正文

我們知道在分庫分表中對于toC業(yè)務來說，需要選擇用戶屬性如 user_id 作為分片鍵，不推薦使用order_id這樣的作為分片鍵。

那問題來了，對于訂單表來說，選擇了user_id作為分片鍵以后如何查看訂單詳情呢？比如下面這樣一條SQL：

SELECT * FROM T_ORDER WHERE order_id = 801462878019256325

由于查詢條件中的order_id不是分片鍵，所以需要查詢所有分片才能得到最終的結(jié)果。如果下面有 1000 個分片，那么就需要執(zhí)行 1000 次這樣的 SQL，這時性能就比較差了。

可以通過ShardingSphere-JDBC生成的SQL得知，根據(jù)order_id查詢會對所有分片進行查詢?nèi)缓笸ㄟ^UNION ALL進行合并。

但是，我們知道 order_id 是主鍵，應該只有一條返回記錄，也就是說，order_id 只存在于一個分片中。這時，可以有以下三種設計：

• 冗余數(shù)據(jù)法
• 索引表法
• 基因分片法

當然，這三種設計的本質(zhì)都是通過冗余實現(xiàn)空間換時間的效果，否則就需要掃描所有的分片，當分片數(shù)據(jù)非常多，效率就會變得極差。

下面我們逐一分析。

設計一：冗余法

這種做法很容易理解，同一份訂單數(shù)據(jù)在插入時保存兩份，根據(jù)user_id 和 order_id分別做兩個分庫分表的實現(xiàn)。

通過對表進行冗余，對于 order_id 的查詢，只需要在 order_id = 801462878019256325 的分片中直接查詢就行，效率最高。但是這個方案設計的缺點又很明顯：冗余數(shù)據(jù)量太大。

方法二：索引表法

索引表法是對第一種冗余法的改進，由于第一種方案冗余的數(shù)據(jù)量太大，所以索引表方案中只創(chuàng)建一個包含user_id和order_id的索引表，在插入訂單時再插入一條數(shù)據(jù)到索引表中。

表結(jié)構(gòu)如下

CREATE TABLE idx_orderid_userid （
  order_id bigint
  user_id bigint,
  PRIMARY KEY (order_id)
)

在實現(xiàn)時可以將idx_orderid_userid表通過Redis緩存來代替，如果此表數(shù)據(jù)量很大也可以將其分庫分表，但是它的分片鍵是 order_id。

如果這時再根據(jù)字段 order_id 進行查詢，可以進行類似二級索引的回表實現(xiàn)：先通過查詢索引表得到記錄 order_id = 801462878019256325 對應的分片鍵 user_id 的值，接著再根據(jù) user_id 進行查詢，最終定位到想要的數(shù)據(jù)，如：

原始SQL：

SELECT * FROM T_ORDER WHERE order_id = 801462878019256325

拆分后的SQL：

# step 1
SELECT user_id FROM idx_orderid_userid 
WHERE order_id = 801462890610556951
?
# step 2
SELECT * FROM T_ORDER 
WHERE user_id = ? AND order_id = 801462890610556951

這個例子是將一條 SQL 語句拆分成 2 條 SQL 語句，但是拆分后的 2 條 SQL 都可以通過分片鍵進行查詢，這樣能保證只需要在單個分片中完成查詢操作。不論有多少個分片，也只需要查詢 2個分片的信息，這樣 SQL 的查詢性能可以得到極大的提升。

方法三：基因法

通過索引表的方式，雖然存儲上較冗余全表容量小了很多，但是要根據(jù)另一個分片鍵進行數(shù)據(jù)的存儲，還是顯得不夠優(yōu)雅。

因此，最優(yōu)的設計，不是創(chuàng)建一個索引表，而是將分片鍵的信息保存在想要查詢的列中，這樣通過查詢的列就能直接知道所在的分片信息，這種方法也叫叫做基因法。

基因法的原理出自一個理論：對一個數(shù)取余2的n次方，那么余數(shù)就是這個數(shù)的二進制的最后n位數(shù)。

假如我們現(xiàn)在根據(jù)user_id進行分片，采用user_id % 16的方式來進行數(shù)據(jù)庫路由，這里的user_id%16，其本質(zhì)是user_id的最后4個bit位 log(16,2) = 4 決定這行數(shù)據(jù)落在哪個分片上，這4個bit就是分片基因。

如上圖所示，user_id=20160169的用戶創(chuàng)建了一個訂單（20160169的二進制表示為：1001100111001111010101001)

• 使用user_id%16分片，決定這行數(shù)據(jù)要插入到哪個分片中
• 分庫基因是user_id的最后4個bit，log(16,2) = 4，即1001
• 在生成order_id時，先使用一種分布式ID生成算法生成前60bit（上圖中綠色部分）
• 將分庫基因加入到order_id的最后4個bit（上圖中粉色部分）
• 拼裝成最終的64bit訂單order_id（上圖中藍色部分）

這樣保證了同一個用戶創(chuàng)建的所有訂單都落到了同一個分片上，order_id的最后4個bit都相同，于是：

• 通過user_id %16 能夠定位到分片
• 通過order_id % 16也能定位到分片

不好理解的話，可以看下面這段代碼：

@Test
public void modIdTest(){
    long userID = 20160169L;
    //分片數(shù)量
    int shardNum = 16;
    String gen = getGen(userID, shardNum);
    log.info("userID:{}的基因為:{}",userID,gen);
    long snowId = IdWorker.getId(Order.class);
    log.info("雪花算法生成的訂單ID為{}",snowId);
    Long orderId = buildGenId(snowId,gen);
    log.info("基因轉(zhuǎn)換后的訂單ID為{}",orderId);
?
    Assert.assertEquals(orderId % shardNum , userID % shardNum);
}

運行結(jié)果如下：

原始訂單ID為1595662702879973377，通過基因轉(zhuǎn)換后ID變成了1595662702879973385，對于用戶id 和 新生成的訂單id對其取模結(jié)果一樣。

上面那種做法是基因替換，替換掉訂單id的分片基因。下面這種做法就更顯直接。

將訂單表 orders 的主鍵設計為一個字符串，這個字符串中最后一部分包含分片鍵的信息，如：

order_id = string（order_id + user_id）

那么這時如果根據(jù) order_id 進行查詢：

SELECT * FROM T_ORDER
WHERE order_id = '1595662702879973377-20160169';

由于字段 order_id 的設計中直接包含了分片鍵信息，所以我們可以直接通過分片鍵部分直接定位到分片上。

同樣地，在插入時，由于可以知道插入時 user_id 對應的值，所以只要在業(yè)務層做一次字符的拼接，然后再插入數(shù)據(jù)庫就行了。

這樣的實現(xiàn)方式較冗余表和索引表的設計來說，效率更高，查詢時可以直接定位到數(shù)據(jù)對應的分片信息，只需 1 次查詢就能獲取想要的結(jié)果。

這樣實現(xiàn)的缺點是，主鍵值會變大一些，存儲也會相應變大。但是只要主鍵值是有序的，插入的性能就不會變差。而通過在主鍵值中保存分片信息，卻可以大大提升后續(xù)的查詢效率，這樣空間換時間的設計，總體上看是非常值得的。

實際上淘寶的訂單號也是這樣構(gòu)建的

上圖是我的淘寶訂單信息，可以看到，訂單號的最后 6 位都是 607041，所以可以大概率推測出：

• 淘寶訂單表的分片鍵是用戶 ID；
• 淘寶訂單表，訂單表的主鍵包含用戶 ID，也就是分片信息。這樣通過訂單號進行查詢，可以獲得分片信息，從而查詢 1 個分片就能得到最終的結(jié)果。

小結(jié)

分庫分表后需要遵循一個基本原則：所有的查詢盡量帶上sharding key，有時候業(yè)務需要根據(jù)技術限制進行妥協(xié)，那種既要...又要...就是在耍流氓。

當然有些業(yè)務場景確實沒辦法避免，對于非sharding key的查詢可以參考上面三種方案實現(xiàn)，不過實際上只能算兩種。

曾經(jīng)在面試時我還被問到過這個問題～

今天的文章是屬于理論知識，Talk is cheap,Show me the code! 接下來兩篇文章我將結(jié)合ShardingSphere-JDBC實現(xiàn)上述兩種方案，更多關于分庫分表非分片鍵查詢的資料請關注腳本之家其它相關文章！