第 14 章 可擴展性設計之數據切分
前言
通過 MySQL Replication 功能所實現的擴展總是會受到數據庫大小的限制，一旦數據庫過於龐大，尤其是當寫入過於頻繁，很難由一台主機支撐的時候，我們還是會面臨到擴展瓶頸。這時候，我們就必須許找其他技術手段來解決這個瓶頸，那就是我們這一章所要介紹惡的數據切分技術。
14.1 何謂數據切分
可能很多讀者朋友在網上或者雜志上面都已經多次見到關於數據切分的相關文章了，只不過在有些文章中稱之為數據的 Sharding。其實不管是稱之為數據的 Sharding 還是數據的切分，其概念都是一樣的。簡單來說，就是指通過某種特定的條件，將我們存放在同一個數據庫中的數據分散存放到多個數據庫（主機）上面，以達到分散單台設備負載的效果。數據的切分同時還可以提高系統的總體可用性，因為單台設備 Crash 之後，只有總體數據的某部分不可用，而不是所有的數據。
數據的切分（Sharding）根據其切分規則的類型，可以分為兩種切分模式。一種是按照不同的表（或者 Schema）來切分到不同的數據庫（主機）之上，這種切可以稱之為數據的垂直（縱向）切分；另外一種則是根據表中的數據的邏輯關系，將同一個表中的數據按照某種條件拆分到多台數據庫（主機）上面，這種切分稱之為數據的水平（橫向）切分。
垂直切分的最大特點就是規則簡單，實施也更為方便，尤其適合各業務之間的耦合度非常低，相互影響很小，業務邏輯非常清晰的系統。在這種系統中，可以很容易做到將不同業務模塊所使用的表分拆到不同的數據庫中。根據不同的表來進行拆分，對應用程序的影響也更小，拆分規則也會比較簡單清晰。
水平切分於垂直切分相比，相對來說稍微復雜一些。因為要將同一個表中的不同數據拆分到不同的數據庫中，對於應用程序來說，拆分規則本身就較根據表名來拆分更為復雜，後期的數據維護也會更為復雜一些。
當我們某個（或者某些）表的數據量和訪問量特別的大，通過垂直切分將其放在獨立的設備上後仍然無法滿足性能要求，這時候我們就必須將垂直切分和水平切分相結合，先垂直切分，然後再水平切分，才能解決這種超大型表的性能問題。
下面我們就針對垂直、水平以及組合切分這三種數據切分方式的架構實現及切分後數據的整合進行相應的分析。
14.2 數據的垂直切分
我們先來看一下，數據的垂直切分到底是如何一個切分法的。數據的垂直切分，也可以稱之為縱向切分。將數據庫想象成為由很多個一大塊一大塊的“數據塊”（表）組成，我們垂直的將這些“數據塊”切開，然後將他們分散到多台數據庫主機上面。這樣的切分方法就是一個垂直（縱向）的數據切分。
一個架構設計較好的應用系統，其總體功能肯定是由很多個功能模塊所組成的，而每一個功能模塊所需要的數據對應到數據庫中就是一個或者多個表。而在架構設計中，各個功能模塊相互之間的交互點越統一越少，系統的耦合度就越低，系統各個模塊的維護性以及擴展性也就越好。這樣的系統，實現數據的垂直切分也就越容易。
當我們的功能模塊越清晰，耦合度越低，數據垂直切分的規則定義也就越容易。完全可以根據功能模塊來進行數據的切分，不同功能模塊的數據存放於不同的數據庫主機中，可以很容易就避免掉跨數據庫的 Join 存在，同時系統架構也非常的清晰。
當然，很難有系統能夠做到所有功能模塊所使用的表完全獨立，完全不需要訪問對方的表或者需要兩個模塊的表進行 Join 操作。這種情況下，我們就必須根據實際的應用場景進行評估權衡。決定是遷就應用程序將需要 Join 的表的相關某快都存放在同一個數據庫中， 還是讓應用程序做更多的事情，也就是程序完全通過模塊接口取得不同數據庫中的數據，然後在程序中完成 Join 操作。
一般來說，如果是一個負載相對不是很大的系統，而且表關聯又非常的頻繁，那可能數據庫讓步，將幾個相關模塊合並在一起減少應用程序的工作的方案可以減少較多的工作量，是一個可行的方案。
當然，通過數據庫的讓步，讓多個模塊集中共用數據源，實際上也是簡介的默許了各模塊架構耦合度增大的發展，可能會讓以後的架構越來越惡化。尤其是當發展到一定階段之後， 發現數據庫實在無法承擔這些表所帶來的壓力，不得不面臨再次切分的時候，所帶來的架構改造成本可能會遠遠大於最初的時候。
所以，在數據庫進行垂直切分的時候，如何切分，切分到什麼樣的程度，是一個比較考驗人的難題。只能在實際的應用場景中通過平衡各方面的成本和收益，才能分析出一個真正適合自己的拆分方案。
比如在本書所使用示例系統的 example 數據庫，我們簡單的分析一下，然後再設計一個簡單的切分規則，進行一次垂直垂直拆分。
系統功能可以基本分為四個功能模塊：用戶，群組消息，相冊以及事件，分別對應為如下這些表：
1. 用戶模塊表：user,user_profile,user_group,user_photo_album
2. 群組討論表：groups,group_message,group_message_content,top_message
3. 相冊相關表：photo,photo_album,photo_album_relation,photo_comment
4. 事件信息表：event
初略一看，沒有哪一個模塊可以脫離其他模塊獨立存在，模塊與模塊之間都存在著關系，莫非無法切分？
當然不是，我們再稍微深入分析一下，可以發現，雖然各個模塊所使用的表之間都有關聯，但是關聯關系還算比較清晰，也比較簡單。
◆ 群組討論模塊和用戶模塊之間主要存在通過用戶或者是群組關系來進行關聯。一般關聯的時候都會是通過用戶的 id 或者 nick_name 以及 group 的 id 來進行關聯，通過模塊之間的接口實現不會帶來太多麻煩；
◆ 相冊模塊僅僅與用戶模塊存在通過用戶的關聯。這兩個模塊之間的關聯基本就有通過用戶 id 關聯的內容，簡單清晰，接口明確；
◆ 事件模塊與各個模塊可能都有關聯，但是都只關注其各個模塊中對象的ID信息， 同樣可以做到很容易分拆。
所以，我們第一步可以將數據庫按照功能模塊相關的表進行一次垂直拆分，每個模塊所涉及的表單獨到一個數據庫中，模塊與模塊之間的表關聯都在應用系統端通過藉口來處理。
如下圖所示：
通過這樣的垂直切分之後，之前只能通過一個數據庫來提供的服務，就被分拆成四個數據庫來提供服務，服務能力自然是增加幾倍了。
垂直切分的優點
◆ 數據庫的拆分簡單明了，拆分規則明確；
◆ 應用程序模塊清晰明確，整合容易；
◆ 數據維護方便易行，容易定位；
垂直切分的缺點
◆ 部分表關聯無法在數據庫級別完成，需要在程序中完成；
◆ 對於訪問極其頻繁且數據量超大的表仍然存在性能平靜，不一定能滿足要求；
◆ 事務處理相對更為復雜；
◆ 切分達到一定程度之後，擴展性會遇到限制；
◆ 過度切分可能會帶來系統過度復雜而難以維護。
針對於垂直切分可能遇到數據切分及事務問題，在數據庫層面實在是很難找到一個較好的處理方案。實際應用案例中，數據庫的垂直切分大多是與應用系統的模塊相對應，同一個模塊的數據源存放於同一個數據庫中，可以解決模塊內部的數據關聯問題。而模塊與模塊之間，則通過應用程序以服務接口方式來相互提供所需要的數據。雖然這樣做在數據庫的總體操作次數方面確實會有所增加，但是在系統整體擴展性以及架構模塊化方面，都是有益的。
可能在某些操作的單次響應時間會稍有增加，但是系統的整體性能很可能反而會有一定的提升。而擴展瓶頸問題，就只能依靠下一節將要介紹的數據水平切分架構來解決了。
14.3 數據的水平切分
上面一節分析介紹了數據的垂直切分，這一節再分析一下數據的水平切分。數據的垂直切分基本上可以簡單的理解為按照表按照模塊來切分數據，而水平切分就不再是按照表或者是功能模塊來切分了。一般來說，簡單的水平切分主要是將某個訪問極其平凡的表再按照某個字段的某種規則來分散到多個表之中，每個表中包含一部分數據。
簡單來說，我們可以將數據的水平切分理解為是按照數據行的切分，就是將表中的某些行切分到一個數據庫，而另外的某些行又切分到其他的數據庫中。當然，為了能夠比較容易的判定各行數據被切分到哪個數據庫中了，切分總是都需要按照某種特定的規則來進行的。
如根據某個數字類型字段基於特定數目取模，某個時間類型字段的范圍，或者是某個字符類型字段的 hash 值。如果整個系統中大部分核心表都可以通過某個字段來進行關聯，那這個字段自然是一個進行水平分區的上上之選了，當然，非常特殊無法使用就只能另選其他了。
一般來說，像現在互聯網非常火爆的 Web2.0 類型的網站，基本上大部分數據都能夠通過會員用戶信息關聯上，可能很多核心表都非常適合通過會員 ID 來進行數據的水平切分。 而像論壇社區討論系統，就更容易切分了，非常容易按照論壇編號來進行數據的水平切分。
切分之後基本上不會出現各個庫之間的交互。
如我們的示例系統，所有數據都是和用戶關聯的，那麼我們就可以根據用戶來進行水平拆分，將不同用戶的數據切分到不同的數據庫中。當然，唯一有點區別的是用戶模塊中的groups 表和用戶沒有直接關系，所以 groups 不能根據用戶來進行水平拆分。對於這種特殊情況下的表，我們完全可以獨立出來，單獨放在一個獨立的數據庫中。其實這個做法可以說是利用了前面一節所介紹的“數據的垂直切分”方法，我將在下一節中更為詳細的介紹這種垂直切分與水平切分同時使用的聯合切分方法。
所以，對於我們的示例數據庫來說，大部分的表都可以根據用戶 ID 來進行水平的切分。不同用戶相關的數據進行切分之後存放在不同的數據庫中。如將所有用戶 ID 通過 2 取模然後分別存放於兩個不同的數據庫中。每個和用戶 ID 關聯上的表都可以這樣切分。這樣，基本上每個用戶相關的數據，都在同一個數據庫中，即使是需要關聯，也可以非常簡單的關聯上。
我們可以通過下圖來更為直觀的展示水平切分相關信息： 
水平切分的優點
◆ 表關聯基本能夠在數據庫端全部完成；
◆ 不會存在某些超大型數據量和高負載的表遇到瓶頸的問題；
◆ 應用程序端整體架構改動相對較少；
◆ 事務處理相對簡單；
◆ 只要切分規則能夠定義好，基本上較難遇到擴展性限制；
水平切分的缺點
◆ 切分規則相對更為復雜，很難抽象出一個能夠滿足整個數據庫的切分規則；
◆ 後期數據的維護難度有所增加，人為手工定位數據更困難；
◆ 應用系統各模塊耦合度較高，可能會對後面數據的遷移拆分造成一定的困難。
14.4 垂直與水平聯合切分的使用
上面兩節內容中，我們分別，了解了“垂直”和“水平”這兩種切分方式的實現以及切分之後的架構信息，同時也分析了兩種架構各自的優缺點。但是在實際的應用場景中，除了那些負載並不是太大，業務邏輯也相對較簡單的系統可以通過上面兩種切分方法之一來解決擴展性問題之外，恐怕其他大部分業務邏輯稍微復雜一點，系統負載大一些的系統，都無法通過上面任何一種數據的切分方法來實現較好的擴展性，而需要將上述兩種切分方法結合使用，不同的場景使用不同的切分方法。
在這一節中，我將結合垂直切分和水平切分各自的優缺點，進一步完善我們的整體架構， 讓系統的擴展性進一步提高。
一般來說，我們數據庫中的所有表很難通過某一個（或少數幾個）字段全部關聯起來， 所以很難簡單的僅僅通過數據的水平切分來解決所有問題。而垂直切分也只能解決部分問題，對於那些負載非常高的系統，即使僅僅只是單個表都無法通過單台數據庫主機來承擔其負載。我們必須結合“垂直”和“水平”兩種切分方式同時使用，充分利用兩者的優點，避開其缺點。
每一個應用系統的負載都是一步一步增長上來的，在開始遇到性能瓶頸的時候，大多數架構師和DBA都會選擇先進行數據的垂直拆分，因為這樣的成本最先，最符合這個時期所追求的最大投入產出比。然而，隨著業務的不斷擴張，系統負載的持續增長，在系統穩定一段時期之後，經過了垂直拆分之後的數據庫集群可能又再一次不堪重負，遇到了性能瓶頸。
這時候我們該如何抉擇？是再次進一步細分模塊呢，還是尋求其他的辦法來解決？如果我們再一次像最開始那樣繼續細分模塊，進行數據的垂直切分，那我們可能在不久的將來，又會遇到現在所面對的同樣的問題。而且隨著模塊的不斷的細化，應用系統的架構也會越來越復雜，整個系統很可能會出現失控的局面。
這時候我們就必須要通過數據的水平切分的優勢，來解決這裡所遇到的問題。而且，我們完全不必要在使用數據水平切分的時候，推倒之前進行數據垂直切分的成果，而是在其基礎上利用水平切分的優勢來避開垂直切分的弊端，解決系統復雜性不斷擴大的問題。而水平拆分的弊端（規則難以統一）也已經被之前的垂直切分解決掉了，讓水平拆分可以進行的得心應手。
對於我們的示例數據庫，假設在最開始，我們進行了數據的垂直切分，然而隨著業務的不斷增長，數據庫系統遇到了瓶頸，我們選擇重構數據庫集群的架構。如何重構？考慮到之前已經做好了數據的垂直切分，而且模塊結構清晰明確。而業務增長的勢頭越來越猛，即使現在進一步再次拆分模塊，也堅持不了太久。我們選擇了在垂直切分的基礎上再進行水平拆分。
在經歷過垂直拆分後的各個數據庫集群中的每一個都只有一個功能模塊，而每個功能模塊中的所有表基本上都會與某個字段進行關聯。如用戶模塊全部都可以通過用戶 ID 進行切分，群組討論模塊則都通過群組 ID 來切分，相冊模塊則根據相冊 ID 來進切分，最後的事件通知信息表考慮到數據的時限性（僅僅只會訪問最近某個事件段的信息），則考慮按時間來切分。
下圖展示了切分後的整個架構： 
實際上，在很多大型的應用系統中，垂直切分和水平切這兩種數據的切分方法基本上都是並存的，而且經常在不斷的交替進行，以不斷的增加系統的擴展能力。我們在應對不同的應用場景的時候，也需要充分考慮到這兩種切分方法各自的局限，以及各自的優勢，在不同的時期（負載壓力）使用不同的結合方式。
聯合切分的優點
◆ 可以充分利用垂直切分和水平切分各自的優勢而避免各自的缺陷；
◆ 讓系統擴展性得到最大化提升；
聯合切分的缺點
◆ 數據庫系統架構比較復雜，維護難度更大；
◆ 應用程序架構也相對更復雜；
14.5 數據切分及整合方案
通過前面的章節，我們已經很清楚了通過數據庫的數據切分可以極大的提高系統的擴展性。但是，數據庫中的數據在經過垂直和（或）水平切分被存放在不同的數據庫主機之後，應用系統面臨的最大問題就是如何來讓這些數據源得到較好的整合，可能這也是很多讀者朋友非常關心的一個問題。這一節我們主要針對的內容就是分析可以使用的各種可以幫助我們實現數據切分以及數據整合的整體解決方案。
數據的整合很難依靠數據庫本身來達到這個效果，雖然 MySQL 存在 Federated 存儲引擎，可以解決部分類似的問題，但是在實際應用場景中卻很難較好的運用。那我們該如何來整合這些分散在各個 MySQL 主機上面的數據源呢？
總的來說，存在兩種解決思路：
1. 在每個應用程序模塊中配置管理自己需要的一個（或者多個）數據源，直接訪問各個數據庫，在模塊內完成數據的整合；
2. 通過中間代理層來統一管理所有的數據源，後端數據庫集群對前端應用程序透明；
可能90%以上的人在面對上面這兩種解決思路的時候都會傾向於選擇第二種，尤其是系統不斷變得龐大復雜的時候。確實，這是一個非常正確的選擇，雖然短期內需要付出的成本可能會相對更大一些，但是對整個系統的擴展性來說，是非常有幫助的。
所以，對於第一種解決思路我這裡就不准備過多的分析，下面我重點分析一下在第二種解決思路中的一些解決方案。
★ 自行開發中間代理層
在決定選擇通過數據庫的中間代理層來解決數據源整合的架構方向之後，有不少公司（或者企業）選擇了通過自行開發符合自身應用特定場景的代理層應用程序。
通過自行開發中間代理層可以最大程度的應對自身應用的特定，最大化的定制很多個性化需求，在面對變化的時候也可以靈活的應對。這應該說是自行開發代理層最大的優勢了。
當然，選擇自行開發，享受讓個性化定制最大化的樂趣的同時，自然也需要投入更多的成本來進行前期研發以及後期的持續升級改進工作，而且本身的技術門檻可能也比簡單的Web 應用要更高一些。所以，在決定選擇自行開發之前，還是需要進行比較全面的評估為好。
由於自行開發更多時候考慮的是如何更好的適應自身應用系統，應對自身的業務場景， 所以這裡也不好分析太多。後面我們主要分析一下當前比較流行的幾種數據源整合解決方案。
★ 利用 MySQL Proxy 實現數據切分及整合
MySQL Proxy 是 MySQL 官方提供的一個數據庫代理層產品，和 MySQL Server 一樣，同樣是一個基於 GPL 開源協議的開源產品。可用來監視、分析或者傳輸他們之間的通訊信息。他的靈活性允許你最大限度的使用它，目前具備的功能主要有連接路由，Query 分析，Query 過濾和修改，負載均衡，以及基本的 HA 機制等。
實際上，MySQL Proxy 本身並不具有上述所有的這些功能，而是提供了實現上述功能的基礎。要實現這些功能，還需要通過我們自行編寫 LUA 腳本來實現。
MySQL Proxy 實際上是在客戶端請求與 MySQL Server 之間建立了一個連接池。所有客戶端請求都是發向 MySQL Proxy，然後經由 MySQL Proxy進行相應的分析，判斷出是讀操作還是寫操作，分發至對應的 MySQL Server 上。對於多節點 Slave 集群，也可以起做到負載均衡的效果。以下是 MySQL Proxy 的基本架構圖： 
通過上面的架構簡圖，我們可以很清晰的看出 MySQL Proxy 在實際應用中所處的位置， 以及能做的基本事情。關於 MySQL Proxy 更為詳細的實施細則在 MySQL 官方文檔中有非常詳細的介紹和示例，感興趣的讀者朋友可以直接從 MySQL 官方網站免費下載或者在線閱讀，我這裡就不累述浪費紙張了。
★ 利用 Amoeba 實現數據切分及整合
Amoeba 是一個基於 Java 開發的，專注於解決分布式數據庫數據源整合 Proxy 程序的開源框架，基於 GPL3 開源協議。目前，Amoeba 已經具有 Query 路由，Query 過濾，讀寫分離，負載均衡以及 HA 機制等相關內容。
Amoeba 主要解決的以下幾個問題：
1. 數據切分後復雜數據源整合；
2. 提供數據切分規則並降低數據切分規則給數據庫帶來的影響；
3. 降低數據庫與客戶端的連接數；
4. 讀寫分離路由；
我們可以看出，Amoeba 所做的事情，正好就是我們通過數據切分來提升數據庫的擴展性所需要的。
Amoeba 並不是一個代理層的 Proxy 程序，而是一個開發數據庫代理層 Proxy 程序的開發框架，目前基於 Amoeba 所開發的 Proxy 程序有 Amoeba For MySQL 和 Amoeba For Aladin 兩個。
Amoeba For MySQL 主要是專門針對 MySQL 數據庫的解決方案，前端應用程序請求的協議以及後端連接的數據源數據庫都必須是 MySQL。對於客戶端的任何應用程序來說，Amoeba For MySQL 和一個 MySQL 數據庫沒有什麼區別，任何使用 MySQL 協議的客戶端請求，都可以被 Amoeba For MySQL 解析並進行相應的處理。下如可以告訴我們 Amoeba For MySQL 的架構信息（出自 Amoeba 開發者博客）： 
Amoeba For Aladin 則是一個適用更為廣泛，功能更為強大的 Proxy 程序。他可以同時連接不同數據庫的數據源為前端應用程序提供服務，但是僅僅接受符合 MySQL 協議的客戶端應用程序請求。也就是說，只要前端應用程序通過 MySQL 協議連接上來之後，Amoeba For Aladin 會自動分析 Query 語句，根據 Query 語句中所請求的數據來自動識別出該所Query 的數據源是在什麼類型數據庫的哪一個物理主機上面。下圖展示了 Amoeba For Aladin 的架構細節（出自 Amoeba 開發者博客）：
咋一看，兩者好像完全一樣嘛。細看之後，才會發現兩者主要的區別僅在於通過 MySQL Protocal Adapter處理之後，根據分析結果判斷出數據源數據庫，然後選擇特定的 JDBC 驅動和相應協議連接後端數據庫。其實通過上面兩個架構圖大家可能也已經發現了 Amoeba 的特點了，他僅僅只是一個開發框架，我們除了選擇他已經提供的 For MySQL 和 For Aladin 這兩款產品之外，還可以基於自身的需求進行相應的二次開發，得到更適應我們自己應用特點的 Proxy 程序。
當對於使用 MySQL 數據庫來說，不論是 Amoeba For MySQL 還是 Amoeba For Aladin都可以很好的使用。當然，考慮到任何一個系統越是復雜，其性能肯定就會有一定的損失，維護成本自然也會相對更高一些。所以，對於僅僅需要使用 MySQL 數據庫的時候，我還是建議使用 Amoeba For MySQL。
Amoeba For MySQL 的使用非常簡單，所有的配置文件都是標准的 XML 文件，總共有四個配置文件。分別為：
◆ amoeba.xml：主配置文件，配置所有數據源以及Amoeba自身的參數設置；
◆ rule.xml：配置所有 Query 路由規則的信息；
◆ functionMap.xml：配置用於解析 Query 中的函數所對應的 Java 實現類；
◆ rullFunctionMap.xml：配置路由規則中需要使用到的特定函數的實現類；
如果您的規則不是太復雜，基本上僅需要使用到上面四個配置文件中的前面兩個就可完成所有工作。Proxy 程序常用的功能如讀寫分離，負載均衡等配置都在 amoeba.xml 中進行。
此外，Amoeba 已經支持了實現數據的垂直切分和水平切分的自動路由，路由規則可以在rule.xml 進行設置。
目前 Amoeba 少有欠缺的主要就是其在線管理功能以及對事務的支持了，曾經在與相關開發者的溝通過程中提出過相關的建議，希望能夠提供一個可以進行在線維護管理的命令行管理工具，方便在線維護使用，得到的反饋是管理專門的管理模塊已經納入開發日程了。另外在事務支持方面暫時還是 Amoeba 無法做到的，即使客戶端應用在提交給 Amoeba 的請求是包含事務信息的，Amoeba 也會忽略事務相關信息。當然，在經過不斷完善之後，我相信事務支持肯定是Amoeba 重點考慮增加的 feature。
關於 Amoeba 更為詳細的使用方法讀者朋友可以通過 Amoeba 開發者博客（http://amoeba.sf.net）上面提供的使用手冊獲取，這裡就不再細述了。
★ 利用 HiveDB 實現數據切分及整合
和前面的 MySQL Proxy 以及 Amoeba 一樣，HiveDB 同樣是一個基於 Java 針對MySQL 數據庫的提供數據切分及整合的開源框架，只是目前的 HiveDB 僅僅支持數據的水平切分。
主要解決大數據量下數據庫的擴展性及數據的高性能訪問問題，同時支持數據的冗余及基本的 HA 機制。
HiveDB 的實現機制與 MySQL Proxy 和 Amoeba 有一定的差異，他並不是借助 MySQL的 Replication 功能來實現數據的冗余，而是自行實現了數據冗余機制，而其底層主要是基於 Hibernate Shards 來實現的數據切分工作。
在 HiveDB 中，通過用戶自定義的各種 Partition keys（其實就是制定數據切分規則）， 將數據分散到多個 MySQL Server 中。在訪問的時候，在運行 Query 請求的時候，會自動分析過濾條件，並行從多個 MySQL Server 中讀取數據，並合並結果集返回給客戶端應用程序。
單純從功能方面來講，HiveDB 可能並不如 MySQL Proxy 和 Amoeba 那樣強大，但是其數據切分的思路與前面二者並無本質差異。此外，HiveDB 並不僅僅只是一個開源愛好者所共享的內容，而是存在商業公司支持的開源項目。
下面是 HiveDB 官方網站上面一章圖片，描述了 HiveDB 如何來組織數據的基本信息， 雖然不能詳細的表現出太多架構方面的信息，但是也基本可以展示出其在數據切分方面獨特的一面了。
★ 其他實現數據切分及整合的解決方案
除了上面介紹的幾個數據切分及整合的整體解決方案之外，還存在很多其他同樣提供了數據切分與整合的解決方案。如基於 MySQL Proxy 的基礎上做了進一步擴展的 HSCALE，通過 Rails 構建的 Spock Proxy，以及基於 Pathon 的 Pyshards 等等。
不管大家選擇使用哪一種解決方案，總體設計思路基本上都不應該會有任何變化，那就是通過數據的垂直和水平切分，增強數據庫的整體服務能力，讓應用系統的整體擴展能力盡可能的提升，擴展方式盡可能的便捷。
只要我們通過中間層 Proxy 應用程序較好的解決了數據切分和數據源整合問題，那麼數據庫的線性擴展能力將很容易做到像我們的應用程序一樣方便，只需要通過添加廉價的PC Server 服務器，即可線性增加數據庫集群的整體服務能力，讓數據庫不再輕易成為應用系統的性能瓶頸。
14.6 數據切分與整合中可能存在的問題
這裡，大家應該對數據切分與整合的實施有了一定的認識了，或許很多讀者朋友都已經根據各種解決方案各自特性的優劣基本選定了適合於自己應用場景的方案，後面的工作主要就是實施准備了。
在實施數據切分方案之前，有些可能存在的問題我們還是需要做一些分析的。一般來說，我們可能遇到的問題主要會有以下幾點：
◆ 引入分布式事務的問題；
◆ 跨節點 Join 的問題；
◆ 跨節點合並排序分頁問題；
1. 引入分布式事務的問題
一旦數據進行切分被分別存放在多個 MySQL Server 中之後，不管我們的切分規則設計的多麼的完美（實際上並不存在完美的切分規則），都可能造成之前的某些事務所涉及到的數據已經不在同一個 MySQL Server 中了。
在這樣的場景下，如果我們的應用程序仍然按照老的解決方案，那麼勢必需要引入分布式事務來解決。而在 MySQL 各個版本中，只有從 MySQL 5.0 開始以後的各個版本才開始對分布式事務提供支持，而且目前僅有 Innodb 提供分布式事務支持。不僅如此，即使我們剛好使用了支持分布式事務的 MySQL 版本，同時也是使用的 Innodb 存儲引擎，分布式事務本身對於系統資源的消耗就是很大的，性能本身也並不是太高。而且引入分布式事務本身在異常處理方面就會帶來較多比較難控制的因素。
怎麼辦？其實我們可以可以通過一個變通的方法來解決這種問題，首先需要考慮的一件事情就是：是否數據庫是唯一一個能夠解決事務的地方呢？其實並不是這樣的，我們完全可以結合數據庫以及應用程序兩者來共同解決。各個數據庫解決自己身上的事務，然後通過應用程序來控制多個數據庫上面的事務。
也就是說，只要我們願意，完全可以將一個跨多個數據庫的分布式事務分拆成多個僅處於單個數據庫上面的小事務，並通過應用程序來總控各個小事務。當然，這樣作的要求就是我們的俄應用程序必須要有足夠的健壯性，當然也會給應用程序帶來一些技術難度。
2. 跨節點 Join 的問題
上面介紹了可能引入分布式事務的問題，現在我們再看看需要跨節點 Join 的問題。數據切分之後，可能會造成有些老的 Join 語句無法繼續使用，因為 Join 使用的數據源可能被切分到多個 MySQL Server 中了。
怎麼辦？這個問題從 MySQL 數據庫角度來看，如果非得在數據庫端來直接解決的話，恐怕只能通過 MySQL 一種特殊的存儲引擎 Federated 來解決了。Federated 存儲引擎是MySQL 解決類似於 Oracle 的 DB Link 之類問題的解決方案。和 Oracle DB Link 的主要區別在於 Federated 會保存一份遠端表結構的定義信息在本地。咋一看，Federated 確實是解決跨節點 Join 非常好的解決方案。但是我們還應該清楚一點，那就似乎如果遠端的表結構發生了變更，本地的表定義信息是不會跟著發生相應變化的。如果在更新遠端表結構的時候並沒有更新本地的 Federated 表定義信息，就很可能造成 Query 運行出錯，無法得到正確的結果。
對待這類問題，我還是推薦通過應用程序來進行處理，先在驅動表所在的 MySQL Server中取出相應的驅動結果集，然後根據驅動結果集再到被驅動表所在的 MySQL Server 中取出相應的數據。可能很多讀者朋友會認為這樣做對性能會產生一定的影響，是的，確實是會對性能有一定的負面影響，但是除了此法，基本上沒有太多其他更好的解決辦法了。而且，由於數據庫通過較好的擴展之後，每台 MySQL Server 的負載就可以得到較好的控制，單純針對單條 Query 來說，其響應時間可能比不切分之前要提高一些，所以性能方面所帶來的負面影響也並不是太大。更何況，類似於這種需要跨節點 Join 的需求也並不是太多，相對於總體性能而言，可能也只是很小一部分而已。所以為了整體性能的考慮，偶爾犧牲那麼一點點，其實是值得的，畢竟系統優化本身就是存在很多取捨和平衡的過程。
3. 跨節點合並排序分頁問題
一旦進行了數據的水平切分之後，可能就並不僅僅只有跨節點 Join 無法正常運行，有些排序分頁的 Query 語句的數據源可能也會被切分到多個節點，這樣造成的直接後果就是這些排序分頁 Query 無法繼續正常運行。其實這和跨節點 Join 是一個道理，數據源存在於多個節點上，要通過一個 Query 來解決，就和跨節點 Join 是一樣的操作。同樣Federated 也可以部分解決，當然存在的風險也一樣。 還是同樣的問題，怎麼辦？我同樣仍然繼續建議通過應用程序來解決。
如何解決？解決的思路大體上和跨節點 Join 的解決類似，但是有一點和跨節點 Join 不太一樣，Join 很多時候都有一個驅動與被驅動的關系，所以 Join 本身涉及到的多個表之間的數據讀取一般都會存在一個順序關系。但是排序分頁就不太一樣了，排序分頁的數據源基本上可以說是一個表（或者一個結果集），本身並不存在一個順序關系，所以在從多個數據源取數據的過程是完全可以並行的。這樣，排序分頁數據的取數效率我們可以做的比跨庫 Join 更高，所以帶來的性能損失相對的要更小，在有些情況下可能比在原來未進行數據切分的數據庫中效率更高了。當然，不論是跨節點 Join 還是跨節點排序分頁，都會使我們的應用服務器消耗更多的資源，尤其是內存資源，因為我們在讀取訪問以及合並結果集的這個過程需要比原來處理更多的數據。
分析到這裡，可能很多讀者朋友會發現，上面所有的這些問題，我給出的建議基本上都是通過應用程序來解決。大家可能心裡開始犯嘀咕了，是不是因為我是 DBA，所以就很多事情都扔給應用架構師和開發人員了？ 其實完全不是這樣，首先應用程序由於其特殊性，可以非常容易做到很好的擴展性，但是數據庫就不一樣，必須借助很多其他的方式才能做到擴展，而且在這個擴展過程中，很難避免帶來有些原來在集中式數據庫中可以解決但被切分開成一個數據庫集群之後就成為一個難題的情況。要想讓系統整體得到最大限度的擴展，我們只能讓應用程序做更多的事情，來解決數據庫集群無法較好解決的問題。
14.7 小結
通過數據切分技術將一個大的 MySQL Server 切分成多個小的 MySQL Server，既解決了寫入性能瓶頸問題，同時也再一次提升了整個數據庫集群的擴展性。不論是通過垂直切分，還是水平切分，都能夠讓系統遇到瓶頸的可能性更小。尤其是當我們使用垂直和水平相結合的切分方法之後，理論上將不會再遇到擴展瓶頸了。
摘自：《MySQL性能調優與架構設計》簡朝陽
轉載請注明出處：
作者：JesseLZJ
出處：http://jesselzj.cnblogs.com
