图文并茂 | 水平分表的路由策略有哪些？什么是一致性哈希？

什么是水平分表

水平分表就是指以行为单位对数据进行拆分，将数据分别存储在多个相同表结构的表中。

一般是在数据量较大的情况使用，可以减轻数据库压力，提高效率。

从字面的意思看很好理解，就是划定一个范围，比如第 0-1000 条数据放表一，1001-2000条放表二，以此类推；或者按照时间范围进行分表。

这样分表的好处是，扩容比较方便，一旦数据达到阈值需要进行扩容，只需要再加个表，往后的数据直接放新表。

但是缺点也比较明显，容易造成倾斜，存在读写偏移的情况，造成单表压力过大。

比如交易流水，每次发生交易都会往新表写，在查询习惯上，用户查最新的交易会比较多。

将分表 key 和表的映射关系存放在一张单独的表上，每次操作都先查询映射表，然后得到具体的表。比如设置一个中间表，其中一个字段是数据的 id，另一个字段是表的 id。

这样的优点就是比较灵活，可以自己定数据位置。

缺点呢，就是中间表的数据会不断扩张，就算可以对其进行水平分表，但这样也形成一个恶性循环。
而且使得查询流程增加，一旦有多个中间表就得每个都查一遍。

Hash 分表是将特定列或者特定的某几个列进行 hash 计算，然后路由到具体分表上。

比如说有三个分表，那可以进行哈希取模，结果为 1 的就放表一，为 2 就放表二，由此类推。

hash 分表的优点是可以使数据比较均衡的分布到每张分表中，但可扩展性比较差。

举个栗子，假如原先 3 个分表，现在再加一张，存量数据的 hash 值则需要重新计算以确定分发到哪张表，然后将数据进行迁移，一旦发生迁移，可用性就会降低。

在实际应用中，hash 分表其实是用得比较多的，但是普通哈希存在上述问题，那怎么办呢？

一致性 hash 算法的出现，解决了上述问题，它是分布式哈希算法，用于在分布式系统中解决节点动态变化带来的数据迁移问题。

假定有 2^32 个点组成一个环，有 3 个分表，然后我们用表的编号进行哈希计算后除以 2^32 取模后放到环上；

然后将数据也进行哈希计算后除以 2^32 取模后放到环上；

之后数据按照顺时针方向查找表，遇到的第一个表就存进去。

通过这样的方式，可以减少当修改节点时需要迁移的数据量。假设我们在 A3 和 A1 之间加一个表，那么需要迁移的数据就只有原本属于 A1 的部分数据。

但是一次性 hash 算法也存在问题，那就是当节点比较集中的情况下，就会导致数据倾斜，即大量的数据会存储在某些节点。

那么，这有什么解决办法吗？

当然是有的，一般是增加虚拟节点，即每张物理表映射出一个或多个虚拟节点，分布在环上，使得数据的存储更均匀（为了方便，每个节点只画了一个虚拟节点，真实场景一般需要多一些）。

当需要对数据进行读写的情况，只需要找到虚拟节点，然后再找到对应的真实节点，读取其数据即可。

点击下方名片关注【大数据的奇妙冒险】

文章转载自大数据的奇妙冒险，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。