对于一个支撑日活百万用户的高并系统，如何设计它的数据库架构？
看到这个题目，很多人第一反应就是：
分库分表啊！
但是实际上，数据库层面的分库分表到底是用来干什么的，它的不同的作用如何应对不同的场景，可能很多同学都没搞清楚。
1. 用一个创业公司的发展作为背景引入
假如我们现在是一个小创业公司，注册用户就 20 万，每天活跃用户就 1 万，每天单表数据量就 1000，然后高峰期每秒钟并发请求最多就 10。
天哪！就这种系统，随便找一个有几年工作经验的高级工程师，然后带几个年轻工程师，随便干干都可以做出来。
因为这样的系统，实际上主要就是在前期快速的进行业务功能的开发，搞一个单块系统部署在一台服务器上，然后连接一个数据库就可以了。
接着大家就是不停的在一个工程里填充进去各种业务代码，尽快把公司的业务支撑起来，如下图所示。
结果呢，没想到我们运气这么好，碰上个优秀的 CEO 带着我们走上了康庄大道！
公司业务发展迅猛，过了几个月，注册用户数达到了 2000 万！每天活跃用户数 100 万！每天单表新增数据量达到 50 万条！高峰期每秒请求量达到 1 万！
同时公司还顺带着融资了两轮，估值达到了惊人的几亿美金！一只朝气蓬勃的幼年独角兽的节奏！
好吧，现在大家感觉压力已经有点大了，为啥呢？
因为每天单表新增 50 万条数据，一个月就多 1500 万条数据，一年下来单表会达到上亿条数据。
经过一段时间的运行，现在咱们单表已经两三千万条数据了，勉强还能支撑着。
但是，眼见着系统访问数据库的性能怎么越来越差呢，单表数据量越来越大，拖垮了一些复杂查询 SQL 的性能啊！
然后高峰期请求现在是每秒 1 万，咱们的系统在线上部署了 20 台机器，平均每台机器每秒支撑 500 请求，这个还能抗住，没啥大问题。
但是数据库层面呢？
如果说此时你还是一台数据库服务器在支撑每秒上万的请求，负责任的告诉你，每次高峰期会出现下述问题：
(1) 你的数据库服务器的磁盘IO、网络带宽、CPU负载、内存消耗，都会达到非常高的情况，数据库所在服务器的整体负载会非常重，甚至都快不堪重负了。
(2) 高峰期时，本来你单表数据量就很大，SQL性能就不太好，这时加上你的数据库服务器负载太高导致性能下降，就会发现你的 SQL 性能更差了。
(3) 最明显的一个感觉，就是你的系统在高峰期各个功能都运行的很慢，用户体验很差，点一个按钮可能要几十秒才出来结果。
(4) 如果你运气不太好，数据库服务器的配置不是特别的高的话，弄不好你还会经历数据库宕机的情况，因为负载太高对数据库压力太大了。
2. 多台服务器分库支撑高并发读写
首先我们先考虑第一个问题，数据库每秒上万的并发请求应该如何来支撑呢？
要搞清楚这个问题，先得明白一般数据库部署在什么配置的服务器上。
通常来说，假如你用普通配置的服务器来部署数据库，那也起码是16 核 32G 的机器配置。
这种非常普通的机器配置部署的数据库，一般线上的经验是：不要让其每秒请求支撑超过 2000，一般控制在 2000 左右。
控制在这个程度，一般数据库负载相对合理，不会带来太大的压力，没有太大的宕机风险。
所以首先第一步，就是在上万并发请求的场景下，部署个 5 台服务器，每台服务器上都部署一个数据库实例。
然后每个数据库实例里，都创建一个一样的库，比如说订单库。
此时在5台服务器上都有一个订单库，名字可以类似为：db_order_01，db_order_02，等等。
然后每个订单库里，都有一个相同的表，比如说订单库里有订单信息表，那么此时 5 个订单库里都有一个订单信息表。
比如 db_order_01 库里就有一个 tb_order_01 表，db_order_02 库里就有一个 tb_order_02 表。
这就实现了一个基本的分库分表的思路，原来的一台数据库服务器变成了 5 台数据库服务器，原来的一个库变成了 5 个库，原来的一张表变成了 5 个表。
然后你在写入数据的时候，需要借助数据库中间件，比如 sharding-jdbc，或者是 mycat，都可以。
你可以根据比如订单 id 来 hash 后按 5 取模，比如每天订单表新增 50 万数据，此时其中 10 万条数据会落入 db_order_01 库的 tb_order_01 表，另外 10 万条数据会落入 db_order_02 库的 tb_order_02 表，以此类推。
这样就可以把数据均匀分散在 5 台服务器上了，查询的时候，也可以通过订单 id 来 hash 取模，去对应的服务器上的数据库里，从对应的表里查询那条数据出来即可。
依据这个思路画出的图如下所示，大家可以看看。
做这一步有什么好处呢？
第一个好处，原来比如订单表就一张表，这个时候不就成了5张表了么，那么每个表的数据就变成 1/5 了。
假设订单表一年有 1 亿条数据，此时 5 张表里每张表一年就 2000 万数据了。
那么假设当前订单表里已经有 2000 万数据了，此时做了上述拆分，每个表里就只有 400 万数据了。
而且每天新增 50 万数据的话，那么每个表才新增 10 万数据，这样是不是初步缓解了单表数据量过大影响系统性能的问题？
另外就是每秒 1 万请求到 5 台数据库上，每台数据库就承载每秒 2000 的请求，是不是一下子把每台数据库服务器的并发请求降低到了安全范围内？
这样，降低了数据库的高峰期负载，同时还保证了高峰期的性能。
3. 大量分表来保证海量数据下的查询性能
但是上述的数据库架构还有一个问题，那就是单表数据量还是过大，现在订单表才分为了 5 张表，那么如果订单一年有 1 亿条，每个表就有 2000 万条，这也还是太大了。
所以还应该继续分表，大量分表。
比如可以把订单表一共拆分为 1024 张表，这样 1 亿数据量的话，分散到每个表里也就才 10 万量级的数据量，然后这上千张表分散在 5 台数据库里就可以了。
在写入数据的时候，需要做两次路由，先对订单 id hash 后对数据库的数量取模，可以路由到一台数据库上，然后再对那台数据库上的表数量取模，就可以路由到数据库上的一个表里了。
通过这个步骤，就可以让每个表里的数据量非常小，每年 1 亿数据增长，但是到每个表里才 10 万条数据增长，这个系统运行10年，每个表里可能才百万级的数据量。
这样可以一次性为系统未来的运行做好充足的准备，看下面的图，一起来感受一下：
4. 读写分离来支撑按需扩容以及性能提升
这个时候整体效果已经挺不错了，大量分表的策略保证可能未来 10 年，每个表的数据量都不会太大，这可以保证单表内的 SQL 执行效率和性能。
然后多台数据库的拆分方式，可以保证每台数据库服务器承载一部分的读写请求，降低每台服务器的负载。
但是此时还有一个问题，假如说每台数据库服务器承载每秒 2000 的请求，然后其中 400 请求是写入，1600 请求是查询。
也就是说，增删改的 SQL 才占到了 20% 的比例，80% 的请求是查询。
此时假如说随着用户量越来越大，假如说又变成每台服务器承载 4000 请求了。
那么其中 800 请求是写入，3200 请求是查询，如果说你按照目前的情况来扩容，就需要增加一台数据库服务器。
但是此时可能就会涉及到表的迁移，因为需要迁移一部分表到新的数据库服务器上去，是不是很麻烦？
其实完全没必要，数据库一般都支持读写分离，也就是做主从架构。
写入的时候写入主数据库服务器，查询的时候读取从数据库服务器，就可以让一个表的读写请求分开落地到不同的数据库上去执行。
这样的话，假如写入主库的请求是每秒 400，查询从库的请求是每秒 1600，那么图大概如下所示。
写入主库的时候，会自动同步数据到从库上去，保证主库和从库数据一致。
然后查询的时候都是走从库去查询的，这就通过数据库的主从架构实现了读写分离的效果了。
现在的好处就是，假如说现在主库写请求增加到 800，这个无所谓，不需要扩容。然后从库的读请求增加到了 3200，需要扩容了。
这时，你直接给主库再挂载一个新的从库就可以了，两个从库，每个从库支撑 1600 的读请求，不需要因为读请求增长来扩容主库。
实际上线上生产你会发现，读请求的增长速度远远高于写请求，所以读写分离之后，大部分时候就是扩容从库支撑更高的读请求就可以了。
而且另外一点，对同一个表，如果你既写入数据（涉及加锁），还从该表查询数据，可能会牵扯到锁冲突等问题，无论是写性能还是读性能，都会有影响。
所以一旦读写分离之后，对主库的表就仅仅是写入，没任何查询会影响他，对从库的表就仅仅是查询。
5. 高并发下的数据库架构设计总结
其实从大的一个简化的角度来说，高并发的场景下，数据库层面的架构肯定是需要经过精心的设计的。
尤其是涉及到分库来支撑高并发的请求，大量分表保证每个表的数据量别太大，读写分离实现主库和从库按需扩容以及性能保证。
这篇文章就是从一个大的角度来梳理了一下思路，各位同学可以结合自己公司的业务和项目来考虑自己的系统如何做分库分表应该怎么做。
另外就是，具体的分库分表落地的时候，需要借助数据库中间件来实现分库分表和读写分离，大家可以自己参考 sharding-jdbc 或者 mycat 的官网即可，里面的文档都有详细的使用描述。
————————————————
版权声明：本文为CSDN博主「石杉的架构笔记」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_42046105/article/details/126410162
标签：数据量,架构,请求,数据库,日活,服务器,分表,设计,从库 From： https://www.cnblogs.com/tkuang/p/16720425.html