分表分库（百亿级大数据存储）

2021-08-26 04:32:51

NewLife.XCode是一个有15年历史的开源数据中间件，支持netcore/net45/net40，由新生命团队(2002~2019)开发完成并维护至今，以下简称XCode。

整个系列教程会大量结合示例代码和运行日志来进行深入分析，蕴含多年开发经验于其中，代表作有百亿级大数据实时计算项目。

开源地址：https://github.com/NewLifeX/X （求star, 938+）

XCode是重度充血模型，以单表操作为核心，不支持多表关联Join，复杂查询只能在where上做文章，整个select语句一定是from单表，因此对分表操作具有天然优势！

！！阅读本文之前，建议回顾《百亿级性能》，其中“索引完备”章节详细描述了大型数据表的核心要点。

此处为语雀内容卡片，点击链接查看：https://www.yuque.com/smartstone/xcode/100billion

100亿数据其实并不多，一个比较常见的数据分表分库模型：

MySql数据库8主8从，每服务器8个库，每个库16张表，共1024张表（从库也有1024张表），每张表1000万到5000万数据，整好100亿到500亿数据！

例程剖析

例程位置：https://github.com/NewLifeX/X/tree/master/Samples/SplitTableOrDatabase

新建控制台项目，nuget引用NewLife.XCode后，建立一个实体模型（修改Model.xml）：

</Columns>

</Indexes>

</Table>

</Tables>

在Build.tt上右键运行自定义工具，生成实体类“历史.cs”和“历史.Biz.cs”。不用修改其中代码，待会我们将借助该实体类来演示分表分库用法。

为了方便，我们将使用SQLite数据库，因此不需要配置任何数据库连接，XCode检测到没有名为STOD的连接字符串时，将默认使用SQLite。

此外，也可以通过指定名为STOD的连接字符串，使用其它非SQLite数据库。

按数字散列分表分库

大量订单、用户等信息，可采用crc16散列分表，我们把该实体数据拆分到4个库共16张表里面：

static void TestByNumber()

{

XTrace.WriteLine("按数字分表分库");

// 预先准备好各个库的连接字符串，动态增加，也可以在配置文件写好

for (var i = 0; i < 4; i++)

{

var connName = $"HDB_{i + 1}";

DAL.AddConnStr(connName, $"data source=numberData\\{connName}.db", null, "sqlite");

History.Meta.ConnName = connName;

// 每库建立4张表。这一步不是必须的，首次读写数据时也会创建

//for (var j = 0; j < 4; j++)

//{

// History.Meta.TableName = $"History_{j + 1}";

// // 初始化数据表

// History.Meta.Session.InitData();

//}

}

//!!! 写入数据测试

// 4个库

for (var i = 0; i < 4; i++)

{

var connName = $"HDB_{i + 1}";

History.Meta.ConnName = connName;

// 每库4张表

for (var j = 0; j < 4; j++)

{

History.Meta.TableName = $"History_{j + 1}";

// 插入一批数据

var list = new List<History>();

for (var n = 0; n < 1000; n++)

{

var entity = new History

{

Category = "交易",

Action = "转账",

CreateUserID = 1234,

CreateTime = DateTime.Now,

Remark = $"[{Rand.NextString(6)}]向[{Rand.NextString(6)}]转账[￥{Rand.Next(1_000_000) / 100d}]"

};

list.Add(entity);

}

// 批量插入。两种写法等价

//list.BatchInsert();

list.Insert(true);

}

通过 DAL.AddConnStr 动态向系统注册连接字符串：

var connName = $"HDB_{i + 1}";

DAL.AddConnStr(connName, $"data source=numberData\\{connName}.db", null, "sqlite");

连接名必须唯一，且有规律，后面要用到。数据库名最好也有一定规律。

使用时通过Meta.ConnName指定后续操作的连接名，Meta.TableName指定后续操作的表名，本线程有效，不会干涉其它线程。

var connName = $"HDB_{i + 1}";

History.Meta.ConnName = connName;

History.Meta.TableName = $"History_{j + 1}";

注意，ConnName/TableName改变后，将会一直维持该参数，直到修改为新的连接名和表名。

指定表名连接名后，即可在本线程内持续使用，后面使用批量插入技术，给每张表插入一批数据。

运行效果如下：

连接字符串指定的numberData目录下，生成了4个数据库，每个数据库生成了4张表，每张表内插入1000行数据。

指定不存在的数据库和数据表时，XCode的反向工程将会自动建表建库，这是它独有的功能。（因异步操作，密集建表建库时可能有一定几率失败，重试即可）

按时间序列分表分库

日志型的时间序列数据，特别适合分表分库存储，定型拆分模式是，每月一个库每天一张表。

static void TestByDate()

{

XTrace.WriteLine("按时间分表分库，每月一个库，每天一张表");

// 预先准备好各个库的连接字符串，动态增加，也可以在配置文件写好

var start = DateTime.Today;

for (var i = 0; i < 12; i++)

{

var dt = new DateTime(start.Year, i + 1, 1);

var connName = $"HDB_{dt:yyMM}";

DAL.AddConnStr(connName, $"data source=timeData\\{connName}.db", null, "sqlite");

}

// 每月一个库，每天一张表

start = new DateTime(start.Year, 1, 1);

for (var i = 0; i < 365; i++)

{

var dt = start.AddDays(i);

History.Meta.ConnName = $"HDB_{dt:yyMM}";

History.Meta.TableName = $"History_{dt:yyMMdd}";

// 插入一批数据

var list = new List<History>();

for (var n = 0; n < 1000; n++)

{

var entity = new History

{

Category = "交易",

Action = "转账",

CreateUserID = 1234,

CreateTime = DateTime.Now,

Remark = $"[{Rand.NextString(6)}]向[{Rand.NextString(6)}]转账[￥{Rand.Next(1_000_000) / 100d}]"

};

list.Add(entity);

}

// 批量插入。两种写法等价

//list.BatchInsert();

list.Insert(true);

}

时间序列分表看起来比数字散列更简单一些，分表逻辑清晰明了。

例程遍历了今年的365天，在连接字符串指定的timeData目录下，生成了12个月份数据库，然后每个库里面按月生成数据表，每张表插入1000行模拟数据。

综上，分表分库其实就是在操作数据库之前，预先设置好 Meta.ConnName/Meta.TableName，其它操作不变！

分表查询

说到分表，许多人第一反应就是，怎么做跨表查询？

不好意思，不支持！

只能在多张表上各自查询，如果系统设计不合理，甚至可能需要在所有表上进行查询。

不建议做视图union，那样会无穷无尽，业务逻辑还是放在代码中为好，数据库做好存储与基础计算。

分表查询的用法与分表添删改一样：

static void SearchByDate()

{

// 预先准备好各个库的连接字符串，动态增加，也可以在配置文件写好

var start = DateTime.Today;

for (var i = 0; i < 12; i++)

{

var dt = new DateTime(start.Year, i + 1, 1);

var connName = $"HDB_{dt:yyMM}";

DAL.AddConnStr(connName, $"data source=timeData\\{connName}.db", null, "sqlite");

}

// 随机日期。批量操作

start = new DateTime(start.Year, 1, 1);

{

var dt = start.AddDays(Rand.Next(0, 365));

XTrace.WriteLine("查询日期：{0}", dt);

History.Meta.ConnName = $"HDB_{dt:yyMM}";

History.Meta.TableName = $"History_{dt:yyMMdd}";

var list = History.FindAll();

XTrace.WriteLine("数据：{0}", list.Count);

}

// 随机日期。个例操作

start = new DateTime(start.Year, 1, 1);

{

var dt = start.AddDays(Rand.Next(0, 365));

XTrace.WriteLine("查询日期：{0}", dt);

var list = History.Meta.ProcessWithSplit(

$"HDB_{dt:yyMM}",

$"History_{dt:yyMMdd}",

() => History.FindAll());

XTrace.WriteLine("数据：{0}", list.Count);

}

仍然是通过设置 Meta.ConnName/Meta.TableName 来实现分表分库。日志输出可以看到查找了哪个库哪张表。

这里多了一个 History.Meta.ProcessWithSplit ，其实是快捷方法，在回调内使用连接名和表名，退出后复原。

分表分库后，最容易犯下的错误，就是使用时忘了设置表名，在错误的表上查找数据，然后怎么也查不到……

分表策略

根据这些年的经验：

Oracle适合单表1000万~1亿行数据，要做分区
MySql适合单表1000万~5000万行数据，很少人用MySql分区

如果统一在应用层做拆分，数据库只负责存储，那么上面的方案适用于各种数据库。

同时，单表数据上限，就是大家常问的应该分为几张表？在系统生命周期内（一般1~2年），确保拆分后的每张表数据总量在1000万附近最佳。

根据《百亿级性能》，常见分表策略如下：

日志型时间序列表，如果每月数据不足1000万，则按月分表，否则按天分表。缺点是数据热点极为明显，适合热表、冷表、归档表的梯队架构，优点是批量写入和抽取性能显著；
状态表（订单、用户等），按Crc16哈希分表，以1000万为准，决定分表数量，向上取整为2的指数倍（为了好算）。数据冷热均匀，利于单行查询更新，缺点是不利于批量写入和抽取；
混合分表。订单表可以根据单号Crc16哈希分表，便于单行查找更新，作为宽表拥有各种明细字段，同时还可以基于订单时间建立一套时间序列表，作为冗余，只存储单号等必要字段。这样就解决了又要主键分表，又要按时间维度查询的问题。缺点就是订单数据需要写两份，当然，时间序列表只需要插入单号，其它更新操作不涉及。

至于是否需要分库，主要由存储空间以及性能要求决定。

分表与分区对比

还有一个很常见的问题，为什么使用分表而不是分区？

大型数据库Oracle、MSSQL、MySql都支持分区，前两者较多使用分区，MySql则较多分表。

分区和分表并没有本质的不同，两者都是为了把海量数据按照一定的策略拆分存储，以优化写入和查询。

分区除了能建立子索引外，还可以建立全局索引，而分表不能建立全局索引；
分区能跨区查询，但非常非常慢，一不小心就扫描所有分区；
分表架构，很容易做成分库，支持轻易扩展到多台服务器上去，分区只能要求数据库服务器更强更大；
分区主要由DBA操作，分表主要由程序员控制；

！！！某项目使用XCode分表功能，已经过生产环境三年半考验，日均新增4000万~5000万数据量，2亿多次添删改，总数据量数百亿。

码农公寓

例程剖析

按数字散列分表分库

按时间序列分表分库

分表查询

分表策略

分表与分区对比

相关文章