隨着大型互聯網應用的發展，海量數據的存儲和訪問成爲系統設計的瓶頸，分佈式處理成爲不二選擇。數據庫拆分，特別是水平分庫是個高難度的活，涉及一系列技術決策。
本人有幸負責某店訂單水平分庫的方案設計及實施落地，本人結合項目實踐，對水平分庫做一個系統地剖析，希望爲大家水平分庫（包括去IOE）改造提供總體思路，主要內容包括：
1. 水平分庫說明
2. 分庫維度-- 根據哪個字段分庫
3. 分庫策略-- 記錄如何分配到不同庫
4. 分庫數量-- 初始庫數量及庫數量如何增長
5. 路由透明-- 如何實現庫路由，支持應用透明
6. 分頁處理-- 跨多個庫的分頁case如何處理
7. Lookup映射—非分庫字段映射到分庫字段，實現單庫訪問
8. 整體架構-- 分庫的整體技術架構
9. 上線步驟-- 分庫改造實施上線
10. 項目總結
水平分庫說明
數據庫拆分有兩種：
1) 垂直分庫
數據庫裏的表太多，拿出部分到新的庫裏，一般是根據業務劃分表，關係密切的表放同一數據庫，應用修改數據庫連接即可，比較簡單。
2) 水平分庫
某張表太大，單個數據庫存儲不下或訪問性能有壓力，把一張表拆成多張，每張表存放部分記錄，保存在不同的數據庫裏，水平分庫需要對系統做大的改造。
1號店核心的訂單表存儲在Oracle數據庫，記錄有上億條，字段有上百個，訪問的模式也是複雜多樣，隨着業務快速增長，無論存儲空間或訪問性能都面臨巨大挑戰，特別在大促時，訂單庫已成爲系統瓶頸。
通常有兩種解決辦法：
1. Scale up，升級Oracle數據庫所在的物理機，提升內存/存儲/IO性能，但這種升級費用昂貴，並且只能滿足短期需要。
2. Scale out，把訂單庫拆分爲多個庫，分散到多臺機器進行存儲和訪問，這種做法支持水平擴展，可以滿足長遠需要。
1號店採取後一種做法，它的訂單庫主要包括訂單主表/訂單明細表（記錄商品明細）/訂單擴展表，水平分庫即把這3張表的記錄分到多個數據庫中，
原來一個Oracle庫被多個MySQL庫取代，支持1主多備和讀寫分離，主備之間通過MySQL自帶的數據同步機制（SLA<1秒），所有應用通過訂單服務訪問訂單數據。
分庫維度
水平分庫首先要考慮根據哪個字段作爲分庫維度，選擇標準是儘量避免應用代碼和SQL性能受影響，這就要求當前SQL在分庫後，訪問儘量落在單個庫裏，否則單庫訪問變成多庫掃描，讀寫性能和應用邏輯都會受較大影響。
對於訂單拆分，大家首先想到的是按照用戶Id拆分，結論沒錯，但最好還是數據說話，不能拍腦袋。好的做法是首先收集所有SQL，挑選where語句最常出現的過濾字段，比如用戶Id/訂單Id/商家Id，每個字段在SQL中有三種情況：
1. 單Id過濾，如用戶Id=？
2. 多Id過濾，如用戶Id IN (?,?,?)
3. 該Id不出現
然後進一步統計，假設共有500個SQL訪問訂單庫，3個過濾字段出現情況如下：
過濾字段 | 單Id過濾 | 多Id過濾 | 不出現 |
用戶Id | 120 | 40 | 330 |
訂單Id | 60 | 80 | 360 |
商家Id | 15 | 0 | 485 |
結論明顯，應該選擇用戶Id進行分庫。
等一等，這只是靜態分析，每個SQL訪問的次數是不一樣的，因此還要分析每個SQL的訪問量。我們分析了Top15執行最多的SQL (它們佔總執行次數85%)，如果按照用戶Id分庫，這些SQL 85%落到單個數據庫, 13%落到多個數據庫，只有2%需要遍歷所有數據庫，明顯優於使用其他Id進行分庫。
通過量化分析，我們知道按照用戶Id分庫是最優的，同時也大致知道分庫對現有系統的影響，比如這個例子中，85%的SQL會落到單個數據庫，這部分的訪問性能會優化，堅定了各方對分庫的信心。
分庫策略
分庫維度確定後，如何把記錄分到各個庫裏呢？一般有兩種方式：
根據數值範圍，比如用戶Id爲1-9999的記錄分到第一個庫，10000-20000的分到第二個庫，以此類推。
根據數值取模，比如用戶Id mod n，餘數爲0的記錄放到第一個庫，餘數爲1的放到第二個庫，以此類推。
兩種分法的優劣比較如下：
評價指標 | 按照範圍分庫 | 按照Mod分庫 |
庫數量 | 前期數目比較小，可以隨用戶/業務按需增長 | 前期即根據mode因子確定庫數量，數目一般比較大 |
訪問性能 | 前期庫數量小，全庫查詢消耗資源少，單庫查詢性能略差 | 前期庫數量大，全庫查詢消耗資源多，單庫查詢性能略好 |
調整庫數量 | 比較容易，一般只需爲新用戶增加庫，老庫拆分也隻影響單個庫 | 困難，改變mod因子導致數據在所有庫之間遷移 |
數據熱點 | 新舊用戶購物頻率有差異，有數據熱點問題 | 新舊用戶均勻到分佈到各個庫，無熱點 |
實踐中，爲了處理簡單，選擇mod分庫的比較多。同時二次分庫時，爲了數據遷移方便，一般是按倍數增加，比如初始4個庫，二次分裂爲8個，再16個。這樣對於某個庫的數據，一半數據移到新庫，剩餘不動，對比每次只增加一個庫，所有數據都要大規模變動。
補充下，mod分庫一般每個庫記錄數比較均勻，但也有些數據庫，存在超級Id，這些Id的記錄遠遠超過其他Id，比如在廣告場景下，某個大廣告主的廣告數可能佔總體很大比例。如果按照廣告主Id取模分庫，某些庫的記錄數會特別多，對於這些超級Id，需要提供單獨庫來存儲記錄。
分庫數量
分庫數量首先和單庫能處理的記錄數有關，一般來說，Mysql 單庫超過5000萬條記錄，Oracle單庫超過1億條記錄，DB壓力就很大(當然處理能力和字段數量/訪問模式/記錄長度有進一步關係)。
在滿足上述前提下，如果分庫數量少，達不到分散存儲和減輕DB性能壓力的目的；如果分庫的數量多，好處是每個庫記錄少，單庫訪問性能好，但對於跨多個庫的訪問，應用程序需要訪問多個庫，如果是併發模式，要消耗寶貴的線程資源；如果是串行模式，執行時間會急劇增加。
最後分庫數量還直接影響硬件的投入，一般每個分庫跑在單獨物理機上，多一個庫意味多一臺設備。所以具體分多少個庫，要綜合評估，一般初次分庫建議分4-8個庫。
路由透明
分庫從某種意義上來說，意味着DB schema改變了，必然影響應用，但這種改變和業務無關，所以要儘量保證分庫對應用代碼透明，分庫邏輯儘量在數據訪問層處理。當然完全做到這一點很困難，具體哪些應該由DAL負責，哪些由應用負責，這裏有一些建議：
1. 對於單庫訪問，比如查詢條件指定用戶Id，則該SQL只需訪問特定庫。此時應該由DAL層自動路由到特定庫，當庫二次分裂時，也只要修改mod 因子，應用代碼不受影響。
2. 對於簡單的多庫查詢，DAL負責彙總各個數據庫返回的記錄，此時仍對上層應用透明。
3. 對於帶聚合運算的多庫查詢，如帶groupBy/orderby/min/max/avg等關鍵字，建議DAL彙總單個庫返回的結果，上層應用做進一步處理。一方面DAL全面支持各種case，實現很複雜；另一方面，從1號店實踐來看，這樣的例子不多，在上層應用作針對性處理，更加靈活。
DAL可進一步細分爲JDBC和DAL兩層，基於JDBC層面實現分庫路由，系統開發難度大，靈活性低，目前也沒有很好的成功案例；一般是基於持久層框架進一步封裝成DDAL(分佈式數據訪問層)，實現分庫路由，1號店DAL即基於iBatis進行上層封裝而來。
分頁處理
分庫後，有些分頁查詢需要遍歷所有庫，這些case是分庫最大的受害者L。
舉個分頁的例子，比如要求按時間順序展示某個商家的訂單，每頁100條記錄，由於是按商家查詢，需要遍歷所有數據庫，假設庫數量是8，我們來看下分頁處理邏輯：
1. 如果取第1頁數據，則需要從每個庫裏按時間順序取前100條記錄，8個庫彙總後有800條，然後對這800條記錄在應用裏進行二次排序，最後取前100條。
2. 如果取第10頁數據，則需要從每個庫裏取前1000(100*10)條記錄，彙總後有8000條記錄，然後對這8000條記錄二次排序後取（900,1000）條記錄。
分庫情況下，對於第k頁記錄，每個庫要多取100*(k-1)條記錄，所有庫加起來，多取的記錄更多，所以越是靠後的分頁，系統要耗費更多內存和執行時間。
對比沒分庫的情況，無論取那一頁，都只要從單個DB裏取100條記錄，而且無需在應用內部做二次排序，非常簡單。
那如何解決分庫情況下的分頁問題呢？有以下幾種辦法：
1. 如果是在前臺應用提供分頁，則限定用戶只能看前面n頁，這個限制在業務上也是合理的，一般看後面的分頁意義不大（如果一定要看，可以要求用戶縮小範圍重新查詢）。
2. 如果是後臺批處理任務要求分批獲取數據，則可以加大page size，比如每次獲取5000條記錄，有效減少分頁數（當然離線訪問一般走備庫，避免衝擊主庫）。
3. 分庫設計時，一般還有配套大數據平臺彙總所有分庫的記錄，有些分頁查詢可以考慮走大數據平臺。
Lookup映射
分庫字段只有一個，比如這裏是用戶Id，但訂單表還有其他字段可唯一區分記錄，比如訂單Id，給定一個訂單Id，相應記錄一定在某個庫裏。如果盲目地查詢所有分庫，則帶來不必要的開銷，Lookup映射可根據訂單Id，找到相應的用戶Id，從而實現單庫定位。
可以事先檢索所有訂單Id和用戶Id，保存在Lookup表裏，Lookup表的記錄數和訂單庫記錄總數相等，但它只有2個字段，所以存儲和查詢性能都不是問題。實際使用時，一般通過分佈式緩存來優化Lookup性能。對於新增的訂單，除了寫訂單表，同時要寫Lookup表。
整體架構
1號店訂單水平分庫的總體技術架構如下圖所示：
1. 上層應用通過訂單服務/分庫代理和DAL訪問數據庫。
2. 代理對訂單服務實現功能透明，包括聚合運算，非用戶Id到用戶Id的映射。
3. Lookup表用於訂單Id/用戶Id映射，保證按訂單Id訪問時，可以直接落到單個庫，Cache是Lookup的內存數據映像，提升性能，cache故障時，直接訪問Lookup表。
4. DAL提供庫的路由，根據用戶Id定位到某個庫，對於多庫訪問，DAL支持可選的併發訪問模式，並支持簡單記錄彙總。
5. Lookup表初始化數據來自於現有分庫數據，新增記錄時，直接由代理異步寫入。
上線步驟
訂單表是核心業務表，它的水平拆分影響很多業務，本身的技術改造也很大，很容易出紕漏，上線時，必須謹慎考慮，1號店整個方案實施過程如下：
首先實現Oracle和MySQL兩套庫並行，所有數據訪問指向Oracle庫，通過數據同步程序把數據從Oracle拆分到多個MySQL分庫，比如3分鐘增量同步一次。
1. 按照上述架構圖搭建整個體系，選擇幾個對數據實時性不高的訪問例子（如訪問歷史訂單），轉向MySQL分庫訪問，然後逐漸增加更多非實時case，以檢驗整套體系可行性。
2. 如果性能和功能都沒問題，再一次性把所有實時讀寫訪問轉向MySQL，廢棄Oracle。
這個上線步驟多了數據同步程序的開發（大約1人周工作量，風險很低），但分散了風險，把第一步的技術風險（Lookup/DAL等基礎設施改造）和第二步的業務功能風險（Oracle改MySQL語法）分開。1號店兩階段上線都是一次性成功，特別是第二階段上線，100多個依賴方應用簡單重啓即完成升級，中間沒有出現一例較大問題。
項目總結
1號店完成訂單水平分庫的同時，把訂單庫從Oralce遷到MySQL，設備從小型機換成X86服務器，通過水平分庫和去IOE，不但支持訂單量未來增長，並且總體成本也大幅下降。
由於去IOE和訂單分庫一起實施，帶來雙重的性能影響，我們花了很大精力做性能測試，爲了模擬真實場景，大家通過Tcpcopy把線上實際的查詢流量引到測試環境，先後經過13輪的性能測試，最終6個MySQL庫相對一個Oracle，平均SQL執行時間基本持平，性能不降低的情況下，優化了架構，節省了成本。
對核心表做水平分庫之前，必須先做好服務化，即外部系統通過統一的訂單服務訪問相關表，不然很容易遺漏一些SQL。
1號店最終是根據用戶Id後三位取模，初始分6個庫，理論上支持多達768個庫，並且對訂單Id生成規則做了改造，使其包括用戶Id後三位，這樣新訂單Id本身包含庫定位所需信息，無需走Lookup機制，隨着老訂單歸檔到歷史庫，上述架構中lookup部分可廢棄。
水平分庫是一項系統性工作，首先需要在理論模式指導下，結合實際情況，每個方面做出最優選擇。其次對於特殊場景，如跨庫分頁，沒有銀彈，可以靈活處理，不走常規路。最後控制好節奏，系統改造、數據遷移、上線實施等各個環節做好銜接，全局一盤棋。
大膽設計，小心求證，謹慎實施，分庫並不難。