亿万级分库分表后如何进行跨表分页查询
共 28754字,需浏览 58分钟
·
2023-05-18 12:14
在常规的应用系统开发中,很少会涉及到需要对数据进行分库或者分表的操作,多数情况下,我们习惯使用ORM带来的便利,且使用连接查询是一种高效率的开发方式,就算涉及到分表的场景,很多时候也都可以使用ORM自带的分表规则来解决问题。
比如在电商场景中,用户和订单是属于重点增量的数据,通常情况下,或者按用户编号取模或者按订单编号取模进行分表,按便利性来区分,可以使用按用户编号分表解决后续跨表分页查询问题,这也是推荐的方式之一。
据说淘宝采用的是双写订单,即客户和商家各自一套冗余数据库,再指向订单表,这样做可以规避资源抢夺的问题。
分表后查询的多种方法全局表查询
顾名思义,全局查询就是将分表后的数据主键再集中存储到一张表中,由于全局表只存储很简单的编号信息,查询效率相对较高,但是在数据持续增长的情况下,压力也越来越大。
禁止跳页查询
禁止跳页查询在移动互联网中广泛被应用,这种方法的原理是在查询中摒弃舍弃传统的Page,转而使用一个timestamp时间戳来代码页码,下一页的查询总是在上一页的最后一条记录的时间戳之后,当客户端拉取不到任何数据的时候,即可停止分页。
这种方法带的一个问题就是不允许进行跳转分页,并且会带来冗余查询的问题,比如需要查询多张表后才得到PageSize需要的数据量,只能按部就班的往下查询,不能进行并行查询。特别致命的是,此方法还将带来重复数据的问题。对数据精度要求不高的场景可以采用。
按日期的二次查询法
按日期的二次查询法号称可以解决分页带来的性能和精度问题,具体原理为,先将分页跳过的数据量平均分布到所有表中,如 Page=10,PageSize=50,如果有5个分表,则SQL语句:page=page/5,LIMIT 2,10;分别对5张表进行查询,得到5个结果集,此时,5个结果集里面分别有10条数据,其中下标0和rn-1的结果分别是当前结果集中的最小和最大时间戳(maxTimestamp),通过比较5张表的返回记录得到一个最小的时间戳 minTimestamp,再将这个最小的时间戳带入SQL条件进行二次查询,SQL代码
-
SELECT * FROM TABLE_NAME WHERE Timestamp BETWEEN @minTimestamp AND @maxTimestamp ORDER BY Timestamp
通过上面的代码,可以从数据库中得到一个完全的结果集,然后在内存中将5个结果集合并排序,取分页数据即可。看起来无懈可击,完美解决了上面两种分页查询引起的问题。实际上我个人认为,这里面还是有一些需要注意的地方,比如由于分表规则的问题导致第一次查询的表比较多(可能几千张表),又或者在二次查询中,某个区间的数据比较大,最后就是在内存中合并结果集也会造成性能问题。
这种查询方法还是解决了精度的问题,也部分解决了性能问题,特别是在取模分表的场景,数据随机性比较大的情况下,还是非常有用的。
大数据集成法
当数据量达到一定程度的时候,可以考虑上ELK或者其它大数据套件,可以很好的解决分页带的影响。
NewSql法
如果有条件,可以迁移数据库到NewSql类型的数据库上,NewSql数据库属于分布式数据库,既有关系数据库的优点又可以无限扩表,通常还支持关系数据库间的无障碍迁移,比如国产的TiDB数据库等。
有序的二次查询法
有序的二次查询法是基于上面的按日期的二次查询法发展而来,这种方法目前还处于测试阶段,具体做法是将数据按天进行分表,这样就可以确保数据块是连续的,以查询最近17天的分页数据为例,先查询出所有表的总行数,这里使用 COUNT(*) ,Mysql 会优化为information_schema.TABLES
.TABLE_ROWS
索引查询提高查询效率,不用担心性能问题,下面列出详细的测试步骤。
建立分页实体
-
public class PageEntity
-
{
-
/// <summary>
-
/// 跳过的记录数
-
/// </summary>
-
public long Skip { get ; set ; }
-
/// <summary>
-
/// 选取的记录数
-
/// </summary>
-
public long Take { get ; set ; }
-
/// <summary>
-
/// 总行数
-
/// </summary>
-
public long Total { get ; set ; }
-
/// <summary>
-
/// 表名
-
/// </summary>
-
public string TableName { get ; set ; }
-
}
定义分页算法类
-
public class PageDataService
-
{
-
...
-
}
初始化表
在 PageDataService 类中使用内存表模拟数据库表,主要模拟数据分页的情况,所以每个表的数据量都很小,方便人肉计算和跳页
-
private readonly static List < PageEntity > entitys = new List < PageEntity >()
-
{
-
new PageEntity { Total = 12 , TableName = "230301" },
-
new PageEntity { Total = 3 , TableName = "230302" },
-
new PageEntity { Total = 4 , TableName = "230303" },
-
new PageEntity { Total = 1 , TableName = "230304" },
-
new PageEntity { Total = 1 , TableName = "230305" },
-
new PageEntity { Total = 7 , TableName = "230306" },
-
new PageEntity { Total = 2 , TableName = "230307" },
-
new PageEntity { Total = 11 , TableName = "230308" },
-
new PageEntity { Total = 41 , TableName = "230309" },
-
new PageEntity { Total = 25 , TableName = "230310" },
-
new PageEntity { Total = 33 , TableName = "230311" },
-
new PageEntity { Total = 8 , TableName = "230312" },
-
new PageEntity { Total = 3 , TableName = "230313" },
-
new PageEntity { Total = 0 , TableName = "230314" },
-
new PageEntity { Total = 17 , TableName = "230315" },
-
new PageEntity { Total = 88 , TableName = "230316" },
-
new PageEntity { Total = 2 , TableName = "230317" }
-
};
分页算法
-
public static List < PageEntity > Pagination ( int page , int pageSize )
-
{
-
long preBlock = 0 ;
-
int currentPage = page ;
-
long currentPageSize = pageSize ;
-
List < PageEntity > results = new List < PageEntity >();
-
-
foreach ( var item in entitys )
-
{
-
var skip = (( currentPage - 1 ) * currentPageSize ) + preBlock ;
-
var remainder = item . Total - skip ;
-
if ( remainder > 0 )
-
{
-
item . Skip = skip ;
-
item . Take = currentPageSize ;
-
if ( remainder >= currentPageSize )
-
{
-
results . Add ( item );
-
break ;
-
}
-
else
-
{
-
currentPageSize = currentPageSize - remainder ;
-
item . Take = remainder ;
-
currentPage = 1 ;
-
preBlock = 0 ;
-
results . Add ( item );
-
}
-
}
-
else
-
{
-
preBlock = Math . Abs ( remainder );
-
currentPage = 1 ;
-
}
-
}
-
-
// 输出测试结果
-
if ( results . Count > 0 )
-
{
-
Console . ForegroundColor = ConsoleColor . Red ;
-
Console . WriteLine ( "本次查询,Page:{0},PageSize:{1}" , page , pageSize );
-
Console . ForegroundColor = ConsoleColor . Gray ;
-
foreach ( var item in results )
-
{
-
Console . WriteLine ( "表:{0},总行数:{1},OFFSET:{2},LIMIT:{3}" , item . TableName , item . Total , item . Skip , item . Take );
-
}
-
Console . WriteLine ();
-
}
-
else
-
{
-
Console . ForegroundColor = ConsoleColor . Red ;
-
Console . WriteLine ( "分页下无数据:{0},{1}" , page , pageSize );
-
Console . ForegroundColor = ConsoleColor . Gray ;
-
}
-
-
return results ;
-
}
在上面的分页算法中,定义了4个私有变量,分别是
preBlock:存跨表数据块长度
currentPage:当前表分页
currentPageSize:当前表分页长度,也是当前表接 preBlock 所需要的查询长度
results:查询表结果,存需要进行二次查询的表结构
接下来,就对最近 17 张表进行模拟轮询计算,把数据块连接起来,首先是计算 skip 的长度,这里使用当前表分页加跨表块
-
var skip = (( currentPage - 1 ) * currentPageSize ) + preBlock
得到真实的 skip,然后用当前表 Total - skip 得到下一表的接续长度
-
var remainder = item . Total - skip ;
再通过判断接续长度 remainder 大于 0,如果小于0则设定 preBlock 和 currentPage 进入下一表结构,如果大于 0 则进一步判断其是否可以覆盖 currentPageSize,如果可以覆盖则记录当前表并跳出循环,否则 重置 currentPageSize 和其它条件后进入下一个表结构。
-
if ( remainder > 0 )
-
{
-
item . Skip = skip ;
-
item . Take = currentPageSize ;
-
if ( remainder >= currentPageSize )
-
{
-
results . Add ( item );
-
break ;
-
}
-
else
-
{
-
currentPageSize = currentPageSize - remainder ;
-
item . Take = remainder ;
-
currentPage = 1 ;
-
preBlock = 0 ;
-
results . Add ( item );
-
}
-
}
-
else
-
{
-
preBlock = Math . Abs ( remainder );
-
currentPage = 1 ;
-
}
测试分页结果
构建一些测试数据进行分页,看接续是否已经闭合
-
public class Program
-
{
-
public static void Main ( string [] args )
-
{
-
PageDataService . Pagination ( 1 , 40 );
-
PageDataService . Pagination ( 2 , 40 );
-
PageDataService . Pagination ( 3 , 40 );
-
PageDataService . Pagination ( 4 , 40 );
-
PageDataService . Pagination ( 5 , 40 );
-
PageDataService . Pagination ( 6 , 40 );
-
PageDataService . Pagination ( 7 , 40 );
-
PageDataService . Pagination ( 8 , 40 );
-
PageDataService . Pagination ( 9 , 40 );
-
PageDataService . Pagination ( 113 , 10 );
-
-
Console . ReadKey ();
-
}
-
}
输出测试结果
通过输出的测试结果,可以看到,数据块是连续的,且已经得到了每次需要查询的表结构数据,在实际应用中,只需要对这个结果执行并行查询然后在内存中归并排序就可以了。
并行查询和排序
-
public static void Query ()
-
{
-
var entitys = PageDataService . Pagination ( 1 , 40 );
-
List < UserEntity > datas = new List < UserEntity >();
-
Parallel . ForEach ( entitys , entity =>
-
{
-
var sql = $ "SELECT * FROM TABLE_{entity.TableName} ORDER BY Timestamp LIMIT {entity.Skip},{entity.Take}" ;
-
var results = Mysql . Query < UserEntity >( sql );
-
datas . AddRange ( results );
-
});
-
-
// 排序
-
datas = datas . OrderByDescending ( x => x . Timestamp ). ToList ();
-
}
到这里,就完成了有序的二次查询法的算法过程。这种分页算法存在一定的局限性,比如必须是连续的数据块,按一定时间区间进行分表才可使用,大区间查询时的分页,第一次查询会比较慢,比如查询区间为3年内的按天分表分页数据,将会导致第一次查询开启 3*365 个数据库连接,当然,这取决于你第一次查询采用的是并行查询还是轮询,还是有优化空间的。
结束语本文共列出了多种分库分表方式下的查询问题,大部分 ORM 只解决了分表插入的问题,对于分页查询,实际上也是没有很好的解决方案,原因在于分页查询和业务的分割有着紧密的联系,很多时候不能简单的将业务问题认为是中间件的问题。有序的二次查询法作为一次探索,期望能解决部分业务带来的分页问题。