游戏数据库的分库分fēn 表设计 分库分表的六种玩法？

分库分表的六种玩法？垂直分表：垂直分表在日常开发和设计中比较常见，通俗的说法叫做“大表拆小表”，拆分是基于关系型数据库中的“列”（字段）进行的。通常情况，某个表中的字段比较多，可以新建立一张“扩展表”，将不经常使用或者长度较大的字段拆分出去放到“扩展表”中

分库分表的六种玩法？

10亿订单如何分库分表？

订单数据如何划分

• 热数据：3个月内的订单数据，查询实时性较高
• 冷数据A：3个月 ~ 12个月前的订单数据，查询频率不高
• 冷数据B：1年前的订单数据，几乎不会查询，只有偶尔的查询需求

对于这三类数据的d澳门威尼斯人e 存储，目前规划如下：

• 热数据： 使用mysql进行存储，当然需要分库分表；
• 冷数据A: 对于这类数据可以存储在ES中，利用搜索引擎的特性基本上也可以做到比较快的查询；
• 冷数据B: 对于这类不经常查询的数据，可以存放到Hive中；

三、MySql 如何分库分表

在业务初始阶段，为了加快应用上线和快速迭代，很多应用都采用集中式的架构。但是随着业务系统的扩大，系统匾澳门伦敦人额越来越复杂，越来越难以维护，开发效率变得越来越低，并且对资源的消耗也变得越来《繁体：來》越大，通过硬件提高系统性能的成本会变得更高。

通常一般的电商平台，包含了用户、商品、订单等几【pinyin：jǐ】大模块，简单的做法是在同一个库中分别建4张表，如下图《繁：圖》所示：

但是随着业务的提升，将所有业务都放在一个库中已经变得越来越难以维护，因[练：yīn]此我们建议，将不同（繁：衕）业务放在不同的库中，如下图所示：

由图中我们可以看出，我们(繁：們)将不同的业务放到不同的库中，将原来所有压力由同一个库中分散到不{练：bù}同的（练：de）库中，提升了系统的吞吐量。

3.2、分库《繁：庫》与分表

我们知道每台机器无论配置多么好它都有自身的物理上限，所以当我们应用已经能触及或远《繁：遠》远超皇冠体育出单台机器的某个上限的时候，我们惟有寻找别的机器的帮助或者继续升级的我们的硬件，但常见的方案还是通过添加更多的机器来共同承担压力。

我们还得考虑当我们的业务逻辑不断增长，我们的机器能不能通过线性增长就能满足需求？因此，使用数据库【pinyin：kù】的分[拼音：fēn]库分(拼音：fēn)表，能够立竿见影的提升系统的性能，关于为什么要使用数据库的分库分表的其他原因这里不再赘述，主要讲具体的实现策略。

（1）分《练：fēn》表策略

我们以订单(繁体：單)表为例，在订单表中，订单id肯定是不可重复的，因此将该字段当做shard key 是非常适合的，其他表类似[pinyin：shì]。假设订单表《繁体：錶》的字段如下：

1create table order#282 order_id bigint#2811#29 ，3

我们假设预估单个（繁体：個）库需要分配100个表满足我们的业务需求，我们可以简[繁体：簡]单的取模计算出订单在哪个子表中，例如： order_id % 100，

这时候可能会有人问了，如果我根据order_id 进行分表规则，但是我想根据user_id 查询相应的订单，不是定位不到哪个子表了吗，的确是这样，一旦确定shard key，就只能根据shard key定位到子表进而查询该子表下的【pinyin：de】数据；如果确实[拼音：shí]想根据user_id 去查询相关订单，那应该将shard key设置为user_id， 那分表规则也相应的变更为： user_id % 100

（1）分库实现策略

数据库分表能够解决单表数据量很大的时候数据(拼音：jù)查询的效率问题，但是无法给数据库的并发操作带来效率上的提高，因为分表的实质还是在一个数据(拼音：jù)库上进行的操作，很容易受数据库IO性能的限制。

因此，如何将数《繁：數》据库IO性能的问题平均分配出来，很显然将数据进行分库操作可以很好地解决单台数据库kù 的性能问题。

分库策略与分《练：fēn开云体育》表策略的实现很相似，最简单的都是可以通过取模的方式进行路由。

我们还是以{练：yǐ}order表举例，

例如：order_id % 库容量liàng ，

如果order_id 不是整数类型，可以先hash 在进（繁：進）行取模，

例如： h世界杯ash#28order_id#29 % 库(拼音：kù)容量

（3）分库《繁：庫》分表结合使用策略

数据库分表可以解决单表海量数据(繁：據)的查询性能问题，分库可以解决单台数据库的并发访问压力问题。有时候，我们需要同时考虑这两个问题，因此，我们既需要对单表进行分表操作(读：zuò)，还需要进行分库操作，以便同时扩展系统的并发处理能力和提升单表的查询性能，就是我们使用到的分库分表。

如果使用分库分表结合使用的话，不能简单进行order_id 取模操作，需要加一个中[pinyin：zhōng]间变量用来打散[练：sàn]到不同的子表，公式如下：

中zhōng 间变量　＝ shard key %（库数《繁体：數》量#2A单个库的表数量）2库序号　＝　取《练：qǔ》整（中间变量／单

例如：数据库有【读：yǒu】10个，每一个库中有[读：yǒu]100个数据表，用户的order_id＝1001，按照上述的路《拼音：lù》由策略，可得：

这样的话，对于order_id＝1001，将被路由到第1个数据库的第2个(繁体：個)表中[pinyin：zhōng]#28索引0 代表1，依次类推#29。

三、整体架构设计

对于read请求，我们需要计算出查询的是热数据还是冷数据，一般order_id生成规则如下，“商户所在地区号 时间戳 随机数”，我们可以{练：yǐ}根据时间戳计算出查询的[pinyin：de]是热数据还是冷数据，（当然具体业务需要具体对待，这里不再详xiáng 细阐述）

另外架构图中的冷数据指【读：zhǐ】的是3个月《拼音：yuè》~12个月前的数据，如果是查询一年前的数据，建议直接离线查hive即可。

图{练：tú}中有一个定时{练：shí}Job，主要用来定时迁移订（繁体：訂）单数据，需要将冷数据分别迁移到ES和hive中。

本文链接：http://21taiyang.com/Gyms/5223367.html
游戏数据库的分库分fēn 表设计 分库分表的六种玩法？转载请注明出处来源