互联网数据库分库分表现状及一点思考
【1】两种方案分库分表
一般业界，对订单数据的分库分表，笔者了解，有两类思路：按照订单号来切分、按照用户id来切分。
【1.1】方案一：按照订单号来做hash分散订单数据
把订单号看作是一个字符串，做hash，分散到多个服务器去。
具体到哪个库、哪个表存储数据呢？订单号里面的数字来记录着。
现在的微信红包。它的订单分库分表，是对订单号进行hash计算。不是什么取模、取整数。这样数据是均匀分散的。
然后订单号的末尾3个数，里面是包含了库名称、表名称的。
如果要查询某用户的所有订单呢？
由于是根据订单号来分散数据的。他的订单分散在了多个库、多个表中。
总不能去所有的库，所有的表扫描吧。这样效率很低。
其实按照uid切分订单，一样会遇到查询的问题。比如要查询a订单的信息。分库分表的规则是按照uid，都不知道数据在哪个库，无从查。
后续说明解决思路。
一般使用方案二的比较多，一个用户的所有订单，都在一张表里面，那么做分页展示的时候，就容易。
【1.2】方案二：按照用户id打散订单数据
以uid来切分数据，有两种思路：
一种是，某个范围的uid订单到哪些库。0到2千万uid，对应的订单数据到a库、a表。2千万到4千万对应的订单到b库。
为什么这种方案用得比较少呢？
容易出现瓶颈吗。某个范围内的用户，下单量比较多，那么造成这个库的压力特别大。其他库却没什么压力。
第二种是，使用uid取模运算。第二种方案业界用得比较多。
一方面、处理简单，程序上做取模运算就好了。
另一方面、使用取模的方式，数据比较均匀分散到多个库去了。不容易出现单个库性能瓶颈。
但是不好处也有：即要扩容的时候，比较麻烦。就需要迁移数据了。
要扩容的时候，为了减少迁移的数据量，一般扩容是以倍数的形式增加。比如原来是8个库，扩容的时候，就要增加到16个库，再次扩容，就增加到32个库。这样迁移的数据量，就小很多了。这个问题不算很大问题，毕竟一次扩容，可以保证比较长的时间，而且使用倍数增加的方式，已经减少了数据迁移量。
下面笔者，分析一下按照用户id取模的方式分库分表。
按照用户id作为key来切分订单数据，具体如下：
1、 库名称定位：用户id末尾4位 Mod 32。
Mod表示除以一个数后，取余下的数。比如除以32后，余下8，余数就是8。
代码符号是用%表示：15%4=3。
2、表名称定位：（用户id末尾4位 Dev 32） Mod 32。
Dev表示除以一个数，取结果的整数。比如得到结果是25.6，取整就是25。
代码用/来表示：$get_int = floor(15/4)。15除以4，是一个小数3.75，向下取整就是3。一定是向下取整，向上取整就变成了4了。
按照上面的规则：总共可以表示多少张表呢？32个库*每个库32个表=1024张表。如果想表的数量小，就把32改小一些。
【1.3】用通俗的话描述
1、库名称计算
用户id的后4位数，取32的模(取模就是除以这个数后，余多少)。余下的数，是0-31之间。
这样可以表示从0-31之间，总共32个数字。用这个32个数字代表着32个库名称：order_db_0、order_db_2.........................order_db_31
2、表名称计算
最后要存储定到哪个表名里面去呢？
用户id的最后4位数，除以32，取整数。将整数除以32，得到余数，能够表示从0-31之间32个数字，表示表名称。
表名称类似这样：order_tb_1、order_tb_2..........................order_tb_31。一个库里面，总共32个表名称。
比如用户id：19408064，用最后4位数字8064除以32，得到是251.9，取它的整数是251。
接着将251除以32，取余数，余数为27。
为了保持性能，每张表的数据量要控制。单表可以维持在一千万-5千万行的数据。1024*一千万。哇，可以表示很多数据了。
【1.4】思考优点和缺点
优点
订单水平分库分表，为什么要按照用户id来切分呢？
好处：查询指定用户的所有订单，避免了跨库跨表查询。
因为，根据一个用户的id来计算节点，用户的id是规定不变的，那么计算出的值永远是固定的(x库的x表)
那么保存订单的时候，a用户的所有订单，都是在x库x表里面。需要查询a用户所有订单时，就不用进行跨库、跨表去查询了。
缺点
这种方式也不是没有缺点。
缺点在于：数据分散不均匀，某些表的数据量特别大，某些表的数据量很小。因为某些用户下单量多，打个比方，1000-2000这个范围内的用户，下单特别多，
而他们的id根据计算规则，都是分到了x库x表。造成这个表的数据量大，单表的数据量撑到极限后，咋办呢?
总结一下：每种分库分表方案也不是十全十美，都是有利有弊的。目前来说，这种使用用户id来切分订单数据的方案，还是被大部分公司给使用。实际效果还不错。程序员省事，至于数据量暴涨，以后再说呢。毕竟公司业务发展到什么程度，不知道的，项目存活期多久，未来不确定。先扛住再说。
比较好的方案是不是：又能均匀分散、又能避免单表数据量暴涨方便扩容。以前看过一篇文章介绍过使用节点来存储分库分表。笔者暂时没完整的思路。
【2】查询需求的考虑
方案一的查询问题
方案一的情况下，由于是按照订单号做分散数据到多个库、多个表。如果需要查询a用户的所有订单，咋办？需要跨库、跨表查询。
这样效率低。不可行。
方案二的查询问题
如果是按照uid来切分订单数据，在实际应用中一些很频繁的查询需求像下面这样：
1、后台、前台，往往是输入一个订单号，查询这个订单的数据。select操作
2、然后修改这个订单的相关状态。update操作。
由于是，按照用户编号将订单数据分散在各个库、各个表中。
那输入订单号，怎么知道去哪个库、哪个表查询呢？不可能所有的库、所有表都查询一遍，效率太低，不可行。
三、解决办法
建立用户id和订单号的索引关系表
无论是根据用户id来切分订单，还是根据订单号切分数据。总不能十全十美的。
写到这里，发现真的没有一种技术方案是十全十美的，看，使用用户id来切分订单，好处是有了，坏处也出来了。
不过没关系，早要有心里承受：不要觉得技术是完美无缺的。针对这种情况，想办法去解决办法。
思路：既然是根据订单号分散订单数据，如果需要知道某个用户所有的订单。只要我能知道了a用户的所有的订单号，那么就可以根据订单号定位到表名称了。
思路：既然是根据用户id来分散订单数据的。那么只要知道了这个订单号是谁的(得到了用户id)，就能知道去哪个库、哪个表查询数据了。
那怎么知道是谁的呢？建立一个索引关系表，暂且叫做订单用户关系索引表order_user_idx。咱们命名为了保持维护性，还是一看能够知道是干嘛用的。
存储的数据包括两项：订单号、用户编号。
这样输入订单号，可以去查询索引关系表，获取到用户编号。
得到了用户编号，问题解决了。订单信息是根据用户编号分库分表的，可以直接定位到x库x表了。
当创建订单的时候，就要把关系插入到表里面去了。保存关系记录时，为了减低用户等待时间，不需要实时，做成异步。加入到消息队列中去操作。
订单用户索引关系表的性能优化
考虑到，一个用户的下的订单可能是几十个，也可能是几百个，随着时间的推移，会越来越多。这个索引关系表，也不能使用单表存储。
所以对这个订单用户关系索引表，也要进行分库分表：直接根据订单号取模进行分库分表。是不是感觉挺麻烦了。确实麻烦。不过能解决问题就好。暂时没想到其他办法了。
一个订单，在创建的时候，就已经分配好给指定用户了。只是一个关系对应，以后也不会变化。
根据这个特点。订单用户索引关系表，其实可以放到内存中缓存起来应对查询需求(数据库那张索引关系表也要有，数据要持久化)。
平时查询的时候，走内存缓存查询。如果查询不到，再走数据库查询一下关系。这样速度就很快了。
结语：水平分表，其实折腾起来工作量挺大的，切分了后，出现新的问题，代码查询又得改，要提供其他解决办法。所以经常看到别人说，能不水平分表，尽量不要分，业务没达到瓶颈，先用硬件扛住，后面再考虑水平切分数据。看银行、联通这些有钱的企业，使用性能强劲的oracle搭配小型机服务器，单表的数据量达到十多亿。小型机是专门定制的，几十万一台。性能很强。分库分表是很耗费时间、当你交易量做到上亿规模的时候，那时，公司的实力应该可以了，经济方面有足够的实力聘请经验丰富的技术来重构。
【思考】
思考一、b2b平台的订单分卖家和买家的时候，选择什么字段来分库分表呢？
上面讨论的情况是，b2c平台。订单的卖家就一个，就是平台自己。
b2b平台，上面支持开店，买家和卖家都要能够登陆看到自己的订单。
先来看看，分表使用买家id分库分表和根据卖家id分库分表，两种办法出现的问题
如果按买家id来分库分表。有卖家的商品，会有n个用户购买，他所有的订单，会分散到多个库多个表中去了，卖家查询自己的所有订单，跨库、跨表扫描，性能低下。
如果按卖家id分库分表。买家会在n个店铺下单。订单就会分散在多个库、多个表中。买家查询自己所有订单，同样要去所有的库、所有的表搜索，性能低下。
所以，无论是按照买家id切分订单表，还是按照卖家id切分订单表。两边都不讨好。
淘宝的做法是拆分买家库和卖家库，也就是两个库：买家库、卖家库。
买家库，按照用户的id来分库分表。卖家库，按照卖家的id来分库分表。
实际上是通过数据冗余解决的：一个订单，在买家库里面有，在卖家库里面也存储了一份。下订单的时候，要写两份数据。先把订单写入买家库里面去，然后通过消息中间件来同步订单数据到卖家库里面去。
买家库的订单a修改了后，要发异步消息，通知到卖家库去，更改状态。
思考二：那可以按订单号来分库分表吗?
这样分库分表的话，用户有10个订单，订单不见得都在一个库、一个表里面。查询a用户的所有订单，就会变得麻烦了。尤其是要进行分页展示，分散在不同的表，甚至不同的数据库服务器，也比较耗费性能。
那么订单号里面，最好是要有分库分表信息。淘宝的是在订单号里面添加了卖家id末2位、买家id末2位。这样的好处是干嘛呢？直接定位到具体的库、具体的表去了？
怎么根据这个呢。因为分库、分表的规则，买家库是按照卖家id末尾2位数分，卖家库是按照卖家id末尾两位分。
所以，只要从订单号里面拿到了这些数字信息，就知道在哪个库，哪个表了。
这种办法，与微信的红包订单号是类似的，末尾三位数包含了库信息、表信息。
按照这样，其实就没必要使用订单号来计算了？
如果是按照用户id的后4位数取模分散订单数据。那么订单号的生成，可以在后面加上用户id的后4位数。
那么，虽然是按照用户id来对订单表分库分表的。其实可以直接根据订单号，知道这个订单在哪个库哪个表了。
如果是b2b系统，涉及到卖家和买家。那么可以把卖家和买家的id后面4位都加进去。不过是不是订单号太长了？
思考三、按照订单的时间来分表如何?
一月一张表。一年一张表。用户的所有订单，会分散在不同的库、不同的表中。
按照时间分，在切分订单数据的时候，业界用得比较少。
出现如下两个问题：
1、如果需要分页查询某个用户的所有订单数据，就会出现跨库、跨表查询。效率低。
可以做折中：限制只能查一个范围内的订单，比如一次只能查询，一年以内或者一个月以内的订单。
2、某个时间集中写入数据，出现瓶颈。如一个月一张表。这个月的订单量暴涨呢。那么写入新的订单数据都会操作这张表。造成性能低下。影响整个业务系统交易。
真正好的分表方案，尽量将写数据分散到多个表去，达到分流效果，系统的并发能力就提高了。
