分库分表

分库分表：分库可以提升IO性能，扩展连接数；分表可以提高查询性能

常见的分库分表策略：

• 取模均匀分
• 按照范围分
• 根据业务场景分

动态扩缩容的方式

分库分表的中间件：

• ShardingSphere：Apache的分库分表组件，支持的策略

  • inline策略：根据单一分片键进行精确分片，不支持范围查询
  • Standard策略：根据单一分片键进行精确和范围分片。支持between
  • Complex策略：根据多个分片键进行精准和范围查询
  • Hint策略：使用和SQL无关的方式进行分片查询

全分片查询时效率最低的，也就是会把所有的分库分表都查询一遍

动态切换数据源和查询分库分表策略的区别？

• 动态切换数据源和SQL无关。根据指定的内容明确查询的库表
• 查询分库分表策略是根据SQL和策略来判断查询某一个库表

分库分表常见问题：

• 想要根据非分片键进行查询怎么办：基因法多分片查询。使用userId + 其他查询键，两个之间建立关联关系。但是限制就是只能两个字段
• 如果想要根据多个非分片键进行查询怎么办：根据键建立对应关系。比如username，库id、表id。建立倒排索引

分布式唯一主键方案（生成一个全局唯一的ID）

• 使用redis的incr
• 雪花算法snowflake：
  • 总共生成64位的数，第一位空置；接下来41位是当前机器生成的机器时间戳（有可能不准。时间回拨问题）；接下来10位是机器id；最后12位是序列号
  • 时间回拨解决方式：判断上次与本次的时间差。可以直接进行sleep

• UUID：UUID.randomUUID().toString().repalaceAll("-", "")
  • ①、生成的主键是字符串的，如果作为主键使用的话，B+树的排序、范围查询的比较效率就很低；
  • ②、也不保证严格递增

读写分离

• 主库负责写；从库负责读