【大数据&云计算|作为数据库核心成员，如何让淘宝不卡顿？】

本文插图
拆分表的数据访问——SQL转发
其中拆分和寻找的算法：怎么知道对应哪个表？即自动路由算法 。 常见的有：固定哈希算法和一致性哈希算法 。
a）固定哈希算法

本文插图
b）一致性哈希算法
一致性哈希算法在1997年由麻省理工学院提出 ， 是一种特殊的哈希算法 ， 目的是解决分布式缓存的问题 。
一致性哈希算法的优势：
极好的应对了服务器宕机的场景 。
很好的支持后期服务器扩容 。
在引入虚拟节点后：能很好的平衡各节点的数据分布 。
由于一致性哈希算法的优势 ， 此算法几乎是所有分布式场景下使用的方案 ， 包括mysql的分布式、redis的分布式等 。

本文插图
（2） 结果合并

本文插图
升华：引入fork-Join ， 提升操作速度（多线程并发重点场景 ， 代码中也很常用哦） 。
任务拆分
多路并行操作
结果合并

本文插图
（3）全局唯一主键
优势：简单高效 。
缺点：无法保证自增顺序 。
例：
表1新增一条数据 ， 于是给表1分配1000个主键ID ，直到它用完 。
同理 ， 表2、表3在新增数据时 ， 也给它们分配1000个主键ID 。 直到它用完 。
当它们的1000个主键ID用完后 ， 继续给它们分配1000个即可 。
重复下去 ， 可保证各库表上的主键不重叠 ， 唯一 。

本文插图
这种产生全局唯一id的方式相当有效 ， 保证基本的全局唯一特性和高性能的同时 ， 可以对生成id的数据库分机架分机房部署达到容灾的目的 。
4.2.6 分表分库总结

本文插图
架构师角度：
优先考虑缓存降低对数据库的读操作 。
再考虑读写分离 ， 降低数据库写操作 。
最后开始数据拆分 ， 切分模式：首先垂直（纵向）拆分、再次水平拆分 。
首先考虑按照业务垂直拆分 。
再考虑水平拆分：先分库(设置数据路由规则 ， 把数据分配到不同的库中) 。
最后再考虑分表 ， 单表拆分到数据1000万以内 。
个人开发角度：
优先使用分表分库框架（直接使用） 。
优先考虑缓存降低对数据库的读操作 。
自己垂直分表 。
自己水平分表 。
之所以先垂直拆分才水平拆分 ， 是因为垂直拆分后数据业务清晰而且单一 ， 更加方便指定水平的标准 。
4.3 分布式化
分布式化是大潮 ， 是大规模服务器最后都要走的一步 。

本文插图
分布式数据库架构演变
4.3.1 读写分离
设计读写分离的数据库 ， 有两大意义：
主从只负责各自的写和读 ， 极大程度的缓解X锁和S锁的竞争 。
从库可配置myisam引擎 ， 提升查询性能以及节约系统开销 。
说明：myisam查询效率高于默认的innodb效率 。 参考：myisam和innodb的区别 。

• 大数据&云计算长飞公司亮相2020中国国际信息通信展览会
• 新华社|新冠检测慢　美政府拿实验室经费开刀
• 金十数据|澳大利亚铁矿石对华出口会受影响吗？，中国1年买超6亿吨！煤炭之后
• 丁祖昱|数据中心成投资新风口“数字地产”受青睐
• 数据|4.9%：三季度经济强劲复苏
• 增长|0.7%，一个标志性数据！
• 证监会网站|最新进展！蚂蚁集团赴港上市获得证监会许可，A+H计划持续推进，对A股资金面影响几何？
• 最高检网站|最高检：多个反映办案质量数据呈现积极变化
• 周到|300+平方米展台，ACCESS集团将携8大国际品牌首次亮相进博会
• 第一财经|中国GDP数据提振市场情绪 美股集体高开