當(dāng)業(yè)務(wù)規(guī)模達(dá)到一定規(guī)模之后，像淘寶日訂單量在5000萬(wàn)單以上，美團(tuán)3000萬(wàn)單以上。數(shù)據(jù)庫(kù)面對(duì)海量的數(shù)據(jù)壓力，分庫(kù)分表就是必須進(jìn)行的操作了。而分庫(kù)分表之后一些常規(guī)的查詢(xún)可能都會(huì)產(chǎn)生問(wèn)題，最常見(jiàn)的就是比如分頁(yè)查詢(xún)的問(wèn)題。一般我們把分表的字段稱(chēng)作shardingkey，比如訂單表按照用戶(hù)ID作為shardingkey，那么如果查詢(xún)條件中不帶用戶(hù)ID查詢(xún)?cè)趺醋龇猪?yè)？又比如更多的多維度的查詢(xún)都沒(méi)有shardingkey又怎么查詢(xún)？

唯一主鍵

一般我們數(shù)據(jù)庫(kù)的主鍵都是自增的，那么分表之后主鍵沖突的問(wèn)題就是一個(gè)無(wú)法避免的問(wèn)題，最簡(jiǎn)單的辦法就是以一個(gè)唯一的業(yè)務(wù)字段作為唯一的主鍵，比如訂單表的訂單號(hào)肯定是全局唯一的。 常見(jiàn)的分布式生成唯一ID的方式很多，最常見(jiàn)的雪花算法Snowflake、滴滴Tinyid、美團(tuán)Leaf。以雪花算法舉例來(lái)說(shuō)，一毫秒可以生成4194304多個(gè)ID。第一位不使用，默認(rèn)都是0，41位時(shí)間戳精確到毫秒，可以容納69年的時(shí)間，10位工作機(jī)器ID高5位是數(shù)據(jù)中心ID，低5位是節(jié)點(diǎn)ID，12位序列號(hào)每個(gè)節(jié)點(diǎn)每毫秒累加，累計(jì)可以達(dá)到2^12 4096個(gè)ID。

分表

第一步，分表后要怎么保證訂單號(hào)的唯一搞定了，現(xiàn)在考慮下分表的問(wèn)題。首先根據(jù)自身的業(yè)務(wù)量和增量來(lái)考慮分表的大小。 舉個(gè)例子，現(xiàn)在我們?nèi)諉瘟渴?0萬(wàn)單，預(yù)估一年后可以達(dá)到日100萬(wàn)單，根據(jù)業(yè)務(wù)屬性，一般我們就支持查詢(xún)半年內(nèi)的訂單，超過(guò)半年的訂單需要做歸檔處理。 那么以日訂單100萬(wàn)半年的數(shù)量級(jí)來(lái)看，不分表的話我們訂單量將達(dá)到100萬(wàn)X180=1.8億，以這個(gè)數(shù)據(jù)量級(jí)部分表的話肯定單表是扛不住的，就算你能扛RT的時(shí)間你也根本無(wú)法接受吧。根據(jù)經(jīng)驗(yàn)單表幾百萬(wàn)的數(shù)量對(duì)于數(shù)據(jù)庫(kù)是沒(méi)什么壓力的，那么只要分256張表就足夠了，1.8億/256≈70萬(wàn)，如果為了保險(xiǎn)起見(jiàn)，也可以分到512張表。那么考慮一下，如果業(yè)務(wù)量再增長(zhǎng)10倍達(dá)到1000萬(wàn)單每天，分表1024就是比較合適的選擇。 通過(guò)分表加上超過(guò)半年的數(shù)據(jù)歸檔之后，單表70萬(wàn)的數(shù)據(jù)就足以應(yīng)對(duì)大部分場(chǎng)景了。接下來(lái)對(duì)訂單號(hào)hash，然后對(duì)256取模的就可以落到具體的哪張表了。

那么，因?yàn)槲ㄒ恢麈I都是以訂單號(hào)作為依據(jù)，以前你寫(xiě)的那些根據(jù)主鍵ID做查詢(xún)的就不能用了，這就涉及到了歷史一些查詢(xún)功能的修改。不過(guò)這都不是事兒對(duì)吧，都改成以訂單號(hào)來(lái)查就行了。這都不是問(wèn)題，問(wèn)題在我們的標(biāo)題說(shuō)的點(diǎn)上。

C端查詢(xún)

說(shuō)了半天，總算到了正題了，那么分表之后查詢(xún)和分頁(yè)查詢(xún)的問(wèn)題怎么解決？ 首先說(shuō)帶shardingkey的查詢(xún)，比如就通過(guò)訂單號(hào)查詢(xún)，不管你分頁(yè)還是怎么樣都是能直接定位到具體的表來(lái)查詢(xún)的，顯然查詢(xún)是不會(huì)有什么問(wèn)題的。 如果不是shardingkey的話，上面舉例說(shuō)的以訂單號(hào)作為shardingkey的話，像APP、小程序這種一般都是通過(guò)用戶(hù)ID查詢(xún)，那這時(shí)候我們通過(guò)訂單號(hào)做的sharding怎么辦？很多公司訂單表直接用用戶(hù)ID做shardingkey，那么很簡(jiǎn)單，直接查就完了。那么訂單號(hào)怎么辦，一個(gè)很簡(jiǎn)單的辦法就是在訂單號(hào)上帶上用戶(hù)ID的屬性。舉個(gè)很簡(jiǎn)單的例子，原本41位的時(shí)間戳你覺(jué)得用不完，用戶(hù)ID是10位的，訂單號(hào)的生成規(guī)則帶上用戶(hù)ID，落具體表的時(shí)候根據(jù)訂單號(hào)中10位用戶(hù)ID hash取模，這樣無(wú)論根據(jù)訂單號(hào)還是用戶(hù)ID查詢(xún)效果都是一樣的。 當(dāng)然，這種方式只是舉例，具體的訂單號(hào)生成的規(guī)則，多少位，包含哪些因素根據(jù)自己的業(yè)務(wù)和實(shí)現(xiàn)機(jī)制來(lái)決定。

好，那么無(wú)論你是訂單號(hào)還是用戶(hù)ID作為shardingkey，按照以上的兩種方式都可以解決問(wèn)題了。那么還有一個(gè)問(wèn)題就是如果既不是訂單號(hào)又不是用戶(hù)ID查詢(xún)?cè)趺崔k？最直觀的例子就是來(lái)自商戶(hù)端或者后臺(tái)的查詢(xún)，商戶(hù)端都是以商戶(hù)或者說(shuō)賣(mài)家的ID作為查詢(xún)條件來(lái)查的，后臺(tái)的查詢(xún)條件可能就更復(fù)雜了，像我碰到的有些后臺(tái)查詢(xún)條件能有幾十個(gè)，這怎么查？？？別急，接下來(lái)分開(kāi)說(shuō)B端和后臺(tái)的復(fù)雜查詢(xún)。 現(xiàn)實(shí)中真正的流量大頭都是來(lái)自于用戶(hù)端C端，所以本質(zhì)上解決了用戶(hù)端的問(wèn)題，這個(gè)問(wèn)題就解了大半，剩下來(lái)自商戶(hù)賣(mài)家端B端、后臺(tái)支持運(yùn)營(yíng)業(yè)務(wù)的查詢(xún)流量并不會(huì)很大，這個(gè)問(wèn)題就好解。

其他端查詢(xún)

針對(duì)B端的非shardingkey的查詢(xún)有兩個(gè)辦法解決。雙寫(xiě)，雙寫(xiě)就是下單的數(shù)據(jù)落兩份，C端和B端的各自保存一份，C端用你可以用單號(hào)、用戶(hù)ID做shardingkey都行，B端就用商家賣(mài)家的ID作為shardingkey就好了。有些同學(xué)會(huì)說(shuō)了，你雙寫(xiě)不影響性能嗎？因?yàn)閷?duì)于B端來(lái)說(shuō)輕微的延遲是可以接受的，所以可以采取異步的方式去落B端訂單。你想想你去淘寶買(mǎi)個(gè)東西下單了，賣(mài)家稍微延遲個(gè)一兩秒收到這個(gè)訂單的消息有什么關(guān)系嗎？你點(diǎn)個(gè)外賣(mài)商戶(hù)晚一兩秒收到這個(gè)訂單有什么太大影響嗎？

這是一個(gè)解決方案，另外一個(gè)方案就是走離線數(shù)倉(cāng)或者ES查詢(xún)，訂單數(shù)據(jù)落庫(kù)之后，不管你通過(guò)binlog還是MQ消息的都形式，把數(shù)據(jù)同步到數(shù)倉(cāng)或者ES，他們支持的數(shù)量級(jí)對(duì)于這種查詢(xún)條件來(lái)說(shuō)就很簡(jiǎn)單了。同樣這種方式肯定是稍微有延遲的，但是這種可控范圍的延遲是可以接受的。

而針對(duì)管理后臺(tái)的查詢(xún)，比如運(yùn)營(yíng)、業(yè)務(wù)、產(chǎn)品需要看數(shù)據(jù)，他們天然需要復(fù)雜的查詢(xún)條件，同樣走ES或者數(shù)倉(cāng)都可以做得到。如果不用這個(gè)方案，又要不帶shardingkey的分頁(yè)查詢(xún)，兄弟，這就只能掃全表查詢(xún)聚合數(shù)據(jù)，然后手動(dòng)做分頁(yè)了，但是這樣查出來(lái)的結(jié)果是有限制的。 比如你256個(gè)片，查詢(xún)的時(shí)候循環(huán)掃描所有的分片，每個(gè)片取20條數(shù)據(jù)，最后聚合數(shù)據(jù)手工分頁(yè)，那必然是不可能查到全量的數(shù)據(jù)的。

總結(jié)

分庫(kù)分表后的查詢(xún)問(wèn)題，對(duì)于有經(jīng)驗(yàn)的同學(xué)來(lái)說(shuō)其實(shí)這個(gè)問(wèn)題都知道，但是我相信其實(shí)大部分同學(xué)做的業(yè)務(wù)可能都沒(méi)來(lái)到這個(gè)數(shù)量級(jí)，分庫(kù)分表可能都停留在概念階段，面試被問(wèn)到后就手足無(wú)措了，因?yàn)闆](méi)有經(jīng)驗(yàn)不知道怎么辦。 分庫(kù)分表首先是基于現(xiàn)有的業(yè)務(wù)量和未來(lái)的增量做出判斷，比如拼多多這種日單量5000萬(wàn)的，半年數(shù)據(jù)得有百億級(jí)別了，那都得分到4096張表了對(duì)吧，但是實(shí)際的操作是一樣的，對(duì)于你們的業(yè)務(wù)分4096那就沒(méi)有必要了，根據(jù)業(yè)務(wù)做出合理的選擇。 對(duì)于基于shardingkey的查詢(xún)我們可以很簡(jiǎn)單的解決，對(duì)于非shardingkey的查詢(xún)可以通過(guò)落雙份數(shù)據(jù)和數(shù)倉(cāng)、ES的方案來(lái)解決，當(dāng)然，如果分表后數(shù)據(jù)量很小的話，建好索引，掃全表查詢(xún)其實(shí)也不是什么問(wèn)題。

責(zé)任編輯：xj

原文標(biāo)題：百億級(jí)數(shù)據(jù)分表后，該怎么分頁(yè)查詢(xún)？

文章出處：【微信公眾號(hào)：數(shù)據(jù)分析與開(kāi)發(fā)】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。