mysql分表的3种方法

张映 发表于 2010-08-02

分类目录: mysql

标签:, , , ,

一,先说一下为什么要分表

当一张的数据达到几百万时,你查询一次所花的时间会变多,如果有联合查询的话,我想有可能会死在那儿了。分表的目的就在于此,减小数据库的负担,缩短查询时间。

根据个人经验,mysql执行一个sql的过程如下:
1,接收到sql;2,把sql放到排队队列中 ;3,执行sql;4,返回执行结果。在这个执行过程中最花时间在什么地方呢?第一,是排队等待的时间,第二,sql的执行时间。其实这二个是一回事,等待的同时,肯定有sql在执行。所以我们要缩短sql的执行时间。

mysql中有一种机制是表锁定和行锁定,为什么要出现这种机制,是为了保证数据的完整性,我举个例子来说吧,如果有二个sql都要修改同一张表的同一条数据,这个时候怎么办呢,是不是二个sql都可以同时修改这条数据呢?很显然mysql对这种情况的处理是,一种是表锁定(myisam存储引擎),一个是行锁定(innodb存储引擎)。表锁定表示你们都不能对这张表进行操作,必须等我对表操作完才行。行锁定也一样,别的sql必须等我对这条数据操作完了,才能对这条数据进行操作。如果数据太多,一次执行的时间太长,等待的时间就越长,这也是我们为什么要分表的原因。

二,分表

1,做mysql集群,例如:利用mysql cluster ,mysql proxy,mysql replication,drdb等等

有人会问mysql集群,根分表有什么关系吗?虽然它不是实际意义上的分表,但是它启到了分表的作用,做集群的意义是什么呢?为一个数据库减轻负担,说白了就是减少sql排队队列中的sql的数量,举个例子:有10个sql请求,如果放在一个数据库服务器的排队队列中,他要等很长时间,如果把这10个sql请求,分配到5个数据库服务器的排队队列中,一个数据库服务器的队列中只有2个,这样等待时间是不是大大的缩短了呢?这已经很明显了。所以我把它列到了分表的范围以内,我做过一些mysql的集群:

linux mysql proxy 的安装,配置,以及读写分离

mysql replication 互为主从的安装及配置,以及数据同步

优点:扩展性好,没有多个分表后的复杂操作(php代码)

缺点:单个表的数据量还是没有变,一次操作所花的时间还是那么多,硬件开销大。

2,预先估计会出现大数据量并且访问频繁的表,将其分为若干个表

这种预估大差不差的,论坛里面发表帖子的表,时间长了这张表肯定很大,几十万,几百万都有可能。 聊天室里面信息表,几十个人在一起一聊一个晚上,时间长了,这张表的数据肯定很大。像这样的情况很多。所以这种能预估出来的大数据量表,我们就事先分出个N个表,这个N是多少,根据实际情况而定。以聊天信息表为例:

我事先建100个这样的表,message_00,message_01,message_02..........message_98,message_99.然后根据用户的ID来判断这个用户的聊天信息放到哪张表里面,你可以用hash的方式来获得,可以用求余的方式来获得,方法很多,各人想各人的吧。下面用hash的方法来获得表名:

<?php
function get_hash_table($table,$userid) {
 $str = crc32($userid);
 if($str<0){
 $hash = "0".substr(abs($str), 0, 1);
 }else{
 $hash = substr($str, 0, 2);
 }

 return $table."_".$hash;
}

echo get_hash_table('message','user18991');     //结果为message_10
echo get_hash_table('message','user34523');    //结果为message_13
?>

说明一下,上面的这个方法,告诉我们user18991这个用户的消息都记录在message_10这张表里,user34523这个用户的消息都记录在message_13这张表里,读取的时候,只要从各自的表中读取就行了。

优点:避免一张表出现几百万条数据,缩短了一条sql的执行时间

缺点:当一种规则确定时,打破这条规则会很麻烦,上面的例子中我用的hash算法是crc32,如果我现在不想用这个算法了,改用md5后,会使同一个用户的消息被存储到不同的表中,这样数据乱套了。扩展性很差。

3,利用merge存储引擎来实现分表

我觉得这种方法比较适合,那些没有事先考虑,而已经出现了得,数据查询慢的情况。这个时候如果要把已有的大数据量表分开比较痛苦,最痛苦的事就是改代码,因为程序里面的sql语句已经写好了,现在一张表要分成几十张表,甚至上百张表,这样sql语句是不是要重写呢?举个例子,我很喜欢举子

mysql>show engines;的时候你会发现mrg_myisam其实就是merge。

mysql> CREATE TABLE IF NOT EXISTS `user1` (
 ->   `id` int(11) NOT NULL AUTO_INCREMENT,
 ->   `name` varchar(50) DEFAULT NULL,
 ->   `sex` int(1) NOT NULL DEFAULT '0',
 ->   PRIMARY KEY (`id`)
 -> ) ENGINE=MyISAM  DEFAULT CHARSET=utf8 AUTO_INCREMENT=1 ;
Query OK, 0 rows affected (0.05 sec)

mysql> CREATE TABLE IF NOT EXISTS `user2` (
 ->   `id` int(11) NOT NULL AUTO_INCREMENT,
 ->   `name` varchar(50) DEFAULT NULL,
 ->   `sex` int(1) NOT NULL DEFAULT '0',
 ->   PRIMARY KEY (`id`)
 -> ) ENGINE=MyISAM  DEFAULT CHARSET=utf8 AUTO_INCREMENT=1 ;
Query OK, 0 rows affected (0.01 sec)

mysql> INSERT INTO `user1` (`name`, `sex`) VALUES('张映', 0);
Query OK, 1 row affected (0.00 sec)

mysql> INSERT INTO `user2` (`name`, `sex`) VALUES('tank', 1);
Query OK, 1 row affected (0.00 sec)

mysql> CREATE TABLE IF NOT EXISTS `alluser` (
 ->   `id` int(11) NOT NULL AUTO_INCREMENT,
 ->   `name` varchar(50) DEFAULT NULL,
 ->   `sex` int(1) NOT NULL DEFAULT '0',
 ->   INDEX(id)
 -> ) TYPE=MERGE UNION=(user1,user2) INSERT_METHOD=LAST AUTO_INCREMENT=1 ;
Query OK, 0 rows affected, 1 warning (0.00 sec)

mysql> select id,name,sex from alluser;
+----+--------+-----+
| id | name   | sex |
+----+--------+-----+
|  1 | 张映 |   0 |
|  1 | tank   |   1 |
+----+--------+-----+
2 rows in set (0.00 sec)

mysql> INSERT INTO `alluser` (`name`, `sex`) VALUES('tank2', 0);
Query OK, 1 row affected (0.00 sec)

mysql> select id,name,sex from user2
 -> ;
+----+-------+-----+
| id | name  | sex |
+----+-------+-----+
|  1 | tank  |   1 |
|  2 | tank2 |   0 |
+----+-------+-----+
2 rows in set (0.00 sec)

从上面的操作中,我不知道你有没有发现点什么?假如我有一张用户表user,有50W条数据,现在要拆成二张表user1和user2,每张表25W条数据,

INSERT INTO user1(user1.id,user1.name,user1.sex)SELECT (user.id,user.name,user.sex)FROM user where user.id <= 250000

INSERT INTO user2(user2.id,user2.name,user2.sex)SELECT (user.id,user.name,user.sex)FROM user where user.id > 250000

这样我就成功的将一张user表,分成了二个表,这个时候有一个问题,代码中的sql语句怎么办,以前是一张表,现在变成二张表了,代码改动很大,这样给程序员带来了很大的工作量,有没有好的办法解决这一点呢?办法是把以前的user表备份一下,然后删除掉,上面的操作中我建立了一个alluser表,只把这个alluser表的表名改成user就行了。但是,不是所有的mysql操作都能用的

a,如果你使用 alter table 来把 merge 表变为其它表类型,到底层表的映射就被丢失了。取而代之的,来自底层 myisam 表的行被复制到已更换的表中,该表随后被指定新类型。

b,网上看到一些说replace不起作用,我试了一下可以起作用的。晕一个先

mysql> UPDATE alluser SET sex=REPLACE(sex, 0, 1) where id=2;
Query OK, 1 row affected (0.00 sec)
Rows matched: 1  Changed: 1  Warnings: 0

mysql> select * from alluser;
+----+--------+-----+
| id | name   | sex |
+----+--------+-----+
|  1 | 张映 |   0 |
|  1 | tank   |   1 |
|  2 | tank2  |   1 |
+----+--------+-----+
3 rows in set (0.00 sec)

c,一个 merge 表不能在整个表上维持 unique 约束。当你执行一个 insert,数据进入第一个或者最后一个 myisam 表(取决于 insert_method 选项的值)。mysql 确保唯一键值在那个 myisam 表里保持唯一,但不是跨集合里所有的表。

d,当你创建一个 merge 表之时,没有检查去确保底层表的存在以及有相同的机构。当 merge 表被使用之时,mysql 检查每个被映射的表的记录长度是否相等,但这并不十分可靠。如果你从不相似的 myisam 表创建一个 merge 表,你非常有可能撞见奇怪的问题。

好困睡觉了,c和d在网上看到的,没有测试,大家试一下吧。

优点:扩展性好,并且程序代码改动的不是很大

缺点:这种方法的效果比第二种要差一点

三,总结一下

上面提到的三种方法,我实际做过二种,第一种和第二种。第三种没有做过,所以说的细一点。哈哈。做什么事都有一个度,超过个度就过变得很差,不能一味的做数据库服务器集群,硬件是要花钱买的,也不要一味的分表,分出来1000表,mysql的存储归根到底还以文件的形势存在硬盘上面,一张表对应三个文件,1000个分表就是对应3000个文件,这样检索起来也会变的很慢。我的建议是

方法1和方法2结合的方式来进行分表

方法1和方法3结合的方式来进行分表

我的二个建议适合不同的情况,根据个人情况而定,我觉得会有很多人选择方法1和方法3结合的方式



转载请注明
作者:海底苍鹰
地址:http://blog.51yip.com/mysql/949.html/comment-page-1

55 条评论

  1. 胖子 留言

    学习了

  2. phper 留言

    nb,学习了,豁然开朗啊

  3. 评论 留言

    改用md5后,会使同一个用户的消息被存储到不同的表中,这样数据乱套了。扩展性很差。

    这个说法有问题的吧,直接md5($userId) 根据用户id算表,信息肯定是在同一张表的,除非某个用户的userId会直至变

  4. 张映 留言

    表已经建立,用一种hash算法已经把数据存放到表里了,在换hash算法,出现在值肯定是不一样的。md5($userId)和crc32($userId)结果会是一样的吗?

  5. phper 留言

    博主:
    你好
    我想请问的是:在第二种分表中,只适用于myisam引擎是吧?针对其他数据引擎有什么更好的解决办法吗?另外在mrg_myisam表中我个人觉得重复的主键ID是会产生混淆的,在不断增长的子表中怎样规避这种情况呢?谢谢!

  6. 张映 留言

    你好,第二种方法不光适用myisam,也可以适用其他类型的表。第三种方法是利用merge,mrg_myisam我看到的,它只支持myisam。
    曾经在网上看到也有支持innodb的,不过要装什么插件。有兴趣可以去google一下。如果你不想用插件的,又是使用的非myisam引擎,
    你可以使用分区来解决一个表数据过大的问题。merge union的表,都是独立的表,如果你分别对这二个表进行操作的话,肯定会有
    重复ID的,但是我们要尽量免费这样做。有很多种方法可以解决这个问题,下面介绍二种:

    1,通过总表来对数据进行插入。一条数据只可能插入一张表里面,通过总表递增长产生的ID也是唯一。user2你插入了10W条据了,
    现在你呢又想加个user3,把新增的数据放到user3里面,这个时候我们怎么保证,user3里面的ID不和user2,user1中的ID不重复呢,
    修改alluser表,把alluser表面的) ENGINE=MRG_MyISAM DEFAULT CHARSET=utf8 AUTO_INCREMENT='设置成表数据中最大的ID加1' INSERT_METHOD=LAST UNION=(`user1`,`user2`,`user3`); 这样就可以尽量免费重复ID的出现

    2,自增长ID的值,由程序来控制,不交由mysql来控制。当你向user1,user2,user3插入一条数据后,我在某个地方记录一下生成的ID,下次在插入时,在这个ID的基础进行操作,人为控制不让他相同。这样做效率方面就会差点了。

  7. frank 留言

    个人观点:
    3。分别向各个表增加一字段:flag tinyint(1)
    user1表flag的值为:1
    user2表flag的值为:2

    在alluser中查询user1数据:where id=? and flag=1

    即可。

  8. frank 留言

    楼主
    你那第二种方法,我没明白,能详细说说吗?
    如果用户ID范围是:1~200万,分布4个数据表中,
    应该是怎样的?

    为什么传进去的用户ID带有字符,而不是纯数字, 如下
    get_hash_table('message','234189910');

  9. 张映 留言

    当然可以纯数字,文中只是举个例子,说明一下思路,get_hash_table(‘message’,'234189910′)返回一个结果表,只是表明用户和某个表之间有一个对应关系而已。

    如果用户ID范围是:1~200万,分布4个数据表中,既然ID是数字,最简单的办法就是求余了,这样就能比较平均的将数据分配到四个表当中了。

    怎么样将表里面的数据分成N多个小份,这个不是最终的目的,最终的目的是为了,有效的将分割开的这么多小表,合理的管理好,提高性能才是关键。我的意思就是说分表后,数据查询就是一个麻烦事,不管联合查询,还是单表查询,当然不光是查询了,其他的也是。

  10. 张映 留言

    个人觉得您的这种方法不是很方便,数据插入最好是走统一的入口alluser表,alluser对下面的子表,同等看待,插入按照一定的规则来执行,文中提到的是插入到最后一表中,如果现在user2表里面的数据又大了,我又想建个user3出来,是不是又要在设置一个flag设为3呢,这样查询的代码是不是要改动呢?

  11. signdbg 留言

    你好,
    第二种 在于查询的方面会不会麻烦?如果查询?
    像你所说的聊天室里面信息表,查询发表的信息。该如何操作?

  12. tony 留言

    get_hash_table(用户ID) 直接查询

    第三种方法没有看明白,数据是怎么拆分到不同的表里面去的?

  13. tony 留言

    请问第二种方式在模糊查询的时候,怎么办?

  14. 张映 留言

    知道哪张表,模糊查询一样的。

  15. tony 留言

    你好,在不知道哪张表的情况下?还是会查询所有的表把?
    如果在查询之前都要选择表,感觉多了一个步骤哦。

  16. along 留言

    个人觉得第二和第三种方法混合使用:
    第二种方法只用于更新操作;
    第三种方法merge的表只用于查询操作,不允许更新,在merge表上进行更新操作还有很多问题。

  17. meng 留言

    第三种测试不通过,用的是mysql 5.1..41
    显示错误为
    ERROR 1168 (HY000): Unable to open underlying table which is differently defined or of non-MyISAM type or doesn't exist

  18. 张映 留言

    上面的报错提示的很明显,我估计有以下二点,引起出错

    1,小表的表结构不一样,要用myisam,而不支持innodb
    2,myisam存储引擎有问题,或者不存在,differently defined or of non-MyISAM type or doesn't exist

  19. meng 留言

    谢谢你的提醒.
    我检查了表状态后,发现alluser显示的字符串为latin1,修改为utf-8就可以显示了
    mysql> mysql> show table status from test;
    +---------+--------+---------+------------+------+----------------+-------------+------------------+--------------+-----------+----------------+---------------------+---------------------+------------+-------------------+----------+----------------+----------------------------------------------------------------------------------+
    | Name | Engine | Version | Row_format | Rows | Avg_row_length | Data_length | Max_data_length | Index_length | Data_free | Auto_increment | Create_time | Update_time | Check_time | Collation | Checksum | Create_options | Comment |
    +---------+--------+---------+------------+------+----------------+-------------+------------------+--------------+-----------+----------------+---------------------+---------------------+------------+-------------------+----------+----------------+----------------------------------------------------------------------------------+
    | alluser | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | Unable to open underlying table which is differently defined or of non-MyISAM ty |
    | t1 | MyISAM | 10 | Fixed | 4 | 9 | 36 | 2533274790395903 | 2048 | 0 | NULL | 2011-07-10 18:04:36 | 2011-07-10 18:05:03 | NULL | latin1_swedish_ci | NULL | | |
    | t2 | MyISAM | 10 | Fixed | 0 | 0 | 0 | 2533274790395903 | 1024 | 0 | NULL | 2011-07-10 18:01:27 | 2011-07-10 18:01:27 | NULL | latin1_swedish_ci | NULL | | |
    | t3 | MyISAM | 10 | Fixed | 0 | 0 | 0 | 2533274790395903 | 1024 | 0 | NULL | 2011-07-10 18:05:21 | 2011-07-10 18:05:21 | NULL | latin1_swedish_ci | NULL | | |
    | t4 | MyISAM | 10 | Fixed | 4 | 9 | 36 | 2533274790395903 | 1024 | 0 | NULL | 2011-07-10 18:05:36 | 2011-07-10 18:05:36 | NULL | latin1_swedish_ci | NULL | | |
    | user1 | MyISAM | 10 | Dynamic | 0 | 0 | 0 | 281474976710655 | 1024 | 0 | 1 | 2011-07-13 11:29:18 | 2011-07-13 11:29:18 | NULL | utf8_general_ci | NULL | | |
    | user2 | MyISAM | 10 | Dynamic | 0 | 0 | 0 | 281474976710655 | 1024 | 0 | 1 | 2011-07-13 11:29:18 | 2011-07-13 11:29:18 | NULL | utf8_general_ci | NULL | | |
    +---------+--------+---------+------------+------+----------------+-------------+------------------+--------------+-----------+----------------+---------------------+---------------------+------------+-------------------+----------+----------------+----------------------------------------------------------------------------------+

  20. chester 留言

    楼主你好

    我对get_hash_table($table,$userid) ,很感兴趣,通过这种做法,我们将直接得到某一user的表,从而限定了查询范围。

    我的问题是,你如何知道$userid呢?如果你的用户量现在也达到了上百万,此时获得$userid应该也是问题。我自己没有做过这个测试,期待你的回答

  21. 张映 留言

    用户登录时,我们可以得到$userid。在通过$userid来找相关信息就行了。用户达到上百万,登录的时候是没有什么问题,根据用户,密码来查数据,只有单条,加了索引很快的。

  22. chester 留言

    OK, 多谢, 明天有时间一定做个测试! 多谢你的精彩发言.
    这是我的blog。

    http://hi.baidu.com/chesterphp

  23. jian 留言

    请问下第2种方法预先估计会出现大数据量并且访问频繁的表,将其分为若干个表
    假如我要分两个大表
    一个表放文章的标题点击等 另一个表是放文章的回复,父ID用的是第一个表的ID!主从关系!
    我现在想两个表都分表!如何用第2种方法按来分联系起来!

  24. v7a 留言

    根据用户,密码来查数据,只有单条,加了索引很快的。,
    这个也是要查询多表吧。。效率还不是很高啊。。。。 ,
    ,除非,建一张新表login(内存表),,,只有id,用户名,密码,三个字段,含有所有数据。。(在用户名和密码上建复合索引)在用户登陆时,,先查这张表,如果存在,则才由id关联到,,子表中.,,查用户信息

  25. 张映 留言

    父表,你可以根据文章ID来分表,假如分出来,article_1到article_5,子表也一样,根据文章ID来分表,不过采用不同的hash算法,这样得出article_replay_1,article_replay_2,.......这样,你传ID过来,就能得到父表,子表的表名,这样就可以查出来了。

  26. 张映 留言

    不明白用户表为什么要设计成多表,如果个人信息比较多,可以把其他信息放到别的表里面去。登录的时候,用的还是一个表啊,该不会,把用户名放到一个表,密码放在另一个表吧。汗。

  27. re1d.com 留言

    数据库 select 一般都是封装好的 所以根据规则 对某表 主键ID 进行分析 得到 取那一个表

    改改也不是很麻烦! 如果是in(主键ID) 那就用第3个方法不错!

    请问用比方50W条一个表 已经分了100张表了~ merge 有自动划分 切割表的功能不?

  28. re1d.com 留言

    用merge效率 怎么样??

    速度怎么样呢~?

  29. 张映 留言

    效率没有事先分表快,可以用mysql自带的压力测试工具测试一下,或者写一个简单的程序,连接一下数据库,用ab等一些压力测试工具测试一下。

  30. raorao05 留言

    好文

  31. hitanku 留言

    第二种方法的问题可以使用DHT解决,加上好的性能,可以作为首选。

  32. eric 留言

    关于聊天室信息表的例子:如果我想查询某个聊天是所有的聊天记录,由于表是按照userid分的,记录已经分散在各个子表了,请问这种情况应该怎么处理呢?

  33. 张映 留言

    别根我说,聊天室没有建表,如果没有建表,每个人在不同的聊天室的聊天记录怎么记录,如果聊天室有表的话,根聊天室ID来查就行了.

  34. vito 留言

    你好,我想问一下,我在将一张表拆分多张表之后(结构一样),怎么进行多字段的模糊查询,需要所有的数据,假设拆了10张表,我是要依次对10张表查询还是连结起来查询?

  35. lin_FS 留言

    请问NDB对应的mysql集群 是水平分表 还是垂直分表?

  36. 张映 留言

    对集群来说,是为了分担数据库压力,集群中的每个mysql数据库都是一样的,数据都是一样多,做了同步。从其中意义上来说,可以说成是分表的一种。

  37. superficial 留言

    我也想问问题,不知道你还上博客不

  38. wyh 留言

    采用第三种方法的话,在原来的表上所做的各种视图、存储过程还能用么

  39. 张映 留言

    你可以在本地模拟试一下。

  40. sc 留言

    博主你好,我想请问下 分表的第二种方法,如果我定死了最多就有30张表,如何在get_hash_table()的时候,规定0-30之间的范围呢?? 我比较小白,请指点一下谢谢嘿

  41. sc 留言

    博主你好,我有个问题想请教一下,关于分表的第二个方法,如果我只想定死了最多30个表 那么在get_hash_table()的时候,怎么能取0-30范围的hash呢? 我比较小白,请指点一下哈

  42. 初学的蛋 留言

    学习!~学习了!~但是第三种方法压根没有听懂

  43. 唐文博客 留言

    学习了。。。

  44. wumofan 留言

    CREATE TABLE IF NOT EXISTS `alluser` (
    -> `id` int(11) NOT NULL AUTO_INCREMENT,
    -> `name` varchar(50) DEFAULT NULL,
    -> `sex` int(1) NOT NULL DEFAULT '0',
    -> INDEX(id)
    -> ) TYPE=MERGE UNION=(user1,user2) INSERT_METHOD=LAST AUTO_INCREMENT=1 ;
    TYPE=MERGE UNION=(user1,user2) INSERT_METHOD=LAST AUTO_INCREMENT=1 ;这儿报错?为啥?

  45. 张映 留言

    报什么错。帖出来。

  46. yonghu 留言

    mysql 分表用MRG_MyISAM 每次创建字表怎么自动更新主表中的union?

  47. 无意义 留言

    无意义.

  48. peterW 留言

    膜拜,博主,搞个RSS订阅功能呗

  49. 老秦人 留言

    跨表间的关联还是有问题啊

  50. ssxsqx 留言

    楼主,第三个方案“利用merge存储引擎来实现分表”中具体的a、b、c、d也没提到用merge引擎分表啊!您能再具体解释一下么?不好意思,我实在没看懂。