Mysql 單表適合的最大數(shù)據(jù)量是多少？

我們說 Mysql 單表適合存儲的最大數(shù)據(jù)量，自然不是說能夠存儲的最大數(shù)據(jù)量，如果是說能夠存儲的最大量，那么，如果你使用自增 ID，最大就可以存儲 2^32 或 2^64 條記錄了，這是按自增 ID 的數(shù)據(jù)類型 int 或 bigint 來計算的；如果你不使用自增 id，且沒有 id 最大值的限制，如使用足夠長度的隨機字符串，那么能夠限制單表最大數(shù)據(jù)量的就只剩磁盤空間了。顯然我們不是在討論這個問題。

影響 Mysql 單表的最優(yōu)最大數(shù)量的一個重要因素其實是索引。

我們知道 Mysql 的主要存儲引擎 InnoDB 采用 B+樹結(jié)構(gòu)索引。（至于為什么 Mysql 選擇 b+樹而不是其他數(shù)據(jù)結(jié)構(gòu)來組織索引，不是本文討論的話題，之后的文章會講到。）那么 B+樹索引是如何影響 Mysql 單表數(shù)據(jù)量的呢？

B+樹

一棵 B+樹如下所示：

Mysql 的 B+樹索引存儲在磁盤上，Mysql 每次讀取磁盤 Page 的大小是 16KB，為了保證每次查詢的效率，需要保證每次查詢訪問磁盤的次數(shù)，一般設(shè)計為 2-3 次磁盤訪問，再多性能將嚴重不足。Mysql B+樹索引的每個節(jié)點需要存儲一個指針（8Byte）和一個鍵值（8Byte）。因此計算16KB/（8B+8B）=1K 16KB 可以存儲 1K 個節(jié)點，3 次磁盤訪問（即 B+樹 3 的深度）可以存儲 1K _ 1K _ 1K 即 10 億數(shù)據(jù)。

如果查詢依賴非主鍵索引，那么還涉及二級索引。這樣數(shù)據(jù)量將更小。

拆分

分而治之——沒有什么問題不能通過拆分一次來解決，不行就拆多次。

Mysql 單表存儲的數(shù)據(jù)量有限。一個解決大數(shù)據(jù)量存儲的辦法就是分庫分表。說白了就是一個數(shù)據(jù)庫一張表放不下那么多數(shù)據(jù)，那就分多個數(shù)據(jù)庫多張表存儲。

拆分可分為垂直拆分和水平拆分。

垂直拆分是按照不同的表（或者 Schema）來切分到不同的數(shù)據(jù)庫（主機）之上，水平拆分則是根據(jù)表中的數(shù)據(jù)的邏輯關(guān)系，將同一個表中的數(shù)據(jù)按照某種條件拆分到多臺數(shù)據(jù)庫（主機）上面或多張相同 Schema 的不同表中。

垂直拆分的最大特點就是規(guī)則簡單，實施也更為方便，尤其適合各業(yè)務(wù)之間的耦合度非常低，相互影響很小，業(yè)務(wù)邏輯非常清晰的系統(tǒng)。在這種系統(tǒng)中，可以很容易做到將不同業(yè)務(wù)模塊所使用的表分拆到不同的數(shù)據(jù)庫中。根據(jù)不同的表來進行拆分，對應(yīng)用程序的影響也更小，拆分規(guī)則也會比較簡單清晰。

水平拆分與垂直切分相比，相對來說稍微復(fù)雜一些。因為要將同一個表中的不同數(shù)據(jù)拆分到不同的數(shù)據(jù)庫中，對于應(yīng)用程序來說，拆分規(guī)則本身就較根據(jù)表名來拆分更為復(fù)雜，后期的數(shù)據(jù)維護也會更為復(fù)雜一些。

垂直拆分最直接的就是按領(lǐng)域拆分服務(wù)，隔離領(lǐng)域數(shù)據(jù)庫。如此每個庫所承擔的數(shù)據(jù)壓力就減少了。

水平拆分就是將同一個 Schema 的數(shù)據(jù)拆分到不同的庫或不同的表中，這樣每個表的數(shù)據(jù)量也將減小，查詢效率將更高效。水平拆分就涉及到表的分片規(guī)則問題。

幾種典型的分片規(guī)則包括：

按照用戶 ID 求模，將數(shù)據(jù)分散到不同的數(shù)據(jù)庫，具有相同數(shù)據(jù)用戶的數(shù)據(jù)都被分散到一個庫中。

按照日期，將不同月甚至日的數(shù)據(jù)分散到不同的庫中。

按照某個特定的字段求摸，或者根據(jù)特定范圍段分散到不同的庫中。

實現(xiàn)

門面模式——沒有什么問題不能通過添加一個中間層來解決。

垂直拆分的一個方案就是在應(yīng)用層使用多個數(shù)據(jù)源，按業(yè)務(wù)訪問不同的數(shù)據(jù)源。另外更好方案其實就是微服務(wù)化。按不同的業(yè)務(wù)領(lǐng)域來拆分微服務(wù)，明確領(lǐng)域邊界，隔離領(lǐng)域數(shù)據(jù)庫。這樣將對數(shù)據(jù)的存取內(nèi)聚到獨立的服務(wù)之中，對外提供統(tǒng)一的接口。在需要同時依賴多個服務(wù)時，我們可以通過添加門面應(yīng)用來組合底層服務(wù)的數(shù)據(jù)，以提供更符合上層業(yè)務(wù)需求的接口，這些服務(wù)往往更接近真實的業(yè)務(wù)。而底層的服務(wù)則是更加內(nèi)聚的資源服務(wù)。

代理模式——沒有什么問題不能通過添加一個中間層來解決。

對于水平拆分應(yīng)該盡量屏蔽拆分帶來的數(shù)據(jù)訪問困惱，為了讓上層業(yè)務(wù)無需關(guān)心下層數(shù)據(jù)組織方式。水平拆分往往通過添加一個代理層來做這些事情，代理層對上提供虛擬表，這些虛擬表就像我們在單庫上設(shè)計的單表一樣；代理層對下解析和拆分執(zhí)行 sql，然后按相應(yīng)規(guī)則在不同的庫和表執(zhí)行相應(yīng)的 sql 請求，再合并數(shù)據(jù)，并將合并后的結(jié)果返回給上層調(diào)用者。

一般代理方式分為如下兩種：

進程內(nèi)代理

進程內(nèi)代理即將代理層嵌入到業(yè)務(wù)服務(wù)內(nèi)部，攔截 sql 請求并做相應(yīng)的處理。這樣的好處是簡單，但是侵入性大，且不夠靈活。

進程外代理

進程外代理即將代理獨立成服務(wù)，代理真實業(yè)務(wù)服務(wù)和數(shù)據(jù)庫之間的請求。這樣是比較復(fù)雜的，需要高可用的代理服務(wù)架構(gòu)。但是這樣對業(yè)務(wù)的侵入性低，且易于升級擴展。

問題

分布式事務(wù)問題

什么是分布式事務(wù)？本地事務(wù)的定義就是一系列相關(guān)的數(shù)據(jù)庫操作完成后要滿足 ACID 四大特性，而分布式事務(wù)就是將同一進程的操作放到不同的微服務(wù)進程中，即不同微服務(wù)應(yīng)用進程的數(shù)據(jù)庫操作滿足事務(wù)要求，或者對不同數(shù)據(jù)庫的一系列操作需滿足事務(wù)要求。

這里就有兩個問題需要解決。一個是因為應(yīng)用的分布式造成的，一個是因為數(shù)據(jù)庫本身的分布式造成的。數(shù)據(jù)庫本身的分布式事務(wù)問題一般由數(shù)據(jù)庫自身解決，大多數(shù)分布式數(shù)據(jù)庫都可以做到一定的數(shù)據(jù)一致性保證，如 HBase 保證的強一致性，Cassandra 保證的最終一致性。

應(yīng)用數(shù)據(jù)的一致性事務(wù)方案我們也可以參考分布式數(shù)據(jù)庫的實現(xiàn)原理來實現(xiàn)。業(yè)界也有很多分布式事務(wù)的解決思路，如：

XA 方案

TCC 方案

本地消息表

可靠消息最終一致性方案

最大努力通知方案

多表 Join 問題

通過分析 Join sql，將 sql 拆分成獨立的查詢請求，然后分別執(zhí)行，并將結(jié)果合并計算返回給調(diào)用者。這個地方會涉及到很多執(zhí)行優(yōu)化的問題。

數(shù)據(jù)統(tǒng)計問題

當數(shù)據(jù)被分片到不同的數(shù)據(jù)庫或不同的表中時，要對數(shù)據(jù)做一些全局的或涉及大量數(shù)據(jù)的統(tǒng)計時便會遇到一些問題。如求 Max，Min，Sum 等聚合問題。如果統(tǒng)計的數(shù)據(jù)有一定的業(yè)務(wù)規(guī)則，如只會按用戶維度去統(tǒng)計，如統(tǒng)計某個用戶的訂單量，那么對訂單表的分片，其實可以采用按用戶 id 來分片，如此就可以解決這類統(tǒng)計問題。但是這種方案不通用。很多分片代理服務(wù)都需要將 sql 分片到不同的節(jié)點上去執(zhí)行，然后再合并結(jié)果返回。

ID 問題

使用分庫分表之后，就無法使用 Mysql 的表自增作為 id，因為不同庫和表的自增將出現(xiàn)沖突的 id。解決這個問題就需要引入分布式 id 生成技術(shù)。

責任編輯：gt