共计 2781 个字符，预计需要花费 7 分钟才能阅读完成。
今天丸趣 TV 小编给大家分享一下 mysql 适合分表的情况有哪些的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。
mysql 中适合分表的情况：1、数据量过大，正常运维影响业务访问时，例如对数据库进行备份需要大量的磁盘 IO 和网络 IO、对一个表进行 DDL 修改会锁住全表、对大表进行访问与更新出现锁等待；2、随着业务发展，需要对某些字段垂直拆分；3、单表中的数据量快速增长，当性能接近瓶颈时，就需要考虑水平切分。
本教程操作环境：windows7 系统、mysql8 版本、Dell G3 电脑。
并不是所有表都需要进行切分，主要还是看数据的增长速度。切分后会在某种程度上提升业务的复杂度，数据库除了承载数据的存储和查询外，协助业务更好的实现需求也是其重要工作之一。
不到万不得已不用轻易使用分库分表这个大招，避免 过度设计 和 过早优化。分库分表之前，不要为分而分，先尽力去做力所能及的事情，例如：升级硬件、升级网络、读写分离、索引优化等等。当数据量达到单表的瓶颈时候，再考虑分库分表。
那么 mysql 中什么时候考虑分表
1、数据量过大，正常运维影响业务访问
这里说的运维，指：
对数据库备份，如果单表太大，备份时需要大量的磁盘 IO 和网络 IO。例如 1T 的数据，网络传输占 50MB 时候，需要 20000 秒才能传输完毕，整个过程的风险都是比较高的
对一个很大的表进行 DDL 修改时，MySQL 会锁住全表，这个时间会很长，这段时间业务不能访问此表，影响很大。如果使用 pt-online-schema-change，使用过程中会创建触发器和影子表，也需要很长的时间。在此操作过程中，都算为风险时间。将数据表拆分，总量减少，有助于降低这个风险。
大表会经常访问与更新，就更有可能出现锁等待。将数据切分，用空间换时间，变相降低访问压力
2、随着业务发展，需要对某些字段垂直拆分
举个例子，假如项目一开始设计的用户表如下：
在项目初始阶段，这种设计是满足简单的业务需求的，也方便快速迭代开发。而当业务快速发展时，用户量从 10w 激增到 10 亿，用户非常的活跃，每次登录会更新 last_login_name 字段，使得 user 表被不断 update，压力很大。而其他字段：id, name, personal_info 是不变的或很少更新的，此时在业务角度，就要将 last_login_time 拆分出去，新建一个 user_time 表。
personal_info 属性是更新和查询频率较低的，并且 text 字段占据了太多的空间。这时候，就要对此垂直拆分出 user_ext 表了。
3、数据量快速增长
随着业务的快速发展，单表中的数据量会持续增长，当性能接近瓶颈时，就需要考虑水平切分，做分库分表了。此时一定要选择合适的切分规则，提前预估好数据容量
业务案例分析
1、用户中心业务场景
用户中心是一个非常常见的业务，主要提供用户注册、登录、查询 / 修改等功能，其核心表为：
任何脱离业务的架构设计都是耍流氓，在进行分库分表前，需要对业务场景需求进行梳理：
用户侧：前台访问，访问量较大，需要保证高可用和高一致性。主要有两类需求：
用户登录：通过 login_name/phone/email 查询用户信息，1% 请求属于这种类型
用户信息查询：登录之后，通过 uid 来查询用户信息，99% 请求属这种类型
运营侧：后台访问，支持运营需求，按照年龄、性别、登陆时间、注册时间等进行分页的查询。是内部系统，访问量较低，对可用性、一致性的要求不高。
2、水平切分方法
当数据量越来越大时，需要对数据库进行水平切分，上文描述的切分方法有 根据数值范围 和 根据数值取模。
根据数值范围：以主键 uid 为划分依据，按 uid 的范围将数据水平切分到多个数据库上。例如：user-db1 存储 uid 范围为 0~1000w 的数据，user-db2 存储 uid 范围为 1000w~2000wuid 数据。
优点是：扩容简单，如果容量不够，只要增加新 db 即可。
不足是：请求量不均匀，一般新注册的用户活跃度会比较高，所以新的 user-db2 会比 user-db1 负载高，导致服务器利用率不平衡
根据数值取模：也是以主键 uid 为划分依据，按 uid 取模的值将数据水平切分到多个数据库上。例如：user-db1 存储 uid 取模得 1 的数据，user-db2 存储 uid 取模得 0 的 uid 数据。
优点是：数据量和请求量分布均均匀
不足是：扩容麻烦，当容量不够时，新增加 db，需要 rehash。需要考虑对数据进行平滑的迁移。
非 uid 的查询方法
水平切分后，对于按 uid 查询的需求能很好的满足，可以直接路由到具体数据库。而按非 uid 的查询，例如 login_name，就不知道具体该访问哪个库了，此时需要遍历所有库，性能会降低很多。
对于用户侧，可以采用 建立非 uid 属性到 uid 的映射关系 的方案；对于运营侧，可以采用 前台与后台分离 的方案。
1、建立非 uid 属性到 uid 的映射关系
映射关系
例如：login_name 不能直接定位到数据库，可以建立 login_name→uid 的映射关系，用索引表或缓存来存储。当访问 login_name 时，先通过映射表查询出 login_name 对应的 uid，再通过 uid 定位到具体的库。
映射表只有两列，可以承载很多数据，当数据量过大时，也可以对映射表再做水平切分。这类 kv 格式的索引结构，可以很好的使用 cache 来优化查询性能，而且映射关系不会频繁变更，缓存命中率会很高。
基因法
分库基因：假如通过 uid 分库，分为 8 个库，采用 uid%8 的方式进行路由，此时是由 uid 的最后 3bit 来决定这行 User 数据具体落到哪个库上，那么这 3bit 可以看为分库基因。
2、前台与后台分离
对于用户侧，主要需求是以单行查询为主，需要建立 login_name/phone/email 到 uid 的映射关系，可以解决这些字段的查询问题。
而对于运营侧，很多批量分页且条件多样的查询，这类查询计算量大，返回数据量大，对数据库的性能消耗较高。此时，如果和用户侧公用同一批服务或数据库，可能因为后台的少量请求，占用大量数据库资源，而导致用户侧访问性能降低或超时。
这类业务最好采用 前台与后台分离 的方案，运营侧后台业务抽取独立的 service 和 db，解决和前台业务系统的耦合。由于运营侧对可用性、一致性的要求不高，可以不访问实时库，而是通过 binlog 异步同步数据到运营库进行访问。在数据量很大的情况下，还可以使用 ES 搜索引擎或 Hive 来满足后台复杂的查询方式。
以上就是“mysql 适合分表的情况有哪些”这篇文章的所有内容，感谢各位的阅读！相信大家阅读完这篇文章都有很大的收获，丸趣 TV 小编每天都会为大家更新不同的知识，如果还想学习更多的知识，请关注丸趣 TV 行业资讯频道。
