有需要學習交流的友人請加入交流群的咱們一起，有問題一起交流，一起進步！前提是你是學技術的。感謝閱讀！

點此加入該群​jq.qq.com

首先採用Mysql存儲千億級的數據，確實是一項非常大的挑戰。Mysql單表確實可以存儲10億級的數據，只是這個時候性能非常差，項目中大量的實驗證明，Mysql單表容量在500萬左右，性能處於最佳狀態。

針對大表的優化，主要是通過資料庫分庫分表來解決，目前比較普遍的方案有三個：分區，分庫分表，NoSql/NewSql。實際項目中，這三種方案是結合的，目前絕大部分系統的核心數據都是以RDBMS存儲為主，NoSql/NewSql存儲為輔。

分區

首先來瞭解一下分區方案。

分區表是由多個相關的底層表實現的。這些底層表也是由句柄對象表示，所以我們也可以直接訪問各個分區，存儲引擎管理分區的各個底層表和管理普通表一樣（所有的底層表都必須使用相同的存儲引擎），分區表的索引只是在各個底層表上各自加上一個相同的索引。這個方案對用戶屏蔽了sharding的細節，即使查詢條件沒有sharding column，它也能正常工作（只是這時候性能一般）。

不過它的缺點很明顯：很多的資源都受到單機的限制，例如連接數，網路吞吐等。如何進行分區，在實際應用中是一個非常關鍵的要素之一。

下麵開始舉例：以客戶信息為例，客戶數據量5000萬加，項目背景要求保存客戶的銀行卡綁定關係，客戶的證件綁定關係，以及客戶綁定的業務信息。

此業務背景下，該如何設計資料庫呢。項目一期的時候，我們建立了一張客戶業務綁定關係表，裡面冗餘了每一位客戶綁定的業務信息。

基本結構大致如下：

查詢時，對銀行卡做索引，業務編號做索引，證件號做索引。隨著需求大增多，這張表的索引會達到10個以上。而且客戶解約再簽約，裡面會保存兩條數據，只是綁定的狀態不同。

假設我們有5千萬的客戶，5個業務類型，每位客戶平均2張卡，那麼這張表的數據量將會達到驚人的5億，事實上我們系統用戶量還沒有過百萬時就已經不行了。這樣的設計絕對是不行的，無論是插入，還是查詢，都會讓系統崩潰。

mysql資料庫中的數據是以文件的形勢存在磁碟上的，預設放在/mysql/data下麵（可以通過my.cnf中的datadir來查看）， 一張表主要對應著三個文件，一個是frm存放表結構的，一個是myd存放表數據的，一個是myi存表索引的。這三個文件都非常的龐大，尤其是.myd文件，快5個G了。下麵進行第一次分區優化，Mysql支持的分區方式有四種：

在我們的項目中，range分區和list分區沒有使用場景，如果基於綁定編號做range或者list分區，綁定編號沒有實際的業務含義，無法通過它進行查詢，因此，我們就剩下 HASH 分區和 KEY 分區了，HASH分區僅支持int類型列的分區，且是其中的一列。

KEY 分區倒是可以支持多列，但也要求其中的一列必須是int類型；看我們的庫表結構，發現沒有哪一列是int類型的，如何做分區呢？增加一列，綁定時間列，將此列設置為int類型，然後按照綁定時間進行分區，將每一天綁定的用戶分到同一個區裡面去。

這次優化之後，我們的插入快了許多，但是查詢依然很慢，為什麼？

因為在做查詢的時候，我們也只是根據銀行卡或者證件號進行查詢，並沒有根據時間查詢，相當於每次查詢，mysql都會將所有的分區表查詢一遍。

進行第二次方案優化，既然 HASH 分區和 KEY分區要求其中的一列必須是int類型的，那麼創造出一個int類型的列出來分區是否可以？

分析發現，銀行卡的那串數字有秘密。銀行卡一般是16位到19位不等的數字串，我們取其中的某一位拿出來作為表分區是否可行呢，通過分析發現，在這串數字中，其中確實有一位是0到9隨機生成的，我們基於銀行卡號+隨機位進行KEY分區，每次查詢的時候，通過計算截取出這位隨機位數字，再加上卡號，聯合查詢，達到了分區查詢的目的，需要說明的是，分區後，建立的索引，也必須是分區列，否則Mysql還是會在所有的分區表中查詢數據。

通過銀行卡號查詢綁定關係的問題解決了，那麼證件號呢，如何通過證件號來查詢綁定關係。

前面已經講過，做索引一定是要在分區健上進行，否則會引起全表掃描。我們再創建了一張新表，保存客戶的證件號綁定關係，每位客戶的證件號都是唯一的，新的證件號綁定關係表裡，證件號作為了主鍵，那麼如何來計算這個分區健呢，客戶的證件信息比較龐雜，有身份證號，港澳台通行證，機動車駕駛證等等，如何在無序的證件號里找到分區健。

為瞭解決這個問題，我們將證件號綁定關係表一分為二，其中的一張表專用於保存身份證類型的證件號，另一張表則保存其他證件類型的證件號，在身份證類型的證件綁定關係表中，我們將身份證號中的月數拆分出來作為了分區健，將同一個月出生的客戶證件號保存在同一個區，這樣分成了12個區，其他證件類型的證件號，數據量不超過10萬，就沒有必要進行分區了。

這樣每次查詢時，首先通過證件類型確定要去查詢哪張表，再計算分區健進行查詢。作了分區設計之後，保存2000萬用戶數據時銀行卡表的數據保存文件就分成了10個小文件，證件表的數據保存文件分成了12個小文件，解決了這兩個查詢的問題，還剩下一個問題：業務編號怎麼辦？一個客戶有多個簽約業務，如何進行保存？這時候，採用分區的方案就不太合適了，它需要用到分表的方案。

分表

我們前面有提到過對於mysql，其數據文件是以文件形式存儲在磁碟上的。當一個數據文件過大時，操作系統對大文件的操作就會比較麻煩耗時，且有的操作系統就不支持大文件，這個時候就必須分表了。

另外對於mysql常用的存儲引擎是Innodb，它的底層數據結構是B+樹。當其數據文件過大的時候，查詢一個節點可能會查詢很多層次，而這必定會導致多次IO操作進行裝載進記憶體，肯定會耗時的。

除此之外還有Innodb對於B+樹的鎖機制。對每個節點進行加鎖，那麼當更改表結構的時候，這時候就會樹進行加鎖，當表文件大的時候，這可以認為是不可實現的。所以綜上我們就必須進行分表與分庫的操作。

如何進行分庫分表，目前互聯網上有許多的版本，比較知名的一些方案：阿裡的TDDL，DRDS和cobar，京東金融的sharding-jdbc；民間組織的MyCAT；360的Atlas；美團的zebra；其他比如網易，58，京東等公司都有自研的中間件。

這麼多的分庫分表中間件方案歸總起來，就兩類：client模式和proxy模式。

client模式

proxy模式

無論是client模式，還是proxy模式。幾個核心的步驟是一樣的：SQL解析，重寫，路由，執行，結果歸併。個人比較傾向於採用client模式，它架構簡單，性能損耗也比較小，運維成本低。

如何對業務類型進行分庫分表。分庫分表最重要的一步，即sharding column的選取，sharding column選擇的好壞將直接決定整個分庫分表方案最終是否成功。而sharding column的選取跟業務強相關。

在我們的項目場景中，sharding column無疑最好的選擇是業務編號。通過業務編號，將客戶不同的綁定簽約業務保存到不同的表裡面去，根據業務編號路由到相應的表中進行查詢，達到進一步優化sql的目的。