假如您有一個(gè)應(yīng)用程序，隨著業(yè)務(wù)越來(lái)越有起色，系統(tǒng)所牽涉到的數(shù)據(jù)量也就越來(lái)越大，此時(shí)您要涉及到對(duì)系統(tǒng)進(jìn)行伸縮（Scale）的問(wèn)題了。一種典型的擴(kuò)展方法叫做“向上伸縮（Scale Up）”，它的意思是通過(guò)使用更好的硬件來(lái)提高系統(tǒng)的性能參數(shù)。而另一種方法則叫做“向外伸縮（Scale Out）”，它是指通過(guò)增加額外的硬件（如服務(wù)器）來(lái)達(dá)到相同的效果。從“硬件成本”還是“系統(tǒng)極限”的角度來(lái)說(shuō)，“向外伸縮”一般都會(huì)優(yōu)于“向上伸縮”，因此大部分上規(guī)模的系統(tǒng)都會(huì)在一定程度上考慮“向外”的方式。由于許多系統(tǒng)的瓶頸都處在數(shù)據(jù)存儲(chǔ)上，因此一種叫做“數(shù)據(jù)分片（Database Sharding）”的數(shù)據(jù)架構(gòu)方式應(yīng)運(yùn)而生，本文便會(huì)討論這種數(shù)據(jù)架構(gòu)方式的一種比較典型的實(shí)現(xiàn)方式。

　　簡(jiǎn)介

　　數(shù)據(jù)分片，自然便是將整體數(shù)據(jù)分?jǐn)傇诙鄠€(gè)存儲(chǔ)設(shè)備（下文統(tǒng)稱為“數(shù)據(jù)分區(qū)”或“分區(qū)”）上，這樣每個(gè)存儲(chǔ)設(shè)備的數(shù)據(jù)量相對(duì)就會(huì)小很多，以此滿足系統(tǒng)的性能需求。值得注意的是，系統(tǒng)分片的策略有很多，例如常見(jiàn)的有以下幾種：

• 根據(jù)ID特征：例如對(duì)記錄的ID取模，得到的結(jié)果是幾，那么這條記錄就放在編號(hào)為幾的數(shù)據(jù)分區(qū)上。
• 根據(jù)時(shí)間范圍：例如前100萬(wàn)個(gè)用戶數(shù)據(jù)在第1個(gè)分區(qū)中，第二個(gè)100萬(wàn)用戶數(shù)據(jù)放在第2個(gè)分區(qū)中。
• 基于檢索表：根據(jù)ID先去一個(gè)表內(nèi)找到它所在的分區(qū)，然后再去目標(biāo)分區(qū)進(jìn)行查找。
• ……

　　在這些數(shù)據(jù)分片策略之中沒(méi)有哪個(gè)有絕對(duì)的優(yōu)勢(shì)，選擇哪種策略完全是根據(jù)系統(tǒng)的業(yè)務(wù)或是數(shù)據(jù)特征來(lái)確定的。值得強(qiáng)調(diào)的是：數(shù)據(jù)分片不是銀彈，它對(duì)系統(tǒng)的性能和伸縮性（Scalability）帶來(lái)一定好處的同時(shí)，也會(huì)對(duì)系統(tǒng)開(kāi)發(fā)帶來(lái)許多復(fù)雜度。例如，有兩條記錄分別處在不同的服務(wù)器上，那么如果有一個(gè)業(yè)務(wù)是為它們建立一個(gè)“關(guān)聯(lián)”，那么很可能表示“關(guān)聯(lián)”的記錄就必須在兩個(gè)分區(qū)內(nèi)各放一條。另外，如果您重視數(shù)據(jù)的完整性，那么跨數(shù)據(jù)分區(qū)的事務(wù)又立即變成了性能殺手。最后，如果有一些需要進(jìn)行全局查找的業(yè)務(wù)，光有數(shù)據(jù)分片策略也很難對(duì)系統(tǒng)性能帶來(lái)什么優(yōu)勢(shì)。

　　數(shù)據(jù)分片雖然重要，但在使用之前一定要三思而后行。一旦踏上這艘賊船，往往不成功便成仁，很難回頭。在我的經(jīng)驗(yàn)里，一個(gè)濫用數(shù)據(jù)分片策略而事倍功半的項(xiàng)目給我留下了非常深刻的印象（當(dāng)然也有成功的啦），因此目前我對(duì)待數(shù)據(jù)分片策略變得愈發(fā)謹(jǐn)慎。

　　那么現(xiàn)在，我們便來(lái)討論一種比較常見(jiàn)的數(shù)據(jù)分片策略。

　　策略描述

　　這里我先描述一個(gè)極其簡(jiǎn)單的業(yè)務(wù)：

1. 系統(tǒng)中有用戶，用戶可以發(fā)表文章，文章會(huì)有評(píng)論
2. 可以根據(jù)用戶查找文章
3. 可以根據(jù)文章查找評(píng)論

　　那么，如果我要對(duì)這樣一個(gè)系統(tǒng)進(jìn)行數(shù)據(jù)分片又該怎么做呢？這里我們可以使用上面提到的第一種方式，即對(duì)記錄的ID取模，并根據(jù)結(jié)果選擇數(shù)據(jù)所在的分區(qū)。根據(jù)后兩條業(yè)務(wù)中描述的查詢要求，我們會(huì)為分區(qū)策略補(bǔ)充這樣的規(guī)則：

• 某個(gè)用戶的所有文章，與這個(gè)用戶處在同一數(shù)據(jù)分區(qū)內(nèi)。
• 某篇文章的所有評(píng)論，與這篇文章處在用一數(shù)據(jù)分區(qū)內(nèi)。

　　您可能會(huì)說(shuō)，似乎只要保證“相同用戶文章在同一個(gè)數(shù)據(jù)分區(qū)內(nèi)”就行了，不是嗎？沒(méi)錯(cuò)，不過(guò)我這里讓文章和用戶在同一個(gè)分區(qū)內(nèi)，也是為了方便許多額外的操作（例如在關(guān)系數(shù)據(jù)庫(kù)中進(jìn)行連接）。那么假設(shè)我們有4個(gè)數(shù)據(jù)分區(qū)，那么它們內(nèi)部的條目可能便是：

　　在ID為0的分區(qū)中，所有對(duì)象的ID模4均為0，其他分區(qū)里的對(duì)象也有這樣的規(guī)律。那么好，在實(shí)際應(yīng)用中，如果我們需要查找“ID為2的用戶”，便去第2分區(qū)搜索便是；如果要查找“ID為8的文章的所有評(píng)論”那么也只要去第0分區(qū)進(jìn)行一次查詢即可。既然查詢不成問(wèn)題，那么我們?cè)撊绾翁砑有掠涗浤?？其?shí)這也不難，只要：

• 添加新用戶時(shí)，隨機(jī)選擇一個(gè)數(shù)據(jù)分區(qū)
• 添加新文章時(shí)，選擇文章作者所在分區(qū)（可根據(jù)Article的UserID求模得到）
• 添加新評(píng)論時(shí)，選擇文章所在分區(qū)（可根據(jù)Comment的ArticleID求模得到）

　　但是，我們又如何保證新紀(jì)錄的ID正好滿足我們的分區(qū)規(guī)律？例如我們向第3分區(qū)添加的新數(shù)據(jù)，則它的ID必須是3、7、11等等。以前，我們可能會(huì)使用數(shù)據(jù)庫(kù)的自增列作為ID的值，但這似乎不能滿足我們“取模”的要求。以前我們可能還會(huì)使用GUID，但是我們?nèi)绾紊梢粋€(gè)“被4模于3”的GUID呢？其實(shí)我們還是可以使用自增ID來(lái)解決這個(gè)問(wèn)題，只不過(guò)需要進(jìn)行一些簡(jiǎn)單的設(shè)置。例如在SQL Server中，默認(rèn)的自增ID屬性為IDENTITY(1, 1)，表示ID從1開(kāi)始，以1為間距自動(dòng)增長(zhǎng)。于是我們?cè)趧?chuàng)建數(shù)據(jù)分區(qū)的時(shí)候，每個(gè)自增列的屬性則可以設(shè)置為：

• 分區(qū)0：IDENTITY(4, 4)
• 分區(qū)1：IDENTITY(1, 4)
• 分區(qū)2：IDENTITY(2, 4)
• 分區(qū)3：IDENTITY(3, 4)

　　這樣，ID方面的問(wèn)題便交由數(shù)據(jù)庫(kù)來(lái)關(guān)心吧，我們的使用方式和以前并沒(méi)有什么區(qū)別。

　　缺陷

　　那么這個(gè)數(shù)據(jù)分片策略有什么缺陷呢？當(dāng)然缺陷還是有很多啦，只是大多數(shù)問(wèn)題可能還是要和業(yè)務(wù)放在一起考慮時(shí)才會(huì)凸顯出來(lái)。不過(guò)有一個(gè)問(wèn)題倒和業(yè)務(wù)關(guān)系不大：如果數(shù)據(jù)繼續(xù)增長(zhǎng)，單個(gè)數(shù)據(jù)分區(qū)的數(shù)據(jù)量也超標(biāo)了，怎么辦？

　　自然，繼續(xù)拆分咯。那么我們使用什么分區(qū)規(guī)則呢？和原先一致嗎？我們舉個(gè)例子便知。假設(shè)我們?cè)?個(gè)分區(qū)，有一個(gè)ID為1的用戶落在第1分區(qū)里，他的文章也都在這個(gè)分區(qū)里，ID分別是1、5、9、13、17等等。于是在某一天，我們需要將分區(qū)數(shù)量提高到5個(gè)（財(cái)力有限，一臺(tái)一臺(tái)來(lái)吧），在重新計(jì)算每篇文章所在的分區(qū)之后，我們忽然發(fā)現(xiàn)：

• ID為1的文章，模5余1，處在分區(qū)1。
• ID為5的文章，模5余0，處在分區(qū)0。
• ID為9的文章，模5余4，處在分區(qū)4。
• ID為13的文章，模5余3，處在分區(qū)3。
• ID為17的文章，模5余2，處在分區(qū)2。

呼，5個(gè)分區(qū)都齊了！這說(shuō)明，如果我們保持記錄原來(lái)的ID不變，是沒(méi)有辦法直接使用之前的分區(qū)規(guī)則——無(wú)論您擴(kuò)展成幾個(gè)分區(qū)，（即便是從4個(gè)到8個(gè)）也只能“緩解”也不能“解決”這個(gè)情況。那么這時(shí)候該如何是好呢？例如，我們可以重新分配記錄，改變?cè)蠭D，只是這么做會(huì)產(chǎn)生一個(gè)問(wèn)題，便是外部URL可能也會(huì)隨著ID一起改變，這樣對(duì)SEO的折損很大。為此，我們可以制作一個(gè)查詢表：例如在查詢小于1234567的ID時(shí)（這是“老系統(tǒng)”的最大ID），假設(shè)是100，則根據(jù)查詢表得知這條記錄的新ID為7654321，再以此去數(shù)據(jù)源進(jìn)行查找。解決這類問(wèn)題的方法還有幾種，但無(wú)論怎么做都會(huì)對(duì)新系統(tǒng)帶來(lái)額外的復(fù)雜度。而且，一次擴(kuò)展也罷，如果以后還要有所擴(kuò)展呢？

　　有朋友可能會(huì)說(shuō)，取模自然會(huì)帶來(lái)這樣的問(wèn)題，那么為什么不用一致性哈希（Consistent Hash）呢？現(xiàn)在一致性哈希是個(gè)很流行的東西，和Memcached一樣，如果不用上就會(huì)被一些高級(jí)架構(gòu)師所鄙視。不過(guò)在這里一致性哈希也不能解決問(wèn)題。一致性哈希的目的，是希望“在增加服務(wù)器的時(shí)候降低數(shù)據(jù)移動(dòng)規(guī)模，讓盡可能多的數(shù)據(jù)保留在原有的服務(wù)器”上。而我們現(xiàn)在的問(wèn)題卻是“在增加服務(wù)器的時(shí)候，讓特征相同的數(shù)據(jù)同樣放在一起”。兩個(gè)目標(biāo)不同，這并不是一致性哈希的應(yīng)用場(chǎng)景。

　　我在以前的一個(gè)項(xiàng)目中曾經(jīng)用過(guò)這樣的方法：根據(jù)對(duì)訪問(wèn)量與數(shù)據(jù)量的預(yù)估，我們認(rèn)為使用最多24個(gè)分區(qū)便一定可以滿足性能要求（為什么是24個(gè)？因?yàn)樗鼙辉S多數(shù)字整除）。于是，從項(xiàng)目第一次在生產(chǎn)環(huán)境中部署時(shí)便創(chuàng)建了24個(gè)數(shù)據(jù)分區(qū)，只不過(guò)一開(kāi)始只用了2臺(tái)服務(wù)器，每臺(tái)服務(wù)器放置12個(gè)數(shù)據(jù)分區(qū)。待以后需要擴(kuò)展時(shí)，則將數(shù)據(jù)分區(qū)均勻地遷移到新的服務(wù)器上即可。我們團(tuán)隊(duì)當(dāng)時(shí)便是用這種方法避免尷尬的數(shù)據(jù)分配問(wèn)題。

　　沒(méi)錯(cuò)，數(shù)據(jù)分區(qū)的數(shù)目是個(gè)限制，但您真認(rèn)為，24個(gè)數(shù)據(jù)分區(qū)還是無(wú)法滿足您的項(xiàng)目需求嗎？要知道，需要用上24個(gè)數(shù)據(jù)分區(qū)的項(xiàng)目，一般來(lái)說(shuō)本身已經(jīng)有充分的時(shí)間和經(jīng)濟(jì)實(shí)力進(jìn)行架構(gòu)上的重大調(diào)整（也該調(diào)整了，幾乎沒(méi)有什么架構(gòu)可以滿足各種數(shù)據(jù)規(guī)模的需求）。此外，無(wú)論是系統(tǒng)優(yōu)化還是數(shù)據(jù)分片都可以同時(shí)運(yùn)用其他手段。

不過(guò)，我們目前還是想辦法解決這個(gè)問(wèn)題吧。

　　策略改進(jìn)

　　我們之所以會(huì)遇到上面這個(gè)問(wèn)題，在于我們沒(méi)有選擇好合適的策略，這個(gè)策略把一些重要的“要求”給“具體化”了，導(dǎo)致“具體化”后的結(jié)果在外部條件改變的時(shí)候，卻無(wú)法重新滿足原有的“要求”。還是以前面的案例來(lái)說(shuō)明問(wèn)題，其實(shí)我們“要求”其實(shí)是：

• 某個(gè)用戶的所有文章，與這個(gè)用戶處在同一數(shù)據(jù)分區(qū)內(nèi)。
• 某篇文章的所有評(píng)論，與這篇文章處在用一數(shù)據(jù)分區(qū)內(nèi)。

　　而我們“具體化”以后的結(jié)果卻是：

• 某個(gè)用戶的所有文章ID，與這個(gè)用戶的ID模4后的余數(shù)相同。
• 某篇文章的所有評(píng)論ID，與這篇文章的ID模4后的余數(shù)相同。

　　之所以能如此“具體化”，這是因?yàn)橛?ldquo;4個(gè)分區(qū)”這樣的前提條件在，一旦這個(gè)前提條件發(fā)生了改變，則杯具無(wú)法避免。因此，我們?cè)谥贫ㄒ?guī)則的時(shí)候，其實(shí)不應(yīng)該把前提條件給過(guò)分的“具體化”——具體化可以，但不能過(guò)度，得留有一定空間（這個(gè)稍后再談）。打個(gè)比方，還是前面的條件（XX和XX處在同一數(shù)據(jù)分區(qū)內(nèi)），但我們換一種具體化的方式：

• 某個(gè)用戶的所有文章ID的前綴，便是這個(gè)用戶的ID。例如，ID為1的用戶的所有文章，其ID便可能是1-A1、1-A2、1-A3……
• 某篇文章的所有評(píng)論ID，與這個(gè)文章的ID使用相同前綴。例如，ID為3-A1的文章的所有評(píng)論，其ID便可能是3-C1、3-C2、3-C3……

　　使用這個(gè)策略，我們便可以保證與某個(gè)用戶相關(guān)的“所有數(shù)據(jù)”都共享相同的“特征”（ID的前綴都相同），然后我們便可以根據(jù)這個(gè)特征來(lái)選擇分區(qū)——例如，還是以“取模”的方式。此時(shí)，我們已經(jīng)確保了“相同分區(qū)內(nèi)的所有數(shù)據(jù)都具備相同的特征”，即便分區(qū)數(shù)量有所調(diào)整，我們也只需要根據(jù)特征重新計(jì)算分區(qū)即可，影響不大。而以前為什么不行？因?yàn)?ldquo;模4的余數(shù)”只是“結(jié)果”而不是“特征”，這里的“特征”應(yīng)該是“追本溯源后的用戶ID相同”，而這一點(diǎn)已經(jīng)體現(xiàn)在新的策略中了。

　　還是通過(guò)圖示來(lái)說(shuō)明問(wèn)題吧。假設(shè)原有4個(gè)分區(qū)，使用“取模”的策略：

　　當(dāng)分區(qū)數(shù)量調(diào)整為5個(gè)之后（為了避免分區(qū)3空缺，我又補(bǔ)充了一些對(duì)象）：

　　是不是很合理？

　　值得一提的是，只要滿足了“特征”這個(gè)要求，其實(shí)選擇分區(qū)的方式并沒(méi)有什么限制。例如，我們可以不用“取模”的方式，而是使用“一致性哈希”——沒(méi)錯(cuò)，這里就是一致性哈希的使用場(chǎng)景了。在利用“一致性哈希”來(lái)選擇分區(qū)之后，在添加服務(wù)器的情況下便可以相對(duì)減少數(shù)據(jù)的遷移數(shù)量了。

　　當(dāng)然，在實(shí)現(xiàn)時(shí)還可以運(yùn)用一些技巧。例如，我們的特征并非一定要“把用戶ID作為前綴”——畢竟用戶ID可能比較長(zhǎng)，作為ID前綴還真有些難看（請(qǐng)想象把GUID作為ID前綴，再加上另一個(gè)GUID作為ID主體的情景）。此時(shí)，我們可以把前提條件先進(jìn)行一定程度的“具體化”（但就像之前提到的，不能過(guò)度），例如我們可以把用戶ID先進(jìn)行取模，可能是1000萬(wàn)，便可以得到一個(gè)落在較大區(qū)間范圍內(nèi)的數(shù)字。然后，再把這個(gè)數(shù)字作BASE64編碼，一下子前綴就縮小為4個(gè)字符以內(nèi)了。而且，1000萬(wàn)這個(gè)區(qū)間范圍，無(wú)論是使用取模還是一致性哈希的方式來(lái)選擇分區(qū)都非?？尚校话悴粫?huì)造成什么問(wèn)題。

　　總結(jié)

　　數(shù)據(jù)分片是系統(tǒng)優(yōu)化的常用設(shè)計(jì)方式之一。正如前文所說(shuō)的那樣，數(shù)據(jù)分片的做法很多，本文提到的方式只是其中一種方式。這種根據(jù)ID特征的分片方式比較容易遇到的問(wèn)題之一，便是在數(shù)據(jù)分區(qū)數(shù)量改變時(shí)造成的規(guī)則沖突，這也正是我這篇文章所討論的主要內(nèi)容。從這個(gè)角度看來(lái)，其他一些分片方式，如創(chuàng)建時(shí)間也好，查找表也罷，這樣的問(wèn)題反而不太常見(jiàn)。如果您有這方面的經(jīng)驗(yàn)或是疑惑，也歡迎與我進(jìn)行交流。

　　現(xiàn)在Web 2.0網(wǎng)站越來(lái)越熱門了，此類項(xiàng)目的數(shù)據(jù)量也越來(lái)越大，從近幾年的討論形式可以看出，越來(lái)越多的人在強(qiáng)調(diào)什么大規(guī)模、高性能、或是海量數(shù)據(jù)。然后，似乎每個(gè)人都會(huì)橫向切分、縱向切分、緩存、分離。我猜，再接下來(lái)，估計(jì)又會(huì)有許多人以用關(guān)系型數(shù)據(jù)庫(kù)為恥了吧？但是，想想這樣的問(wèn)題：博客園和JavaEye都是國(guó)內(nèi)技術(shù)社區(qū)的翹楚，它們都只用了1臺(tái)數(shù)據(jù)庫(kù)服務(wù)器。StackOverflow是世界上最大的編程網(wǎng)站（它是使用ASP.NET MVC寫(xiě)的，兄弟們記住這個(gè)經(jīng)典案例吧），似乎也只用了1臺(tái)還是2臺(tái)數(shù)據(jù)庫(kù)服務(wù)器（可能配置比較高）及SQL Server。因此，即便是單臺(tái)服務(wù)器，即便是使用關(guān)系型數(shù)據(jù)庫(kù)，它在性能方面的潛力也是非常之高的。

　　因此，數(shù)據(jù)分片應(yīng)該只在需要的時(shí)候才做，因?yàn)樗鼛?lái)的復(fù)雜度會(huì)比中心存儲(chǔ)的方式高出很多。這帶來(lái)的結(jié)果是，可能您的應(yīng)用程序還沒(méi)有用足架構(gòu)的能力就已經(jīng)失敗了，這樣各種投資也已經(jīng)浪費(fèi)了。假如您一開(kāi)始用最簡(jiǎn)單的方式去做，可能很快會(huì)帶來(lái)成長(zhǎng)所需要空間及資源，此時(shí)再做更多投資進(jìn)行架構(gòu)優(yōu)化也不遲——架構(gòu)不是一蹴而就，而是演變得來(lái)的。當(dāng)然，第一次投入多少?gòu)?fù)雜度是個(gè)需要權(quán)衡的東西，這也是考驗(yàn)架構(gòu)師能力的地方。架構(gòu)不是空中樓閣，而是各種真實(shí)資源調(diào)配的結(jié)果。

it知識(shí)庫(kù)：一種以ID特征為依據(jù)的數(shù)據(jù)分片（Sharding）策略，轉(zhuǎn)載需保留來(lái)源！

鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標(biāo)記有誤，請(qǐng)第一時(shí)間聯(lián)系我們修改或刪除，多謝。