这知识我没见过--MySQL 服务演进

MySQL服务演进

1 概述

当数据越来越多，且增长速度很快，尤其是并发量也越来越多时，单点的数据库会出现性能瓶颈，比如连接池连接数不够，很多请求处于阻塞状态，没有命中索引的查询非常耗时，物理存储也会压力倍增

此时，需要对数据库进行优化，硬件层面，增加CPU、内存和存储空间在前期能解决一定的问题；

更多的，需要通过软件层面来进行优化，包括：

SQL调优，如前面所讲，排查出慢查询，有针对性进行优化
表结构优化，根据业务特性，只返回表中合理数据，或表根据业务拆分成多个表，另外，适当的冗余，也能减少join，提升查询性能
读写分离，面向实际业务读多写少的实际情况，使用binlog同步实现一主多从多个数据库实例，提升性能
分库分表，但数据量继续增加时，尤其是单表数据超大，比如超过500

2 业务演进...

就像一个公司是从小到大，业务体量也是如此，一般的，一个业务系统正常演进如下：

单业务系统–单数据库：此时，业务体量很小，数据库承载量充分并有富余

多业务系统–单数据库：这个阶段，业务复杂度增大，会将复杂的业务系统拆分成很多子业务系统，数据库性能卓越，还能继续支持多业务系统

多业务系统–多数据库：即按业务分库、业务量继续增大，数据库成为瓶颈，将数据库按每个业务系统单独划分独立的数据库，独立部署，增加各个系统的业务承载能力，整体业务的承载能力也增强，微服务的处理模式就是这样

分库分表：业务进入持续快速增长，某些业务子系统的单个或多个业务表数据量超限，通过硬件提升、单表的SQL优化、甚至时读写分离，都不能有效提高查询或操作的性能，就需要使用分表处理了；主要有垂直分表和水平分表，垂直分表是按业务特性，单表只存放与业务相关的字段；当数据量达到足够大时，如超过500万条记录，垂直分表性能提升有限，最终还是要使用分库的水平分表

垂直分表：按业务拆分成多个表结构，使表结构更聚焦于业务，减少查询返回数据量

水平分表：表结构相同，基于不同维度划分数据，数据不相同；又分单库分表和多库分表，由于单库始终会有性能瓶颈，所以常见为多库分表

业务演进过程

1 单应用-单DB

小型项目的常见业务形态

2 多应用-单DB

企业具备多种小项目常见的业务形态，数据库服务需要性能相对较好

3 单应用-主从DB

中型复杂业务系统常见的模式，将业务中的读操作、写操作针对不同的DB服务器，提升业务系统容量

主、从DB服务器要有合理的数据同步机制

可以直接业务中切换，也可以使用中间件

4 多应用-多DB

从业务的角度将应用、DB都做切分，切分成粒度更小的多个应用+DB组合

微服务就是典型的多应用-多DB的模式

5 分库分表

当应用体量越来越大，部分业务的单表数据超大，如超过1000万条，此时要考虑分库分表

分库分表给应用带来了很大的复杂性，一般会使用像MyCat、ShardingSphere等中间件来处理，给业务屏蔽DB的复杂性

如何分表？

实现分表，核心的就是根据业务找到一个合理的分表键，一般要考虑几个条件：

数据能尽量均匀的分布在不同的库或表，并考虑业务增长的特性
跨度查询，尤其是跨库join查询尽量少
该分表键尽量不会变动

常用的分表键划分(分区)策略有按范围、hash、hash+范围等

分表带来的问题

跨库关联查询，如果在单库，可以方便的使用join获取关联信息、生成需要的业务报表，但分表后可能join的数据在另外一个库中；一般使用适当冗余数据、所有库都存放全局表、使用集中数据仓库处理汇总业务，以及在业务层组装等解决

分布式事务，一个库中事务好处理，跨库、跨业务的事务比较复杂；可考虑在业务层面上使用消息中间件，以及一些第三方组件Seata、TXLcn等使用两阶段提交方式处理

排序、分页、汇总等函数计算问题，需要分库计算、然后汇总，或是使用第三方组件

分布式ID，分库分表后，原有的表主键使用方式(如自增)可能会出现问题，主要解决方式有：UUID、号段模式、Redis缓存、雪花算法(SnowFlake)

第三方插件和中间件

分库分表后，业务系统中实现对多个数据源的数据操作实际很复杂

有业界的第三方插件或中间件来解决前述分库分表带来的问题

ShardingSphere：Apache的开源的一个项目，需要嵌入到业务系统代码中进行处理，有基于Spring Boot的工具，对代码有侵入
MyCat：是在业务系统与分库分表多数据源中间架设一个中间层来实现，对代码无侵入

在这里还是要推荐下我自己建的软件测试学习Q群：746506216，群里都是学测试的，如果你想学或者正在学习测试，欢迎你加入，大家都是测试党，不定期分享干货（只有软件测试相关的），包括我自己整理的一份2022最新的Python自动化测试进阶资料和零基础教学，欢迎进阶中和对测试感兴趣的小伙伴加入！