【緣起】
用戶中心是幾乎每一個公司必備的基礎服務，用戶註冊、登錄、信息查詢與修改都離不開用戶中心。
當數據量越來越大時，需要多用戶中心進行水平切分。最常見的水平切分方式，按照uid取模分庫：
通過uid取模，將數據分佈到多個數據庫實例上去，提高服務實例個數，降低單庫數據量，以達到擴容的目的。
水平切分之後：
uid屬性上的查詢可以直接路由到庫，如上圖，假設訪問uid=124的數據，取模後能夠直接定位db-user1。
對於uname上的查詢，就不能這麼幸運了：
uname上的查詢，如上圖，假設訪問uname=shenjian的數據，由於不知道數據落在哪個庫上，往往需要遍歷所有庫【掃全庫法】，當分庫數量多起來，性能會顯著降低。
用uid分庫，如何高效實現上的查詢，是本文將要討論的問題。
【索引表法】
思路：uid能直接定位到庫，uname不能直接定位到庫，如果通過uname能查詢到uid，問題解決
解決方案：
1）建立一個索引表記錄uname->uid的映射關係
2）用uname來訪問時，先通過索引表查詢到uid，再定位相應的庫
3）索引表屬性較少，可以容納非常多數據，一般不需要分庫
4）如果數據量過大，可以通過uname來分庫
潛在不足：多一次數據庫查詢，性能下降一倍
【緩存映射法】
思路：訪問索引表性能較低，把映射關係放在緩存裡性能更佳
解決方案：
1）uname查詢先到cache中查詢uid，再根據uid定位數據庫
2）假設cache miss，採用掃全庫法獲取uname對應的uid，放入cache
3）uname到uid的映射關係不會變化，映射關係一旦放入緩存，不會更改，無需淘汰，緩存命中率超高
4）如果數據量過大，可以通過name進行cache水平切分
潛在不足：多一次cache查詢
【uname生成uid】
思路：不進行遠程查詢，由uname直接得到uid
解決方案：
1）在用戶註冊時，設計函數uname生成uid，uid=f(uname)，按uid分庫插入數據
2）用uname來訪問時，先通過函數計算出uid，即uid=f(uname)再來一遍，由uid路由到對應庫
潛在不足：該函數設計需要非常講究技巧，有uid生成衝突風險
【uname基因融入uid】
思路：不能用uname生成uid，可以從uname抽取“基因”，融入uid中
假設分8庫，採用uid%8路由，潛臺詞是，uid的最後3個bit決定這條數據落在哪個庫上，這3個bit就是所謂的“基因”。
解決方案：
1）在用戶註冊時，設計函數uname生成3bit基因，uname_gene=f(uname)，如上圖粉色部分
2）同時，生成61bit的全局唯一id，作為用戶的標識，如上圖綠色部分
3）接著把3bit的uname_gene也作為uid的一部分，如上圖屎黃色部分
4）生成64bit的uid，由id和uname_gene拼裝而成，並按照uid分庫插入數據
5）用uname來訪問時，先通過函數由uname再次復原3bit基因，uname_gene=f(uname)，通過uname_gene%8直接定位到庫
【總結】
業務場景：用戶中心，數據量大，通過uid分庫後，通過uname路由不到庫
解決方案：
1）掃全庫法：遍歷所有庫
2）索引表法：數據庫中記錄uname->uid的映射關係
3）緩存映射法：緩存中記錄uname->uid的映射關係
4）uname生成uid
5）uname基因融入uid
希望解答了大夥之前的一些疑問，希望這一分鐘沒有浪費，如果有描述不準確的地方，歡迎指正。
閱讀更多 程序猿的易生 的文章
