问题

分库分表的策略有哪些？

答案

1. 核心概念

分库分表策略本质上是数据路由算法，用于决定一条数据应该存储在哪个库、哪张表中。选择合适的分片策略直接影响系统的查询性能、扩展性和数据均衡性。

2. 主要分片策略

2.1 范围分片（Range Sharding）

原理：按某个字段的值范围划分，如按ID、时间等

优点：

• 范围查询效率高
• 扩容时只需新增分片
• 数据分布直观，便于运维

缺点：

• 容易出现数据热点
• 分布可能不均匀

实现示例：

// 按订单ID范围分表
public class RangeShardingStrategy {

    public String route(Long orderId) {
        if (orderId < 10_000_000) {
            return "order_0";
        } else if (orderId < 20_000_000) {
            return "order_1";
        } else if (orderId < 30_000_000) {
            return "order_2";
        } else {
            return "order_3";
        }
    }
}

// 按时间范围分表（常用于日志、订单等场景）
public class TimeRangeShardingStrategy {

    public String route(Date createTime) {
        String yearMonth = new SimpleDateFormat("yyyyMM").format(createTime);
        return "order_" + yearMonth;  // order_202501, order_202502...
    }
}

适用场景：

• 订单表按月份归档
• 日志表按日期分表
• 有明确范围查询需求的业务

2.2 哈希取模分片（Hash Modulo）

原理：对分片键进行哈希运算后取模

优点：

• 数据分布均匀
• 实现简单
• 避免热点问题

缺点：

• 扩容困难（需要数据迁移）
• 范围查询需要访问所有分片

实现示例：

// 按用户ID哈希分库分表
public class HashModuloStrategy {

    private static final int DB_COUNT = 4;    // 4个数据库
    private static final int TABLE_COUNT = 8; // 每个库8张表

    // 分库路由
    public String routeDatabase(Long userId) {
        int dbIndex = Math.abs(userId.hashCode() % DB_COUNT);
        return "db_" + dbIndex;  // db_0, db_1, db_2, db_3
    }

    // 分表路由
    public String routeTable(Long userId) {
        int tableIndex = Math.abs(userId.hashCode() % TABLE_COUNT);
        return "user_" + tableIndex;  // user_0 ~ user_7
    }

    // 完整路由
    public ShardingTarget route(Long userId) {
        return new ShardingTarget(
            routeDatabase(userId),
            routeTable(userId)
        );
    }
}

适用场景：

• 数据分布要求均匀
• 主要是点查询（根据ID查询）
• 分片数量相对固定

2.3 一致性哈希（Consistent Hashing）

原理：使用哈希环，节点和数据都映射到环上，数据存储到顺时针最近的节点

优点：

• 扩容时只影响相邻节点
• 数据迁移量小

缺点：

• 实现复杂
• 可能出现数据倾斜（通过虚拟节点解决）

实现示例：

public class ConsistentHashStrategy {

    private final TreeMap<Long, String> ring = new TreeMap<>();
    private final int virtualNodes = 150;  // 虚拟节点数

    // 添加物理节点
    public void addNode(String node) {
        for (int i = 0; i < virtualNodes; i++) {
            String virtualNode = node + "#" + i;
            long hash = hash(virtualNode);
            ring.put(hash, node);
        }
    }

    // 路由到目标节点
    public String route(Long userId) {
        long hash = hash(String.valueOf(userId));
        // 找到顺时针方向最近的节点
        Map.Entry<Long, String> entry = ring.ceilingEntry(hash);
        if (entry == null) {
            entry = ring.firstEntry();  // 环形结构
        }
        return entry.getValue();
    }

    private long hash(String key) {
        return MurmurHash.hash64(key);  // 使用MurmurHash
    }
}

适用场景：

• 需要频繁扩容的场景
• 分布式缓存（Redis集群）
• 节点动态变化的系统

2.4 地理位置分片（Geo Sharding）

原理：按地理位置（地区、城市）划分

实现示例：

public class GeoShardingStrategy {

    private static final Map<String, String> REGION_DB_MAP = Map.of(
        "华北", "db_north",
        "华东", "db_east",
        "华南", "db_south",
        "西南", "db_southwest"
    );

    public String route(String region) {
        return REGION_DB_MAP.getOrDefault(region, "db_default");
    }
}

适用场景：

• 跨国/跨地区业务
• 就近访问，减少延迟
• 数据主权要求（如GDPR）

2.5 复合分片策略

原理：组合多种策略，先分库再分表

实现示例：

public class CompositeShardingStrategy {

    private static final int DB_COUNT = 4;
    private static final int TABLE_COUNT = 16;

    public ShardingTarget route(Long userId) {
        // 先按用户ID哈希分库
        int dbIndex = Math.abs(userId.hashCode() % DB_COUNT);

        // 再按用户ID取模分表
        int tableIndex = (int) (userId % TABLE_COUNT);

        return new ShardingTarget(
            "db_" + dbIndex,
            "user_" + tableIndex
        );
    }
}

3. 分片策略对比

策略	数据均匀性	扩容难度	范围查询	实现复杂度	典型应用
范围分片	⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐	订单归档、日志
哈希取模	⭐⭐⭐⭐⭐	⭐⭐	⭐	⭐⭐⭐	用户表、订单表
一致性哈希	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐	⭐⭐⭐⭐	缓存、动态扩容场景
地理分片	⭐⭐⭐	⭐⭐⭐	⭐⭐⭐	⭐⭐⭐	国际化业务

4. 分片键的选择原则

// 好的分片键特征：
// 1. 高基数（Cardinality）：取值范围广，分布均匀
// 2. 查询常用：大部分查询都包含分片键
// 3. 不可变性：分片键值不应频繁更新

// 示例：订单表的分片键选择
public class OrderShardingKeyChoice {

    // ❌ 不好的选择：订单状态（基数低，只有几个值）
    String shardingKey1 = order.getStatus();

    // ❌ 不好的选择：创建时间（范围查询多，但会造成热点）
    Date shardingKey2 = order.getCreateTime();

    // ✅ 推荐选择：订单ID（高基数、均匀分布、不可变）
    Long shardingKey3 = order.getOrderId();

    // ✅ 也可选择：用户ID（如果按用户查询订单是主要场景）
    Long shardingKey4 = order.getUserId();
}

5. 实际应用建议

5.1 订单表分片策略

// 推荐：用户ID哈希 + 订单ID范围
public class OrderShardingStrategy {

    public ShardingTarget route(Long userId, Long orderId) {
        // 按用户ID哈希分库（保证同一用户的订单在同一个库）
        int dbIndex = Math.abs(userId.hashCode() % 4);

        // 按订单ID取模分表
        int tableIndex = (int) (orderId % 16);

        return new ShardingTarget("db_" + dbIndex, "order_" + tableIndex);
    }
}

5.2 用户表分片策略

// 推荐：用户ID哈希取模
public class UserShardingStrategy {

    public ShardingTarget route(Long userId) {
        int dbIndex = Math.abs(userId.hashCode() % 4);
        int tableIndex = (int) (userId % 8);

        return new ShardingTarget("db_" + dbIndex, "user_" + tableIndex);
    }
}

6. 核心要点总结

1. 哈希取模是最常用的策略，数据分布均匀，但扩容困难
2. 范围分片适合时间序列数据，如日志、订单归档
3. 一致性哈希适合动态扩容场景，如缓存系统
4. 分片键的选择至关重要：高基数、查询常用、不可变
5. 实际应用中常采用复合策略：分库和分表使用不同的策略
6. 预留扩展空间：初期可以分多一些表（如256张），按需启用