正文

我們知道在分庫分表中對于toC業(yè)務(wù)來說，需要選擇用戶屬性如 user_id 作為分片鍵，不推薦使用order_id這樣的作為分片鍵。

那問題來了，對于訂單表來說，選擇了user_id作為分片鍵以后如何查看訂單詳情呢？比如下面這樣一條SQL：

SELECT * FROM T_ORDER WHERE order_id = 801462878019256325

由于查詢條件中的order_id不是分片鍵，所以需要查詢所有分片才能得到最終的結(jié)果。如果下面有 1000 個分片，那么就需要執(zhí)行 1000 次這樣的 SQL，這時性能就比較差了。

可以通過ShardingSphere-JDBC生成的SQL得知，根據(jù)order_id查詢會對所有分片進(jìn)行查詢?nèi)缓笸ㄟ^UNION ALL進(jìn)行合并。

但是，我們知道 order_id 是主鍵，應(yīng)該只有一條返回記錄，也就是說，order_id 只存在于一個分片中。這時，可以有以下三種設(shè)計(jì)：

• 冗余數(shù)據(jù)法
• 索引表法
• 基因分片法

當(dāng)然，這三種設(shè)計(jì)的本質(zhì)都是通過冗余實(shí)現(xiàn)空間換時間的效果，否則就需要掃描所有的分片，當(dāng)分片數(shù)據(jù)非常多，效率就會變得極差。

下面我們逐一分析。

設(shè)計(jì)一：冗余法

這種做法很容易理解，同一份訂單數(shù)據(jù)在插入時保存兩份，根據(jù)user_id 和 order_id分別做兩個分庫分表的實(shí)現(xiàn)。

通過對表進(jìn)行冗余，對于 order_id 的查詢，只需要在 order_id = 801462878019256325 的分片中直接查詢就行，效率最高。但是這個方案設(shè)計(jì)的缺點(diǎn)又很明顯：冗余數(shù)據(jù)量太大。

方法二：索引表法

索引表法是對第一種冗余法的改進(jìn)，由于第一種方案冗余的數(shù)據(jù)量太大，所以索引表方案中只創(chuàng)建一個包含user_id和order_id的索引表，在插入訂單時再插入一條數(shù)據(jù)到索引表中。

表結(jié)構(gòu)如下

CREATE TABLE idx_orderid_userid （
  order_id bigint
  user_id bigint,
  PRIMARY KEY (order_id)
)

在實(shí)現(xiàn)時可以將idx_orderid_userid表通過Redis緩存來代替，如果此表數(shù)據(jù)量很大也可以將其分庫分表，但是它的分片鍵是 order_id。

如果這時再根據(jù)字段 order_id 進(jìn)行查詢，可以進(jìn)行類似二級索引的回表實(shí)現(xiàn)：先通過查詢索引表得到記錄 order_id = 801462878019256325 對應(yīng)的分片鍵 user_id 的值，接著再根據(jù) user_id 進(jìn)行查詢，最終定位到想要的數(shù)據(jù)，如：

原始SQL：

SELECT * FROM T_ORDER WHERE order_id = 801462878019256325

拆分后的SQL：

# step 1
SELECT user_id FROM idx_orderid_userid 
WHERE order_id = 801462890610556951
?
# step 2
SELECT * FROM T_ORDER 
WHERE user_id = ? AND order_id = 801462890610556951

這個例子是將一條 SQL 語句拆分成 2 條 SQL 語句，但是拆分后的 2 條 SQL 都可以通過分片鍵進(jìn)行查詢，這樣能保證只需要在單個分片中完成查詢操作。不論有多少個分片，也只需要查詢 2個分片的信息，這樣 SQL 的查詢性能可以得到極大的提升。

方法三：基因法

通過索引表的方式，雖然存儲上較冗余全表容量小了很多，但是要根據(jù)另一個分片鍵進(jìn)行數(shù)據(jù)的存儲，還是顯得不夠優(yōu)雅。

因此，最優(yōu)的設(shè)計(jì)，不是創(chuàng)建一個索引表，而是將分片鍵的信息保存在想要查詢的列中，這樣通過查詢的列就能直接知道所在的分片信息，這種方法也叫叫做基因法。

基因法的原理出自一個理論：對一個數(shù)取余2的n次方，那么余數(shù)就是這個數(shù)的二進(jìn)制的最后n位數(shù)。

假如我們現(xiàn)在根據(jù)user_id進(jìn)行分片，采用user_id % 16的方式來進(jìn)行數(shù)據(jù)庫路由，這里的user_id%16，其本質(zhì)是user_id的最后4個bit位 log(16,2) = 4 決定這行數(shù)據(jù)落在哪個分片上，這4個bit就是分片基因。

如上圖所示，user_id=20160169的用戶創(chuàng)建了一個訂單（20160169的二進(jìn)制表示為：1001100111001111010101001)

• 使用user_id%16分片，決定這行數(shù)據(jù)要插入到哪個分片中
• 分庫基因是user_id的最后4個bit，log(16,2) = 4，即1001
• 在生成order_id時，先使用一種分布式ID生成算法生成前60bit（上圖中綠色部分）
• 將分庫基因加入到order_id的最后4個bit（上圖中粉色部分）
• 拼裝成最終的64bit訂單order_id（上圖中藍(lán)色部分）

這樣保證了同一個用戶創(chuàng)建的所有訂單都落到了同一個分片上，order_id的最后4個bit都相同，于是：

• 通過user_id %16 能夠定位到分片
• 通過order_id % 16也能定位到分片

不好理解的話，可以看下面這段代碼：

@Test
public void modIdTest(){
    long userID = 20160169L;
    //分片數(shù)量
    int shardNum = 16;
    String gen = getGen(userID, shardNum);
    log.info("userID:{}的基因?yàn)?{}",userID,gen);
    long snowId = IdWorker.getId(Order.class);
    log.info("雪花算法生成的訂單ID為{}",snowId);
    Long orderId = buildGenId(snowId,gen);
    log.info("基因轉(zhuǎn)換后的訂單ID為{}",orderId);
?
    Assert.assertEquals(orderId % shardNum , userID % shardNum);
}

運(yùn)行結(jié)果如下：

原始訂單ID為1595662702879973377，通過基因轉(zhuǎn)換后ID變成了1595662702879973385，對于用戶id 和 新生成的訂單id對其取模結(jié)果一樣。

上面那種做法是基因替換，替換掉訂單id的分片基因。下面這種做法就更顯直接。

將訂單表 orders 的主鍵設(shè)計(jì)為一個字符串，這個字符串中最后一部分包含分片鍵的信息，如：

order_id = string（order_id + user_id）

那么這時如果根據(jù) order_id 進(jìn)行查詢：

SELECT * FROM T_ORDER
WHERE order_id = '1595662702879973377-20160169';

由于字段 order_id 的設(shè)計(jì)中直接包含了分片鍵信息，所以我們可以直接通過分片鍵部分直接定位到分片上。

同樣地，在插入時，由于可以知道插入時 user_id 對應(yīng)的值，所以只要在業(yè)務(wù)層做一次字符的拼接，然后再插入數(shù)據(jù)庫就行了。

這樣的實(shí)現(xiàn)方式較冗余表和索引表的設(shè)計(jì)來說，效率更高，查詢時可以直接定位到數(shù)據(jù)對應(yīng)的分片信息，只需 1 次查詢就能獲取想要的結(jié)果。

這樣實(shí)現(xiàn)的缺點(diǎn)是，主鍵值會變大一些，存儲也會相應(yīng)變大。但是只要主鍵值是有序的，插入的性能就不會變差。而通過在主鍵值中保存分片信息，卻可以大大提升后續(xù)的查詢效率，這樣空間換時間的設(shè)計(jì)，總體上看是非常值得的。

實(shí)際上淘寶的訂單號也是這樣構(gòu)建的

上圖是我的淘寶訂單信息，可以看到，訂單號的最后 6 位都是 607041，所以可以大概率推測出：

• 淘寶訂單表的分片鍵是用戶 ID；
• 淘寶訂單表，訂單表的主鍵包含用戶 ID，也就是分片信息。這樣通過訂單號進(jìn)行查詢，可以獲得分片信息，從而查詢 1 個分片就能得到最終的結(jié)果。

小結(jié)

分庫分表后需要遵循一個基本原則：所有的查詢盡量帶上sharding key，有時候業(yè)務(wù)需要根據(jù)技術(shù)限制進(jìn)行妥協(xié)，那種既要...又要...就是在耍流氓。

當(dāng)然有些業(yè)務(wù)場景確實(shí)沒辦法避免，對于非sharding key的查詢可以參考上面三種方案實(shí)現(xiàn)，不過實(shí)際上只能算兩種。

曾經(jīng)在面試時我還被問到過這個問題～

今天的文章是屬于理論知識，Talk is cheap,Show me the code! 接下來兩篇文章我將結(jié)合ShardingSphere-JDBC實(shí)現(xiàn)上述兩種方案，更多關(guān)于分庫分表非分片鍵查詢的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論