隨著(zhù)互聯(lián)網(wǎng)應用的廣泛普及，海量數據的存儲和訪(fǎng)問(wèn)成為了系統設計的瓶頸問(wèn)題。對于一個(gè)大型的互聯(lián)網(wǎng)應用，每天幾十億的PV無(wú)疑對數據庫造成了相當高的負載。對于系統的穩定性和擴展性造成了極大的問(wèn)題。通過(guò)數據切分來(lái)提高網(wǎng)站性能，橫向擴展數據層已經(jīng)成為架構研發(fā)人員首選的方式。
"Shard" 這個(gè)詞英文的意思是"碎片"，而作為數據庫相關(guān)的技術(shù)用語(yǔ)，似乎最早見(jiàn)于大型多人在線(xiàn)角色扮演游戲中。"Sharding" 姑且稱(chēng)之為"分片"。Sharding 不是一個(gè)某個(gè)特定數據庫軟件附屬的功能，而是在具體技術(shù)細節之上的抽象處理，是水平擴展(Scale Out，亦或橫向擴展、向外擴展)的解決方案，其主要目的是為突破單節點(diǎn)數據庫服務(wù)器的 I/O 能力限制，解決數據庫擴展性問(wèn)題。通過(guò)一系列的切分規則將數據水平分布到不同的DB或table中，在通過(guò)相應的DB路由或者table路由規則找到需要查詢(xún)的具體的DB或者table，以進(jìn)行Query操作?！皊harding”通常是指“水平切分”，這也是本文討論的重點(diǎn)。接下來(lái)舉個(gè)簡(jiǎn)單的例子：我們針對一個(gè)Blog應用中的日志來(lái)說(shuō)明，比如日志文章（article）表有如下字段：
面對這樣的一個(gè)表，我們怎樣切分呢？怎樣將這樣的數據分布到不同的數據庫中的表中去呢？我們可以這樣做，將user_id為1～10000的所有的文章信息放入DB1中的article表中，將user_id為10001～20000的所有文章信息放入DB2中的 article表中，以此類(lèi)推，一直到DBn。這樣一來(lái)，文章數據就很自然的被分到了各個(gè)數據庫中，達到了數據切分的目的。
接下來(lái)要解決的問(wèn)題就是怎樣找到具體的數據庫呢？其實(shí)問(wèn)題也是簡(jiǎn)單明顯的，既然分庫的時(shí)候我們用到了區分字段user_id，那么很自然，數據庫路由的過(guò)程當然還是少不了user_id的。就是我們知道了這個(gè)blog的user_id，就利用這個(gè)user_id，利用分庫時(shí)候的規則，反過(guò)來(lái)定位具體的數據庫。比如user_id是234，利用剛才的規則，就應該定位到DB1，假如user_id是12343，利用該才的規則，就應該定位到DB2。以此類(lèi)推，利用分庫的規則，反向的路由到具體的DB，這個(gè)過(guò)程我們稱(chēng)之為“DB路由”。
平常我們會(huì )自覺(jué)的按照范式來(lái)設計我們的數據庫，考慮到數據切分的DB設計，將違背這個(gè)通常的規矩和約束。為了切分，我們不得不在數據庫的表中出現冗余字段，用作區分字段或者叫做分庫的標記字段。比如上面的article的例子中的user_id這樣的字段（當然，剛才的例子并沒(méi)有很好的體現出user_id的冗余性，因為user_id這個(gè)字段即使就是不分庫，也是要出現的，算是我們撿了便宜吧）。當然冗余字段的出現并不只是在分庫的場(chǎng)景下才出現的，在很多大型應用中，冗余也是必須的，這個(gè)涉及到高效DB的設計，本文不再贅述。
上面對什么是數據切分做了個(gè)概要的描述和解釋?zhuān)x者可能會(huì )疑問(wèn)，為什么需要數據切分呢？像 Oracle這樣成熟穩定的數據庫，足以支撐海量數據的存儲與查詢(xún)了？為什么還需要數據切片呢？
的確，Oracle的DB確實(shí)很成熟很穩定，但是高昂的使用費用和高端的硬件支撐不是每一個(gè)公司能支付的起的。試想一下一年幾千萬(wàn)的使用費用和動(dòng)輒上千萬(wàn)元的小型機作為硬件支撐，這是一般公司能支付的起的嗎？即使就是能支付的起，假如有更好的方案，有更廉價(jià)且水平擴展性能更好的方案，我們?yōu)槭裁床贿x擇呢？
我們知道每臺機器無(wú)論配置多么好它都有自身的物理上限，所以當我們應用已經(jīng)能觸及或遠遠超出單臺機器的某個(gè)上限的時(shí)候，我們惟有尋找別的機器的幫助或者繼續升級的我們的硬件，但常見(jiàn)的方案還是橫向擴展，通過(guò)添加更多的機器來(lái)共同承擔壓力。我們還得考慮當我們的業(yè)務(wù)邏輯不斷增長(cháng)，我們的機器能不能通過(guò)線(xiàn)性增長(cháng)就能滿(mǎn)足需求？Sharding可以輕松的將計算，存儲，I/O并行分發(fā)到多臺機器上，這樣可以充分利用多臺機器各種處理能力，同時(shí)可以避免單點(diǎn)失敗，提供系統的可用性，進(jìn)行很好的錯誤隔離。
綜合以上因素，數據切分是很有必要的。 我們用免費的MySQL和廉價(jià)的Server甚至是PC做集群，達到小型機+大型商業(yè)DB的效果，減少大量的資金投入，降低運營(yíng)成本，何樂(lè )而不為呢？所以，我們選擇Sharding，擁抱Sharding。
數據切分可以是物理上的，對數據通過(guò)一系列的切分規則將數據分布到不同的DB服務(wù)器上，通過(guò)路由規則路由訪(fǎng)問(wèn)特定的數據庫，這樣一來(lái)每次訪(fǎng)問(wèn)面對的就不是單臺服務(wù)器了，而是N臺服務(wù)器，這樣就可以降低單臺機器的負載壓力。
數據切分也可以是數據庫內的，對數據通過(guò)一系列的切分規則，將數據分布到一個(gè)數據庫的不同表中，比如將article分為article_001，article_002等子表，若干個(gè)子表水平拼合有組成了邏輯上一個(gè)完整的article表，這樣做的目的其實(shí)也是很簡(jiǎn)單的。舉個(gè)例子說(shuō)明，比如article表中現在有5000w條數據，此時(shí)我們需要在這個(gè)表中增加（insert）一條新的數據，insert完畢后，數據庫會(huì )針對這張表重新建立索引，5000w行數據建立索引的系統開(kāi)銷(xiāo)還是不容忽視的。但是反過(guò)來(lái)，假如我們將這個(gè)表分成100 個(gè)table呢，從article_001一直到article_100，5000w行數據平均下來(lái)，每個(gè)子表里邊就只有50萬(wàn)行數據，這時(shí)候我們向一張 只有50w行數據的table中insert數據后建立索引的時(shí)間就會(huì )呈數量級的下降，極大了提高了DB的運行時(shí)效率，提高了DB的并發(fā)量。當然分表的好處還不知這些，還有諸如寫(xiě)操作的鎖操作等，都會(huì )帶來(lái)很多顯然的好處。
綜上，分庫降低了單點(diǎn)機器的負載；分表，提高了數據操作的效率，尤其是Write操作的效率。行文至此我們依然沒(méi)有涉及到如何切分的問(wèn)題。接下來(lái)，我們將對切分規則進(jìn)行詳盡的闡述和說(shuō)明。
上文中提到，要想做到數據的水平切分，在每一個(gè)表中都要有相冗余字符作為切分依據和標記字段，通常的應用中我們選用user_id作為區分字段，基于此就有如下三種分庫的方式和規則：（當然還可以有其他的方式）
(1) 號段分區
user_id為1～1000的對應DB1，1001～2000的對應DB2，以此類(lèi)推；
優(yōu)點(diǎn)：可部分遷移
缺點(diǎn)：數據分布不均
(2)hash取模分區
對user_id進(jìn)行hash（或者如果user_id是數值型的話(huà)直接使用user_id 的值也可），然后用一個(gè)特定的數字，比如應用中需要將一個(gè)數據庫切分成4個(gè)數據庫的話(huà)，我們就用4這個(gè)數字對user_id的hash值進(jìn)行取模運算，也就是user_id%4,這樣的話(huà)每次運算就有四種可能：結果為1的時(shí)候對應DB1；結果為2的時(shí)候對應DB2；結果為3的時(shí)候對應DB3；結果為0的時(shí)候對應DB4。這樣一來(lái)就非常均勻的將數據分配到4個(gè)DB中。
優(yōu)點(diǎn)：數據分布均勻
缺點(diǎn)：數據遷移的時(shí)候麻煩，不能按照機器性能分攤數據
(3)在認證庫中保存數據庫配置
就是建立一個(gè)DB，這個(gè)DB單獨保存user_id到DB的映射關(guān)系，每次訪(fǎng)問(wèn)數據庫的時(shí)候都要先查詢(xún)一次這個(gè)數據庫，以得到具體的DB信息，然后才能進(jìn)行我們需要的查詢(xún)操作。
優(yōu)點(diǎn)：靈活性強，一對一關(guān)系
缺點(diǎn)：每次查詢(xún)之前都要多一次查詢(xún)，性能大打折扣
以上就是通常的開(kāi)發(fā)中我們選擇的三種方式，有些復雜的項目中可能會(huì )混合使用這三種方式。 通過(guò)上面的描述，我們對分庫的規則也有了簡(jiǎn)單的認識和了解。當然還會(huì )有更好更完善的分庫方式，還需要我們不斷的探索和發(fā)現。
分布式數據方案提供功能如下：
（1）提供分庫規則和路由規則（RouteRule簡(jiǎn)稱(chēng)RR）；
（2）引入集群（Group）的概念，保證數據的高可用性；
（3）引入負載均衡策略（LoadBalancePolicy簡(jiǎn)稱(chēng)LB）；
（4）引入集群節點(diǎn)可用性探測機制，對單點(diǎn)機器的可用性進(jìn)行定時(shí)的偵測，以保證LB策略的正確實(shí)施，以確保系統的高度穩定性；
（5）引入讀/寫(xiě)分離，提高數據的查詢(xún)速度；
僅僅是分庫分表的數據層設計也是不夠完善的，當我們采用了數據庫切分方案，也就是說(shuō)有N臺機器組成了一個(gè)完整的DB 。如果有一臺機器宕機的話(huà)，也僅僅是一個(gè)DB的N分之一的數據不能訪(fǎng)問(wèn)而已，這是我們能接受的，起碼比切分之前的情況好很多了，總不至于整個(gè)DB都不能訪(fǎng)問(wèn)。
一般的應用中，這樣的機器故障導致的數據無(wú)法訪(fǎng)問(wèn)是可以接受的，假設我們的系統是一個(gè)高并發(fā)的電子商務(wù)網(wǎng)站呢？單節點(diǎn)機器宕機帶來(lái)的經(jīng)濟損失是非常嚴重的。也就是說(shuō)，現在我們這樣的方案還是存在問(wèn)題的，容錯性能是經(jīng)不起考驗的。當然了，問(wèn)題總是有解決方案的。我們引入集群的概念，在此我稱(chēng)之為Group，也就是每一個(gè)分庫的節點(diǎn)我們引入多臺機器，每臺機器保存的數據是一樣的，一般情況下這多臺機器分攤負載，當出現宕機情況，負載均衡器將分配負載給這臺宕機的機器。這樣一來(lái)，就解決了容錯性的問(wèn)題。
如上圖所示，整個(gè)數據層有Group1，Group2，Group3三個(gè)集群組成，這三個(gè)集群就是數據水平切分的結果，當然這三個(gè)集群也就組成了一個(gè)包含完整數據的DB。每一個(gè)Group包括1個(gè)Master（當然Master也可以是多個(gè)）和 N個(gè)Slave，這些Master和Slave的數據是一致的。 比如Group1中的一個(gè)slave發(fā)生了宕機現象，那么還有兩個(gè)slave是可以用的，這樣的模型總是不會(huì )造成某部分數據不能訪(fǎng)問(wèn)的問(wèn)題，除非整個(gè) Group里的機器全部宕掉，但是考慮到這樣的事情發(fā)生的概率非常?。ǔ鞘菙嚯娏?，否則不易發(fā)生吧）。
在沒(méi)有引入集群以前，我們的一次查詢(xún)的過(guò)程大致如下：請求數據層，并傳遞必要的分庫區分字段 （通常情況下是user_id）。數據層根據區分字段Route到具體的DB，在這個(gè)確定的DB內進(jìn)行數據操作。
這是沒(méi)有引入集群的情況，當時(shí)引入集群會(huì ) 是什么樣子的呢？我們的路由器上規則和策略其實(shí)只能路由到具體的Group，也就是只能路由到一個(gè)虛擬的Group，這個(gè)Group并不是某個(gè)特定的物理服務(wù)器。接下來(lái)需要做的工作就是找到具體的物理的DB服務(wù)器，以進(jìn)行具體的數據操作。
基于這個(gè)環(huán)節的需求，我們引入了負載均衡器的概念 （LB），負載均衡器的職責就是定位到一臺具體的DB服務(wù)器。具體的規則如下：負載均衡器會(huì )分析當前sql的讀寫(xiě)特性，如果是寫(xiě)操作或者是要求實(shí)時(shí)性很強的操作的話(huà)，直接將查詢(xún)負載分到Master，如果是讀操作則通過(guò)負載均衡策略分配一個(gè)Slave。
我們的負載均衡器的主要研究方向也就是負載分發(fā)策略，通常情況下負載均衡包括隨機負載均衡和加權負載均衡。隨機負載均衡很好理解，就是從N個(gè)Slave中隨機選取一個(gè)Slave。這樣的隨機負載均衡是不考慮機器性能的，它默認為每臺機器的性能是一樣的。假如真實(shí)的情況是這樣的，這樣做也是無(wú)可厚非的。假如實(shí)際情況并非如此呢？每個(gè)Slave的機器物理性能和配置不一樣的情況，再使用隨機的不考慮性能的負載均衡，是非常不科學(xué)的，這樣一來(lái)會(huì )給機器性能差的機器帶來(lái)不必要的高負載，甚至帶來(lái)宕機的危險，同時(shí)高性能的數據庫服務(wù)器也不能充分發(fā)揮其物理性能?；诖丝紤]從，我們引入了加權負載均衡，也就是在我們的系統內部通過(guò)一定的接口，可以給每臺DB服務(wù)器分配一個(gè)權值，然后再運行時(shí)LB根據權值在集群中的比重，分配一定比例的負載給該DB服務(wù)器。當然這樣的概念的引入，無(wú)疑增大了系統的復雜性和可維護性。有得必有失，我們也沒(méi)有辦法逃過(guò)的。
有了分庫，有了集群，有了負載均衡器，是不是就萬(wàn)事大吉了呢？ 事情遠沒(méi)有我們想象的那么簡(jiǎn)單。雖然有了這些東西，基本上能保證我們的數據層可以承受很大的壓力，但是這樣的設計并不能完全規避數據庫宕機的危害。假如Group1中的slave2 宕機了，那么系統的LB并不能得知，這樣的話(huà)其實(shí)是很危險的，因為L(cháng)B不知道，它還會(huì )以為slave2為可用狀態(tài)，所以還是會(huì )給slave2分配負載。這樣一來(lái)，問(wèn)題就出來(lái)了，客戶(hù)端很自然的就會(huì )發(fā)生數據操作失敗的錯誤或者異常。
這樣是非常不友好的！怎樣解決這樣的問(wèn)題呢？ 我們引入集群節點(diǎn)的可用性探測機制 ，或者是可用性的數據推送機制。這兩種機制有什么不同呢？首先說(shuō)探測機制吧，顧名思義，探測即使，就是我的數據層客戶(hù)端，不定時(shí)對集群中各個(gè)數據庫進(jìn)行可用性的嘗試，實(shí)現原理就是嘗試性鏈接，或者數據庫端口的嘗試性訪(fǎng)問(wèn)，都可以做到。
那數據推送機制又是什么呢？其實(shí)這個(gè)就要放在現實(shí)的應用場(chǎng)景中來(lái)討論這個(gè)問(wèn)題了，一般情況下應用的DB 數據庫宕機的話(huà)我相信DBA肯定是知道的，這個(gè)時(shí)候DBA手動(dòng)的將數據庫的當前狀態(tài)通過(guò)程序的方式推送到客戶(hù)端，也就是分布式數據層的應用端，這個(gè)時(shí)候在更新一個(gè)本地的DB狀態(tài)的列表。并告知LB，這個(gè)數據庫節點(diǎn)不能使用，請不要給它分配負載。一個(gè)是主動(dòng)的監聽(tīng)機制，一個(gè)是被動(dòng)的被告知的機制。兩者各有所長(cháng)。但是都可以達到同樣的效果。這樣一來(lái)剛才假設的問(wèn)題就不會(huì )發(fā)生了，即使就是發(fā)生了，那么發(fā)生的概率也會(huì )降到最低。
上面的文字中提到的Master和Slave ，我們并沒(méi)有做太多深入的講解。一個(gè)Group由1個(gè)Master和N個(gè)Slave組成。為什么這么做呢？其中Master負責寫(xiě)操作的負載，也就是說(shuō)一切寫(xiě)的操作都在Master上進(jìn)行，而讀的操作則分攤到Slave上進(jìn)行。這樣一來(lái)的可以大大提高讀取的效率。在一般的互聯(lián)網(wǎng)應用中，經(jīng)過(guò)一些數據調查得出結論，讀/寫(xiě)的比例大概在 10：1左右 ，也就是說(shuō)大量的數據操作是集中在讀的操作，這也就是為什么我們會(huì )有多個(gè)Slave的原因。
但是為什么要分離讀和寫(xiě)呢？熟悉DB的研發(fā)人員都知道，寫(xiě)操作涉及到鎖的問(wèn)題，不管是行鎖還是表鎖還是塊鎖，都是比較降低系統執行效率的事情。我們這樣的分離是把寫(xiě)操作集中在一個(gè)節點(diǎn)上，而讀操作其其他 的N個(gè)節點(diǎn)上進(jìn)行，從另一個(gè)方面有效的提高了讀的效率，保證了系統的高可用性。
聯(lián)系客服
