當業(yè)務(wù)規(guī)模達到一定規(guī)模之后，像淘寶日訂單量在5000萬單以上，美團3000萬單以上。數(shù)據(jù)庫面對海量的數(shù)據(jù)壓力，分庫分表就是必須進行的操作了。而分庫分表之后一些常規(guī)的查詢可能都會產(chǎn)生問題，最常見的就是比如分頁查詢的問題。一般我們把分表的字段稱作shardingkey，比如訂單表按照用戶ID作為shardingkey，那么如果查詢條件中不帶用戶ID查詢怎么做分頁？又比如更多的多維度的查詢都沒有shardingkey又怎么查詢？

唯一主鍵

一般我們數(shù)據(jù)庫的主鍵都是自增的，那么分表之后主鍵沖突的問題就是一個無法避免的問題，最簡單的辦法就是以一個唯一的業(yè)務(wù)字段作為唯一的主鍵，比如訂單表的訂單號肯定是全局唯一的。 常見的分布式生成唯一ID的方式很多，最常見的雪花算法Snowflake、滴滴Tinyid、美團Leaf。以雪花算法舉例來說，一毫秒可以生成4194304多個ID。第一位不使用，默認都是0，41位時間戳精確到毫秒，可以容納69年的時間，10位工作機器ID高5位是數(shù)據(jù)中心ID，低5位是節(jié)點ID，12位序列號每個節(jié)點每毫秒累加，累計可以達到2^12 4096個ID。

分表

第一步，分表后要怎么保證訂單號的唯一搞定了，現(xiàn)在考慮下分表的問題。首先根據(jù)自身的業(yè)務(wù)量和增量來考慮分表的大小。 舉個例子，現(xiàn)在我們?nèi)諉瘟渴?0萬單，預估一年后可以達到日100萬單，根據(jù)業(yè)務(wù)屬性，一般我們就支持查詢半年內(nèi)的訂單，超過半年的訂單需要做歸檔處理。 那么以日訂單100萬半年的數(shù)量級來看，不分表的話我們訂單量將達到100萬X180=1.8億，以這個數(shù)據(jù)量級部分表的話肯定單表是扛不住的，就算你能扛RT的時間你也根本無法接受吧。根據(jù)經(jīng)驗單表幾百萬的數(shù)量對于數(shù)據(jù)庫是沒什么壓力的，那么只要分256張表就足夠了，1.8億/256≈70萬，如果為了保險起見，也可以分到512張表。那么考慮一下，如果業(yè)務(wù)量再增長10倍達到1000萬單每天，分表1024就是比較合適的選擇。 通過分表加上超過半年的數(shù)據(jù)歸檔之后，單表70萬的數(shù)據(jù)就足以應(yīng)對大部分場景了。接下來對訂單號hash，然后對256取模的就可以落到具體的哪張表了。

那么，因為唯一主鍵都是以訂單號作為依據(jù)，以前你寫的那些根據(jù)主鍵ID做查詢的就不能用了，這就涉及到了歷史一些查詢功能的修改。不過這都不是事兒對吧，都改成以訂單號來查就行了。這都不是問題，問題在我們的標題說的點上。

C端查詢

說了半天，總算到了正題了，那么分表之后查詢和分頁查詢的問題怎么解決？ 首先說帶shardingkey的查詢，比如就通過訂單號查詢，不管你分頁還是怎么樣都是能直接定位到具體的表來查詢的，顯然查詢是不會有什么問題的。 如果不是shardingkey的話，上面舉例說的以訂單號作為shardingkey的話，像APP、小程序這種一般都是通過用戶ID查詢，那這時候我們通過訂單號做的sharding怎么辦？很多公司訂單表直接用用戶ID做shardingkey，那么很簡單，直接查就完了。那么訂單號怎么辦，一個很簡單的辦法就是在訂單號上帶上用戶ID的屬性。舉個很簡單的例子，原本41位的時間戳你覺得用不完，用戶ID是10位的，訂單號的生成規(guī)則帶上用戶ID，落具體表的時候根據(jù)訂單號中10位用戶ID hash取模，這樣無論根據(jù)訂單號還是用戶ID查詢效果都是一樣的。 當然，這種方式只是舉例，具體的訂單號生成的規(guī)則，多少位，包含哪些因素根據(jù)自己的業(yè)務(wù)和實現(xiàn)機制來決定。

好，那么無論你是訂單號還是用戶ID作為shardingkey，按照以上的兩種方式都可以解決問題了。那么還有一個問題就是如果既不是訂單號又不是用戶ID查詢怎么辦？最直觀的例子就是來自商戶端或者后臺的查詢，商戶端都是以商戶或者說賣家的ID作為查詢條件來查的，后臺的查詢條件可能就更復雜了，像我碰到的有些后臺查詢條件能有幾十個，這怎么查？？？別急，接下來分開說B端和后臺的復雜查詢。 現(xiàn)實中真正的流量大頭都是來自于用戶端C端，所以本質(zhì)上解決了用戶端的問題，這個問題就解了大半，剩下來自商戶賣家端B端、后臺支持運營業(yè)務(wù)的查詢流量并不會很大，這個問題就好解。

其他端查詢

針對B端的非shardingkey的查詢有兩個辦法解決。雙寫，雙寫就是下單的數(shù)據(jù)落兩份，C端和B端的各自保存一份，C端用你可以用單號、用戶ID做shardingkey都行，B端就用商家賣家的ID作為shardingkey就好了。有些同學會說了，你雙寫不影響性能嗎？因為對于B端來說輕微的延遲是可以接受的，所以可以采取異步的方式去落B端訂單。你想想你去淘寶買個東西下單了，賣家稍微延遲個一兩秒收到這個訂單的消息有什么關(guān)系嗎？你點個外賣商戶晚一兩秒收到這個訂單有什么太大影響嗎？

這是一個解決方案，另外一個方案就是走離線數(shù)倉或者ES查詢，訂單數(shù)據(jù)落庫之后，不管你通過binlog還是MQ消息的都形式，把數(shù)據(jù)同步到數(shù)倉或者ES，他們支持的數(shù)量級對于這種查詢條件來說就很簡單了。同樣這種方式肯定是稍微有延遲的，但是這種可控范圍的延遲是可以接受的。

而針對管理后臺的查詢，比如運營、業(yè)務(wù)、產(chǎn)品需要看數(shù)據(jù)，他們天然需要復雜的查詢條件，同樣走ES或者數(shù)倉都可以做得到。如果不用這個方案，又要不帶shardingkey的分頁查詢，兄弟，這就只能掃全表查詢聚合數(shù)據(jù)，然后手動做分頁了，但是這樣查出來的結(jié)果是有限制的。 比如你256個片，查詢的時候循環(huán)掃描所有的分片，每個片取20條數(shù)據(jù)，最后聚合數(shù)據(jù)手工分頁，那必然是不可能查到全量的數(shù)據(jù)的。

總結(jié)

分庫分表后的查詢問題，對于有經(jīng)驗的同學來說其實這個問題都知道，但是我相信其實大部分同學做的業(yè)務(wù)可能都沒來到這個數(shù)量級，分庫分表可能都停留在概念階段，面試被問到后就手足無措了，因為沒有經(jīng)驗不知道怎么辦。 分庫分表首先是基于現(xiàn)有的業(yè)務(wù)量和未來的增量做出判斷，比如拼多多這種日單量5000萬的，半年數(shù)據(jù)得有百億級別了，那都得分到4096張表了對吧，但是實際的操作是一樣的，對于你們的業(yè)務(wù)分4096那就沒有必要了，根據(jù)業(yè)務(wù)做出合理的選擇。 對于基于shardingkey的查詢我們可以很簡單的解決，對于非shardingkey的查詢可以通過落雙份數(shù)據(jù)和數(shù)倉、ES的方案來解決，當然，如果分表后數(shù)據(jù)量很小的話，建好索引，掃全表查詢其實也不是什么問題。

責任編輯：xj

原文標題：百億級數(shù)據(jù)分表后，該怎么分頁查詢？

文章出處：【微信公眾號：數(shù)據(jù)分析與開發(fā)】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。