单，跨库、跨表扫描，性能低下。
如果按卖家id分库分表。买家会在n个店铺下单。订单就会分散在多个库、多个表中。买家查询自己所有订单，同样要去所有的库、所有的表搜索，性能低下。
所以，无论是按照买家id切分订单表，还是按照卖家id切分订单表。两边都不讨好。
淘宝的做法是拆分买家库和卖家库，也就是两个库：买家库、卖家库。
买家库，按照用户的id来分库分表。卖家库，按照卖家的id来分库分表。
实际上是通过数据冗余解决的：一个订单，在买家库里面有，在卖家库里面也存储了一份。下订单的时候，要写两份数据。先把订单写入买家库里面去，然后通过消息中间件来同步订单数据到卖家库里面去。
标签：拆分 运算 千万 跨表 业界 为什么 user 冗余 很多
原文地址：https://www.cnblogs.com/ZJOE80/p/12238373.html
