分库分表系列: 到底该怎么拆分？
大家好，我是【架构摆渡人】，一只十年的程序猿。这是分库分表系列的第一篇文章，这个系列会给大家分享很多在实际工作中有用的经验，如果有收获，还请分享给更多的朋友。
其实这个系列有录过视频给大家学习，但很多读者反馈说看视频太慢了。也不好沉淀为文档资料，希望能有一系列文字版本的讲解，要用的时候可以快速浏览关键的知识点。那么它就来了，我再花点时间写成几篇连续的文章供大家学习。
在实际业务实践过程中，垂直拆分和水平拆分都必须用才行。拆分之前我们先来了解有哪些常用的拆分方式。
分表算法这么多，我该怎么选？
时间
按时间拆分，适合一些与归档数据的需求，然后查询的场景基本上都是最新的数据。如果说你的业务规模不是很固定，就会导致每个时间范围内的数据不一样，数据倾斜比较严重，那么查询比较麻烦，需要进行遍历多库多表才能拿到最终想要的结果。
时间拆可以以天，周，月，年等进行，具体采用哪种取决于你每天的数据量。假设我们一个月一张表，那么就可以创建 table_202201, table_202202, table_202203 等，插入的时候就根据当前时间匹配对应的表。
范围
适用于数字类型的字段进行分表，一般像自增的主键ID。其实范围跟时间的拆分有点类似，比如id 1~10000的在table1, 10001~20000的在table2，依次类推下去。
取模
用的比较多，直接用ID取模即可，比如 userId % 10=你的数据在哪个表，这样就可以将同一个用户的数据放在同一张表中，查询的时候就不用同时查询多个表获取结果。但是问题也很明显，就是会出现数据倾斜的问题，比如某个用户的数据就是很多。其次还会出现热点问题，比如某个用户的访问量就是很大，SQL就会一直落在某张表里面。
到底该怎么拆分呢？
多拆库，少拆表
首先垂直拆分肯定是要的，要根据业务把对应的库拆出来，比如我们拆出了一个订单库。然后针对订单库进行水平拆分。
无论我们用上面讲的哪种拆分方式，都是把单库单表拆分成多库多表。假设我们将订单库的订单表拆分成5库5表，总共也就是50张订单表。如下图所示：
这里的5个数据库，你可以根据情况来决定是否需要5个独立的数据库实例。如果前期查询量没那么大，并且想节省成本的话，那么可以将order_00，order_01放在一个实例上。order_02，order_03，order_04放在一个实例上。这样你就只需要2个数据库实例。
假设过了一段时间，磁盘不够了，或者说查询压力太大了。那么你可以将其他的数据移到一个新的实例上面去，此时分库分表的算法是没有改变的，只需要程序中将数据库的链接地址改下就搞定了。
所以这里也得出一个比较有价值的经验：就是尽量多拆库，少拆表。因为表多了其实数据还是在一个服务器上面，请求量还是在一个服务器上面。但是你库拆的比较多，是可以变成独立的数据库实例，这个数据库部署在独立的服务器上，大家懂我意思了吧。
合理分类
第二个经验值就是：合理分类，因为订单库里面还有一些表可能数据量没那么大，其实没必要拆分成这么多库和表。这种情况通常可以单独用一个库将这些表放在一起。在我们的应用中就需要配置2个数据源。
分类需要注意一点，除了表的数据量作为划分条件，另一个条件就是这个表跟分表的那些表是否会在一个事务中操作，如果有事务需求，也需要考虑进去。如果你放到单独的库中去了，就没办法用数据库的事务。
多数据源的配置
一般我们在项目中都用一个数据源，而且现在用Spring Boot还都是自动装配的，突然要搞多个数据源好像不知道从何下手，这里给大家一点思路。
可以直接采用配置类的形式进行配置，无非就是配置多个DataSource，sqlSessionFactory，sqlSessionTemplate罢了。
我们举个例子：
@MapperScan(sqlSessionFactoryRef = "sqlSessionFactoryOrder", basePackages = {"jiagoubaiduren.mapper.order"})
@Configuration
public class OrderMybatisAutoConfiguration {
private static final ResourcePatternResolver resourceResolver = new PathMatchingResourcePatternResolver();
private final String[] MAPPER_XML_PATH = new String[] {"classpath*:ordermapper/*.xml"};
@Bean(name = "dataSourceOrder")
@Primary
@ConfigurationProperties("spring.datasource.order")
public DataSource dataSourceOrder(){
return DruidDataSourceBuilder.create().build();
}
@Bean(name = "sqlSessionFactoryOrder")
@Primary
public SqlSessionFactory sqlSessionFactoryOrder() throws Exception {
SqlSessionFactoryBean factory = new SqlSessionFactoryBean();
factory.setDataSource(dataSourceOrder());
factory.setVfs(SpringBootVFS.class);
factory.setMapperLocations(resolveMapperLocations());
return factory.getObject();
}
@Bean(name = "sqlSessionTemplateOrder")
@Primary
public SqlSessionTemplate sqlSessionTemplateOrder() throws Exception {
return new SqlSessionTemplate(sqlSessionFactoryOrder());
}
public Resource[] resolveMapperLocations() {
return Stream.of(Optional.ofNullable(MAPPER_XML_PATH).orElse(new String[0]))
.flatMap(location -> Stream.of(getResources(location))).toArray(Resource[]::new);
}
private Resource[] getResources(String location) {
try {
return resourceResolver.getResources(location);
} catch (IOException e) {
return new Resource[0];
}
}
}
里面其实指定了对应的mapper文件路径和包路径，如果要配置另一个数据源，复制一份，然后包路径改下就可以了。
总结
分库分表主要是用于解决高并发，大数据量的场景，如果没达到这个条件，千万不要去做分库分表。这会使复杂度变高，成本变高，当然你是能够收货一些实战经验。
既然要分库分表，那么必然需要一个中间件来支撑，不可能通过硬编码的形式去进行SQL的路由，下篇文章将为你分析用什么形式的中间件来实现分库分表比较合适。
原创：架构摆渡人（公众号ID：jiagoubaiduren），欢迎分享，转载请保留出处。
本文已收录至学习网站 http://cxytiandi.com/ ，里面有Spring Boot, Spring Cloud，分库分表，微服务，面试等相关内容。
