關係型分庫分表，列式庫分佈式計算

一、數據拆分概念

1、場景描述

隨著業務發展，數據量的越來越大，業務系統越來越複雜，拆分的概念邏輯就應運而生。數據層面的拆分，主要解決部分表數據過大，導致處理時間過長，長期佔用鏈接，甚至出現大量磁盤IO問題，嚴重影響性能；業務層面拆分，主要解決複雜的業務邏輯，業務間耦合度過高，容易引起雪崩效應，業務庫拆分，微服務化分佈式，也是當前架構的主流方向。

2、基本概念

分區模式

針對數據表做分區模式，所有數據，邏輯上還存在一張表中，但是物理堆放不在一起，會根據一定的規則堆放在不同的文件中。查詢數據的時候必須按照指定規則觸發分區，才不會全表掃描。不可控因素過多，風險過大，一般開發規則中都是禁止使用表分區。

分表模式

單表數據量過大，一般情況下單表數據控制在300萬，這裡的常規情況是指字段個數，類型都不是極端類型，查詢也不存在大量鎖表的操作。超過該量級，這時候就需要分表操作，基於特定策略，把數據路由到不同表中，表結構相同，表名遵循路由規則。

分庫模式

在系統不斷升級，複雜化場景下，業務不好管理，個別數據量大業務影響整體性能，這時候可以考慮業務分庫，大數據量場景分庫分表，減少業務間耦合度，高併發大數據的資源佔用情況，實現數據庫層面的解耦。在架構層面也可以服務化管理，保證服務的高可用和高性能。

常用算法

• 哈希值取餘：根據路由key的哈希值餘數，把數據分佈到不同庫，不同表;
• 哈希值分段：根據路由key的哈希值分段區間，實現數據動態分佈;

這兩種方式在常規下都沒有問題，但是一旦分庫分表情況下數據庫再次飽和，需要遷移，這時候影響是較大的。

二、關係型分庫

1、分庫基本邏輯

基於一個代理層(這裡使用Sharding-Jdbc中間件)，指定分庫策略，根據路由結果，找到不同的數據庫，執行數據相關操作。

2、數據源管理

把需要分庫的數據源統一管理起來。

<code>@Configuration
public class DataSourceConfig {
    
    // 省略數據源相關配置

    /**
     * 分庫配置 

     */
    @Bean
    public DataSource dataSource (@Autowired DruidDataSource dataZeroSource,
                                  @Autowired DruidDataSource dataOneSource,
                                  @Autowired DruidDataSource dataTwoSource) throws Exception {
        ShardingRuleConfiguration shardJdbcConfig = new ShardingRuleConfiguration();
        shardJdbcConfig.getTableRuleConfigs().add(getUserTableRule());
        shardJdbcConfig.setDefaultDataSourceName("ds_0");
        Map<string> dataMap = new LinkedHashMap<>() ;
        dataMap.put("ds_0",dataZeroSource) ;
        dataMap.put("ds_1",dataOneSource) ;
        dataMap.put("ds_2",dataTwoSource) ;
        Properties prop = new Properties();
        return ShardingDataSourceFactory.createDataSource(dataMap, shardJdbcConfig, new HashMap<>(), prop);
    }

    /**
     * 分表配置
     */
    private static TableRuleConfiguration getUserTableRule () {
        TableRuleConfiguration result = new TableRuleConfiguration();
        result.setLogicTable("user_info");
        result.setActualDataNodes("ds_${1..2}.user_info_${0..2}");
        result.setDatabaseShardingStrategyConfig(new StandardShardingStrategyConfiguration("user_phone", new DataSourceAlg()));
        result.setTableShardingStrategyConfig(new StandardShardingStrategyConfiguration("user_phone", new TableSignAlg()));
        return result;
    }
}/<string>/<code>

3、指定路由策略

• 路由到庫

根據分庫策略的值，基於hash算法，判斷路由到哪個庫。has算法不同，不但影響庫的操作，還會影響數據入表的規則，比如偶數和奇數，導致入表的奇偶性。

<code>public class DataSourceAlg implements PreciseShardingAlgorithm<string> {

    private static Logger LOG = LoggerFactory.getLogger(DataSourceAlg.class);

    @Override 

    public String doSharding(Collection<string> names, PreciseShardingValue<string> value) {
        int hash = HashUtil.rsHash(String.valueOf(value.getValue()));
        String dataName = "ds_" + ((hash % 2) + 1) ;
        LOG.debug("分庫算法信息：{},{},{}",names,value,dataName);
        return dataName ;
    }
}/<string>/<string>/<string>/<code>

• 路由到表

根據分表策略的配置，基於hash算法，判斷路由到哪張表。

<code>public class TableSignAlg implements PreciseShardingAlgorithm<string> {

    private static Logger LOG = LoggerFactory.getLogger(TableSignAlg.class);

    @Override
    public String doSharding(Collection<string> names, PreciseShardingValue<string> value) {
        int hash = HashUtil.rsHash(String.valueOf(value.getValue()));
        String tableName = "user_info_" + (hash % 3) ;
        LOG.debug("分表算法信息：{},{},{}",names,value,tableName);
        return tableName ;
    }

}/<string>/<string>/<string>/<code>

上述就是基於ShardingJdbc分庫分表的核心操作流程。

三、列式庫統計

1、列數數據

在相對龐大的數據分析時，通常會選擇生成一張大寬表，並且存放到列式數據庫中，為了保證高效率執行，可能會把數據分到不同的庫和表中，結構一樣，基於多線程去統計不同的表，然後合併統計結果。

基本原理：多線程併發去執行不同的表的統計，然後彙總統計，相對而言統計操作不難，但是需要適配不同類型的統計，比如百分比，總數，分組等，編碼邏輯相對要求較高。

2、列式數據源

基於ClickHouse數據源，演示案例操作的基本邏輯。這裡管理和配置庫表。

核心配置文件

<code>spring:
  datasource:
    type: com.alibaba.druid.pool.DruidDataSource
    # ClickHouse數據01
    ch-data01:
      driverClassName: ru.yandex.clickhouse.ClickHouseDriver
      url: jdbc:clickhouse://127.0.0.1:8123/query_data01
      tables: ch_table_01,ch_table_02
    # ClickHouse數據02
    ch-data02:
      driverClassName: ru.yandex.clickhouse.ClickHouseDriver
      url: jdbc:clickhouse://127.0.0.1:8123/query_data02
      tables: ch_table_01,ch_table_02/<code>

核心配置類

<code>@Component
public class ChSourceConfig {

    public volatile Map<string> chSourceMap = new HashMap<>();
    public volatile Map<string> connectionMap = new HashMap<>();

    @Value("${spring.datasource.ch-data01.url}")
    private String dbUrl01; 

    @Value("${spring.datasource.ch-data01.tables}")
    private String tables01 ;

    @Value("${spring.datasource.ch-data02.url}")
    private String dbUrl02;
    @Value("${spring.datasource.ch-data02.tables}")
    private String tables02 ;
    @PostConstruct
    public void init (){
        try{
            Connection connection01 = getConnection(dbUrl01);
            if (connection01 != null){
                chSourceMap.put(connection01.getCatalog(),tables01.split(","));
                connectionMap.put(connection01.getCatalog(),connection01);
            }
            Connection connection02 = getConnection(dbUrl02);
            if (connection02 != null){
                chSourceMap.put(connection02.getCatalog(),tables02.split(","));
                connectionMap.put(connection02.getCatalog(),connection02);
            }
        } catch (Exception e){e.printStackTrace();}
    }
    private synchronized Connection getConnection (String jdbcUrl) {
        try {
            DriverManager.setLoginTimeout(10);
            return DriverManager.getConnection(jdbcUrl);
        } catch (Exception e) {
            e.printStackTrace();
        }
        return null ;
    }
}/<string>/<string>/<code>

3、基本任務類

既然基於多線程統計，自然需要一個線程任務類，這裡演示count統計模式。輸出單個線程統計結果。

<code>public class CountTask implements Callable<integer> {
    private Connection connection ;
    private String[] tableArray ;

    public CountTask(Connection connection, String[] tableArray) {
        this.connection = connection;
        this.tableArray = tableArray;
    }
 

    @Override
    public Integer call() throws Exception {
        Integer taskRes = 0 ;
        if (connection != null){
            Statement stmt = connection.createStatement();
            if (tableArray.length>0){
                for (String table:tableArray){
                    String sql = "SELECT COUNT(*) AS countRes FROM "+table ;
                    ResultSet resultSet = stmt.executeQuery(sql) ;
                    if (resultSet.next()){
                        Integer countRes = resultSet.getInt("countRes") ;
                        taskRes = taskRes + countRes ;
                    }
                }
            }
        }
        return taskRes ;
    }

}/<integer>/<code>

4、線程結果彙總

這裡主要啟動線程的執行，和最後把每個線程的處理結果進行彙總。

<code>@RestController
public class ChSourceController {

    @Resource
    private ChSourceConfig chSourceConfig ;

    @GetMapping("/countTable")
    public String countTable (){
        Set<string> keys = chSourceConfig.chSourceMap.keySet() ;
        if (keys.size() > 0){
            ExecutorService executor = Executors.newFixedThreadPool(keys.size());
            List<counttask> countTasks = new ArrayList<>() ;
            for (String key:keys){
                Connection connection = chSourceConfig.connectionMap.get(key) ;
                String[] tables = chSourceConfig.chSourceMap.get(key) ;
                CountTask countTask = new CountTask(connection,tables) ;
                countTasks.add(countTask) ;
            }
            List<future>> countList = Lists.newArrayList();
            try {
                if (countTasks.size() > 0){
                    countList = executor.invokeAll(countTasks) ; 

                }
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
            Integer sumCount = 0 ;
            for (Future<integer> count : countList){
                try {
                    Integer countRes = count.get();
                    sumCount = sumCount + countRes ;
                } catch (Exception e) {e.printStackTrace();}
            }
            return "sumCount="+sumCount ;
        }
        return "No Result" ;
    }
}/<integer>/<future>/<counttask>/<string>/<code>

5、最後總結

關係型分庫，還是列式統計，都是基於特定策略把數據分開，然後路由找到數據，執行操作，或者合併數據，或者直接返回數據。

閱讀更多 知了一笑 的文章

關鍵字: 分佈式計算 大數據 算法