码迷,mamicode.com
首页 > 其他好文 > 详细

【搬运贴】 - 水平分表分库整理

时间:2020-07-15 15:26:15      阅读:66      评论:0      收藏:0      [点我收藏+]

标签:函数   image   删除   架构   用户注册   用户   切分   64bit   bit   

 

整理自:https://mp.weixin.qq.com/s/8KTK_Bz8netP6R5MNSKeFw

搬运贴,如果有侵权请联系删除

  • 场景:用户注册登录,用户中心服务查询
  • 问题:当数据量越来越大,例如达到1亿注册量时,库无法承载所有的数据,此时需要对数据库进行水平切分。

 


 
常见的水平切分算法有“范围法”和“哈希法”
范围法:以用户中心的业务主键uid为划分依据,采用区间的方式,将数据水平切分到两个数据

优点:

  1. 切分策略简单,根据uid,按照范围,user-center很快能够定位到数据在哪个库上;
  2. 扩容简单,如果容量不够,只要增加user-db3,拓展2千万到3千万的uid即可;

缺点:

  1. uid必须要满足递增的特性;
  2. 数据量不均,新增的user-db3,在初期的数据会比较少;
  3. 请求量不均,一般来说,新注册的用户活跃度会比较高,故user-db2往往会比user-db1负载要高,导致服务器利用率不平衡;

数据库层面的负载均衡,既要考虑数据量的均衡,又要考虑负载的均衡。

 
哈希法:也是以用户中心的业务主键uid为划分依据,采用哈希的方式,将数据水平切分到两个

优点:

  1. 切分策略简单,根据uid,按照hash,user-center很快能够定位到数据在哪个库上;
  2. 数据量均衡,只要uid是随机的,数据在各个库上的分布一定是均衡的;
  3. 请求量均衡,只要uid是随机的,负载在各个库上的分布一定是均衡的

缺点:

  1. 扩容麻烦,如果容量不够,要增加一个库,重新hash可能会导致数据迁移;

 


 

使用uid来进行水平切分之后,对于uid属性上的查询,可以直接路由到库,对于非uid属性上的查询,就悲剧了

非uid属性查询业务场景分析:
  • 第一大类,用户侧,前台访问
  1. 用户登录:通过登录名loginname查询用户的实体,1%请求属于这种类型;
  2. 用户信息查询:登录之后,通过uid来查询用户的实例,99%请求属这种类型;
  • 第二大类,运营侧,后台访问,根据产品、运营需求,访问模式各异,按照年龄、性别、头像、登陆时间、注册时间来进行查询

 

针对这两类业务需求,架构设计的核心思路为:
  1. 用户侧,采用“建立非uid属性到uid的映射关系”的架构方案;
  2. 运营侧,采用“前台与后台分离”的架构方案;

 


 
建立非uid属性到uid的映射关系
  • (1)索引表法;
  1. 建立一个索引表记录loginname与uid的映射关系;
  2. 用loginname来访问时,先通过索引表查询到uid,再通过uid定位相应的库;
  3. 索引表属性较少,可以容纳非常多数据,一般不需要分库;
  4. 如果数据量过大,可以通过loginname来分库;

缺点:会增加一次数据库查询,性能会有所下降

  • (2)缓存映射法;
  1. loginname查询先到cache中查询uid,再根据uid定位数据库;
  2. 假设cache miss,扫描所有分库,获取loginname对应的uid,放入cache;
  3. loginname到uid的映射关系不会变化,映射关系一旦放入缓存,不会更改,无需淘汰,缓存命中率超高;
  4. 如果数据量过大,可以通过loginname进行cache水平切分;

缺点:仍然多了一次网络交互,即一次cache查询

  • (3)生成uid法;
  1. 在用户注册时,设计函数loginname生成uid,uid=f(loginname),按uid分库插入数据;
  2. 用loginname来访问时,先通过函数计算出uid,即uid=f(loginname)再来一遍,由uid路由到对应库;

缺点:生成uid 函数设计需要非常讲究技巧,有uid生成冲突风险,一般不采用

  • (4)基因法;

技术图片

 

 

 

  1. 在用户注册时,设计函数loginname生成3bit基因,loginnamegene = f(loginname),如上图粉色部分;
  2. 同时,生成61bit的全局唯一id(参考snowflake),作为用户的标识,如上图绿色部分;
  3. 接着把3bit的loginnamegene也作为uid的一部分,如上图屎黄色部分;
  4. 生成64bit的uid,由id和loginnamegene拼装而成,并按照uid分库插入数据;
  5. 用loginname来访问时,先通过函数由loginname再次复原3bit基因,loginnamegene = f(loginname),通过loginnamegene%8直接定位到库;

相对完美,在分库时经常使用

 
前台与后台分离最佳实践
  1. 前台、后台系统 web/service/db 分离解耦,避免后台低效查询引发前台查询抖动;
  2. 可以采用数据冗余的设计方式;
  3. 可以采用“外置索引”(例如ES搜索系统)或者“大数据处理”(例如HIVE)来满足后台变态的查询需求;

不需要访问实时库,通过MQ或者线下异步同步数据,使用更契合大量数据允许接受更高延时的“索引外置”或者“HIVE”的设计方案

 

【搬运贴】 - 水平分表分库整理

标签:函数   image   删除   架构   用户注册   用户   切分   64bit   bit   

原文地址:https://www.cnblogs.com/lanse1993/p/13305183.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!