mysql 第6.5章 性能优化-大表拆分 mysql 第6.5章 性能优化-大表拆分

2026-03-20

一、垂直和水平分表

中大型项目中，一旦遇到数据量比较大，小伙伴应该都知道就应该对数据进行拆分了。有垂直和水平两种。

在数据库设计和优化中，垂直切分和水平切分是两种常用的数据分片技术。

它们用于处理大规模数据集，以提高性能、可扩展性和管理效率。

以下是对这两种切分策略的详细解释：

1.1、垂直拆分

（Vertical Partitioning）

定义：垂直切分是将一个表的不同列分成多个表的过程。每个新表只包含原表的一部分列，但所有新表共享相同的主键。这样可以根据实际访问需求来优化数据访问性能。

描述：垂直分表是将一个表中的不同列拆分到多个表中，每个表包含部分列。这样做的目的是将表的不同功能分开，以减少表的宽度（列数），提高查询效率，并减少磁盘I/O。

垂直拆分比较简单，也就是本来一个数据库，数据量大之后，从业务角度进行拆分多个库。如下图，独立的拆分出订单库和用户库。

01.jpg

使用场景：

  • 表中列的访问模式不同，比如有些列访问频繁，有些列访问较少。

  • 将大的表按功能划分成更小的表，以提高查询效率和管理性。

应用场景：

  • 数据访问优化：当某些查询只访问表中的部分列时，可以通过垂直切分减少不必要的数据读取，从而提高查询性能。

  • 列的访问模式：当某些列的访问频率与其他列有显著差异时，可以将这些列分开，以提高缓存效率和 I/O 性能。

  • 表的宽度优化：减少表的宽度可以减轻缓存和 I/O 压力，特别是当表包含很多列时。

示例： 假设有一个用户表 users，包含用户的基本信息和账户信息。可以将其垂直分表为：

  • users_basic：包含用户 ID、用户名、密码等基本信息。

  • users_account：包含用户 ID、账户余额、账户状态等账户信息。

示例：假设有一个用户信息表 User：

CREATE TABLE User (
    UserID INT PRIMARY KEY,
    Name VARCHAR(100),
    Email VARCHAR(100),
    PasswordHash CHAR(64),
    Address TEXT,
    PhoneNumber VARCHAR(20)
);

可以将其垂直切分为：

CREATE TABLE UserBasicInfo (
    UserID INT PRIMARY KEY,
    Name VARCHAR(100),
    Email VARCHAR(100)
);

CREATE TABLE UserSecurity (
    UserID INT PRIMARY KEY,
    PasswordHash CHAR(64)
);

CREATE TABLE UserContact (
    UserID INT PRIMARY KEY,
    Address TEXT,
    PhoneNumber VARCHAR(20)
);

这样，频繁访问基本信息的查询只涉及 UserBasicInfo 表，从而减少了不必要的 I/O。

1.2、水平拆分

（Horizontal Partitioning）

定义：水平切分是将一个表的不同数据行分成多个表的过程。每个新表包含原表的一部分行，而表的结构（列）保持一致。常用于数据量过大时，通过将数据分布到不同的物理存储中来提高性能和管理效率。

描述：水平分表是将表中的行按某种规则（例如ID范围）拆分到多个表中。每个表包含表的所有列，但只包含一部分的行。水平分表的目的是将大表拆分成多个小表，以分散负载和提高性能。

水平拆分的概念，是同一个业务数据量大之后，进行水平拆分。

https://cyfb.lulublog.cn/images/3/2026/03/hs8i8CRsYiZYm8d37SDS73I8SrIRlc.jpg

上图中订单数据达到了 4000 万，我们也知道 mysql 单表存储量推荐是百万级，如果不进行处理，mysql 单表数据太大，会导致性能变慢。

使用方案可以参考数据进行水平拆分。把 4000 万数据拆分 4 张表或者更多。当然也可以分库，再分表；把压力从数据库层级分开。

使用场景：

  • 数据量非常大，单表性能无法满足需求。

  • 数据访问量大，单表的负载过高。

应用场景：

  • 数据量管理：当表的数据量达到一定规模，导致性能下降时，可以通过水平切分将数据分布到多个表中，提高查询和维护效率。

  • 负载均衡：将数据分布到不同的数据库实例或服务器上，以实现负载均衡和高可用性。

  • 归档和历史数据管理：可以将历史数据和近期数据存储在不同的表中，方便归档和历史数据管理。

示例： 假设有一个订单表 orders，可以按订单 ID 范围将数据分表为：

  • orders_1：存储订单 ID 在 1 到 10000 之间的记录。

  • orders_2：存储订单 ID 在 10001 到 20000 之间的记录。

  • orders_3：存储订单 ID 在 20001 到 30000 之间的记录。

示例：假设有一个订单表 Orders：

CREATE TABLE Orders (
    OrderID INT PRIMARY KEY,
    UserID INT,
    OrderDate DATE,
    Amount DECIMAL(10, 2)
);

可以将其水平切分为：

CREATE TABLE Orders_2021 (
    OrderID INT PRIMARY KEY,
    UserID INT,
    OrderDate DATE,
    Amount DECIMAL(10, 2)
);

CREATE TABLE Orders_2022 (
    OrderID INT PRIMARY KEY,
    UserID INT,
    OrderDate DATE,
    Amount DECIMAL(10, 2)
);

在实际操作中，可以使用范围切分（如按年份分表）或哈希切分（如按用户 ID 的哈希值分表）来决定数据如何分配到不同的表中。

1.3、垂直切分 vs 水平切分

垂直切分：

  • 优点

    • 减少不必要的列访问，提高查询效率，优化缓存和 I/O 性能。

    • 性能优化：减少了单表的列数，使得查询时只需访问相关列，减少了数据的加载和处理时间。

    • 维护方便：将不同功能的字段分开，便于对特定功能进行优化和维护。

  • 缺点

    • 增加了表之间的关联复杂性，可能需要更多的连接操作，增加了数据的维护复杂度。

    • 查询复杂性：涉及到需要联合查询的操作时，需要通过 JOIN 操作将多个表的数据合并，这可能导致性能下降。

    • 设计复杂：需要仔细设计分表策略，以确保表之间的数据一致性和完整性。

水平切分：

  • 优点

    • 处理大规模数据时提高性能，支持更好的数据分布和负载均衡，方便数据的归档和管理。

    • 负载均衡：将数据分散到多个表中，可以减轻单表的负担，提高性能。

    • 扩展性：可以方便地增加新表，以处理更多的数据和请求。

  • 缺点

    • 查询可能涉及多个表，增加了查询的复杂性和开销，需要处理数据的分片和分布问题。

    • 管理复杂：需要处理分表的逻辑，如数据路由、数据一致性等。

    • 跨表查询：执行涉及多个分表的查询时，需要额外的处理逻辑。

垂直切分适用于优化列访问模式和减少数据宽度的场景。

水平切分适用于处理大数据量和负载均衡的场景。

在设计和实施这些切分策略时，需要根据具体的业务需求和数据库系统的特性进行选择和调整。通过合理的切分策略，可以显著提高数据库的性能和可扩展性。

1.4、分表的跨表查询

跨表查询是指在多个分表中进行查询、合并和处理数据。这在使用水平分表时尤其常见。

问题：

  • 性能影响：跨表查询可能会涉及到多个表的连接、聚合和过滤操作，这可能会对性能产生影响。

  • 复杂性：需要额外的逻辑来处理数据的聚合和合并。

解决方案：

  • 分表策略设计：合理设计分表规则和数据分布，减少跨表查询的频率和复杂度。

  • 中间件支持：使用分布式数据库中间件来处理跨表查询，自动处理分表的逻辑和性能优化。

  • 数据冗余：在一些情况下，可以使用数据冗余来减少跨表查询的需要，例如在不同表中存储相关的数据以便于更高效的查询。

示例： 假设有订单表 orders 和订单明细表 order_items，需要查询某个用户的所有订单及其明细。可以通过以下步骤实现跨表查询：

  • 在 orders表 中查询该用户的所有订单。

  • 根据订单 ID 在 order_items 表中查询相关的订单明细。

  • 将查询结果进行合并，返回给用户。

在实际应用中，处理跨表查询时需要考虑性能和复杂性，尽量减少跨表查询的频率，并优化查询效率。

二、hash 取模和 range 范围

分库分表方案中有常用的方案，hash 取模和 range 范围方案；分库分表方案最主要就是路由算法，把路由的 key 按照指定的算法进行路由存放。

下边来介绍一下两个方案的特点。

2.1、hash 取模方案

https://cyfb.lulublog.cn/images/3/2026/03/R8f0X8X1CcV4f981jyk4X0UbOqOLOs.jpg

在我们设计系统之前，可以先预估一下大概这几年的订单量，如：4000 万。每张表我们可以容纳 1000 万，也我们可以设计 4 张表进行存储。

那具体如何路由存储的呢？hash 的方案就是对指定的路由key（如：id）对分表总数进行取模，上图中，id=12 的订单，对 4 进行取模，也就是会得到 0，那此订单会放到 0 表中。id=13 的订单，取模得到为 1，就会放到 1 表中。为什么对 4 取模，是因为分表总数是 4。

优点：订单数据可以均匀的放到那 4 张表中，这样此订单进行操作时，就不会有热点问题。

热点的含义：热点的意思就是对订单进行操作集中到 1 个表中，其他表的操作很少。

订单有个特点就是时间属性，一般用户操作订单数据，都会集中到这段时间产生的订单。如果这段时间产生的订单都在同一张订单表中，那就会形成热点，那张表的压力会比较大。

缺点：将来的数据迁移和扩容，会很难。如：业务发展很好，订单量很大，超出了 4000 万的量，那我们就需要增加分表数。如果我们增加 4 个表，一旦我们增加了分表的总数，取模的基数就会变成 8，以前 id=12 的订单按照此方案就会到 4 表中查询，但之前的此订单时在 0 表的，这样就导致了数据查不到。就是因为取模的基数产生了变化。

遇到这个情况，我们小伙伴想到的方案就是做数据迁移，把之前的 4000 万数据，重新做一个 hash 方案，放到新的规划分表中。也就是我们要做数据迁移。这个是很痛苦的事情。有些小公司可以接受晚上停机迁移，但大公司是不允许停机做数据迁移的。

当然做数据迁移可以结合自己的公司的业务，做一个工具进行，不过也带来了很多工作量，每次扩容都要做数据迁移。

那有没有不需要做数据迁移的方案呢，我们看下面的方案。

2.2、range 范围方案

range 方案也就是以范围进行拆分数据。

https://cyfb.lulublog.cn/images/3/2026/03/ePZ448C4piYKZIbc9KWYowwLzFPfKw.jpg

range 方案比较简单，就是把一定范围内的订单，存放到一个表中；如上图 id=12 放到 0 表中，id=1300 万的放到 1 表中。

设计这个方案时就是前期把表的范围设计好。通过 id 进行路由存放。

优点： 我们小伙伴们想一下，此方案是不是有利于将来的扩容，不需要做数据迁移。即使再增加 4 张表，之前的 4 张表的范围不需要改变，id=12 的还是在 0 表，id=1300 万的还是在 1 表，新增的 4 张表他们的范围肯定是 大于 4000 万之后的范围划分的。

缺点： 有热点问题，我们想一下，因为 id 的值会一直递增变大，那这段时间的订单是不是会一直在某一张表中，如 id=1000万 ～ id=2000 万之间，这段时间产生的订单是不是都会集中到此张表中，这个就导致 1 表过热，压力过大，而其他的表没有什么压力。

总结：

  • hash 取模方案：没有热点问题，但扩容迁移数据痛苦

  • range 方案：不需要迁移数据，但有热点问题。

2.3、混合方案

那有什么方案可以做到两者的优点结合呢？即不需要迁移数据，又能解决数据热点的问题呢？

其实还有一个现实需求，能否根据服务器的性能以及存储高低，适当均匀调整存储呢？

hash 是可以解决数据均匀的问题，range 可以解决数据迁移问题，那我们可以不可以两者相结合呢？利用这两者的特性呢？

我们考虑一下数据的扩容代表着，路由 key（如 id）的值变大了，这个是一定的，那我们先保证数据变大的时候，首先用 range 方案让数据落地到一个范围里面。这样以后id 再变大，那以前的数据是不需要迁移的。

但又要考虑到数据均匀，那是不是可以在一定的范围内数据均匀的呢？因为我们每次的扩容肯定会事先设计好这次扩容的范围大小，我们只要保证这次的范围内的数据均匀是不是就 ok 了。

我们先定义一个 group 组概念，这组里面包含了一些分库以及分表，如下图

https://cyfb.lulublog.cn/images/3/2026/03/Jf44z4sb4pmE4bC4BzPU7U11E41cUb.jpg

上图有几个关键点：

  • id=0～4000 万肯定落到 group01 组中

  • group01 组有 3 个 DB，那一个 id 如何路由到哪个 DB？

  • 根据 hash 取模定位 DB，那模数为多少？模数要为所有此 group 组 DB 中的表数，上图总表数为 10。为什么要去表的总数？而不是 DB 总数 3 呢？

  • 如 id=12，id%10=2；那值为 2，落到哪个 DB 库呢？这是设计是前期设定好的，那怎么设定的呢？

  • 一旦设计定位哪个 DB 后，就需要确定落到 DB 中的哪张表呢？

https://cyfb.lulublog.cn/images/3/2026/03/ymB7oxRMAawM47ANNO7aj4wlo0aBBN.jpg

按照上面的流程，我们就可以根据此规则，定位一个 id，我们看看有没有避免热点问题。

我们看一下，id 在【0，1000万】范围内的，根据上面的流程设计，1000 万以内的 id 都均匀的分配到 DB_0,DB_1,DB_2 三个数据库中的 Table_0 表中，为什么可以均匀，因为我们用了 hash 的方案，对 10 进行取模。

上面我们也提了疑问，为什么对表的总数 10 取模，而不是 DB 的总数 3 进行取模？我们看一下为什么 DB_0 是 4 张表，其他两个 DB_1 是 3 张表？

在我们安排服务器时，有些服务器的性能高，存储高，就可以安排多存放些数据，有些性能低的就少放点数据。如果我们取模是按照 DB 总数 3，进行取模，那就代表着【0，4000万】的数据是平均分配到 3 个 DB 中的，那就不能够实现按照服务器能力适当分配了。

按照 Table 总数 10 就能够达到，看如何达到

https://cyfb.lulublog.cn/images/3/2026/03/fb5ae5EbA1K2XN9VcNaFB4vnF2fVNA.jpg

上图中我们对 10 进行取模，如果值为【0，1，2，3】就路由到 DB_0，【4，5，6】路由到 DB_1，【7，8，9】路由到 DB_2。现在小伙伴们有没有理解，这样的设计就可以把多一点的数据放到 DB_0 中，其他 2 个 DB 数据量就可以少一点。DB_0 承担了 4/10 的数据量，DB_1 承担了 3/10 的数据量，DB_2 也承担了 3/10 的数据量。整个Group01 承担了【0，4000万】的数据量。

注意：小伙伴千万不要被 DB_1 或 DB_2 中 table 的范围也是 0～4000 万疑惑了，这个是范围区间，也就是 id 在哪些范围内，落地到哪个表而已。

上面一大段的介绍，就解决了热点的问题，以及可以按照服务器指标，设计数据量的分配。

其实上面设计思路理解了，扩容就已经出来了；那就是扩容的时候再设计一个 group02 组，定义好此 group 的数据范围就 ok 了。

https://cyfb.lulublog.cn/images/3/2026/03/bceZch8q4gSvE3ZhIihVCCvBz4IvKC.jpg

因为是新增的一个 group01 组，所以就没有什么数据迁移概念，完全是新增的 group 组，而且这个 group 组照样就防止了热点，也就是【4000 万，5500 万】的数据，都均匀分配到三个 DB 的 table_0 表中，【5500万～7000 万】数据均匀分配到 table_1 表中。

思路确定了，设计是比较简单的，就 3 张表，把 group，DB，table 之间建立好关联关系就行了。

group 和 DB 的关系

https://cyfb.lulublog.cn/images/3/2026/03/Xwu1CODvUpd3BFOwjjZIQcH9p17jJb.jpg

table 和 db 的关系

https://cyfb.lulublog.cn/images/3/2026/03/N2y1uy2Yqg7Y27AmoP0s97M0z7fSA2.jpg

阅读 135

mysql文章
带到手机上看