炸！業(yè)界難題，跨庫分頁的幾種常見方案
為什么需要研究跨庫分頁?
互聯(lián)網(wǎng)很多業(yè)務(wù)都有分頁拉取數(shù)據(jù)的需求，例如：
- 微信消息過多時(shí)，拉取第N頁消息;
- 京東下單過多時(shí)，拉取第N頁訂單;
- 瀏覽58同城，查看第N頁帖子。
這些業(yè)務(wù)場(chǎng)景對(duì)應(yīng)的消息表，訂單表，帖子表分頁拉取需求，都有這樣一些共同的特點(diǎn)：
- 有個(gè)業(yè)務(wù)主鍵id, msg_id, order_id, tiezi_id;
- 分頁按照非業(yè)務(wù)主鍵id來排序，業(yè)務(wù)中經(jīng)常按照時(shí)間time來排序order by。
在數(shù)據(jù)量不大時(shí)，如何來實(shí)現(xiàn)跨庫分頁的需求呢?
- 在排序字段time上建立索引;
- 利用SQL提供的offset/limit就能實(shí)現(xiàn)。
例如：
- select * from t_msg order by time offset 200 limit 100;
- select * from t_order order by time offset 200 limit 100;
- select * from t_tiezi order by time offset 200 limit 100;
畫外音：此處假設(shè)一頁數(shù)據(jù)為100條，均拉取第3頁數(shù)據(jù)。
為什么會(huì)有分庫的需求?
高并發(fā)大流量的互聯(lián)網(wǎng)架構(gòu)，一般通過服務(wù)層來訪問數(shù)據(jù)庫，隨著數(shù)據(jù)量的增大，數(shù)據(jù)庫需要進(jìn)行水平切分，分庫后將數(shù)據(jù)分布到不同的數(shù)據(jù)庫實(shí)例(甚至物理機(jī)器)上，以達(dá)到降低數(shù)據(jù)量，增加實(shí)例數(shù)的擴(kuò)容目的。
一旦涉及分庫，逃不開“分庫依據(jù)” patition key，要使用哪一個(gè)字段來水平切分?jǐn)?shù)據(jù)庫呢?
大部分的業(yè)務(wù)場(chǎng)景，會(huì)使用業(yè)務(wù)主鍵id。
確定了分庫依據(jù) patition key 后，接下來怎么確定分庫算法呢?
大部分的業(yè)務(wù)場(chǎng)景，會(huì)使用業(yè)務(wù)主鍵id取模的算法來分庫，這樣的好處是：
- 即能夠保證每個(gè)庫的數(shù)據(jù)分布是均勻的;
- 又能夠保證每個(gè)庫的請(qǐng)求分布是均勻的。
實(shí)在是簡單實(shí)現(xiàn)負(fù)載均衡的好方法，此法在互聯(lián)網(wǎng)架構(gòu)中應(yīng)用頗多。
一個(gè)更具體的例子：
用戶庫user，水平切分后變?yōu)閮蓚€(gè)庫：
- 分庫依據(jù)patition key是uid;
- 分庫算法是uid取模：uid%2余0的數(shù)據(jù)會(huì)落到db0，uid%2余1的數(shù)據(jù)會(huì)落到db1。
數(shù)據(jù)庫進(jìn)行了水平切分之后，如果業(yè)務(wù)要查詢“最近注冊(cè)的第3頁用戶”，即跨庫分頁查詢，該如何實(shí)現(xiàn)呢?
單庫上，可以：
- select * from t_user order by time offset 200 limit 100;
變成兩個(gè)庫后，分庫依據(jù)是uid，排序依據(jù)是time，數(shù)據(jù)庫層失去了time排序的全局視野，數(shù)據(jù)分布在兩個(gè)庫上，此時(shí)該怎么辦呢?
如何滿足“跨越多個(gè)水平切分?jǐn)?shù)據(jù)庫，且分庫依據(jù)與排序依據(jù)為不同屬性，并需要進(jìn)行分頁”的查詢需求，實(shí)現(xiàn)：
- select * from T order by time offset X limit Y;
這類跨庫分頁SQL，是后文將要討論的技術(shù)問題。
方案一：全局視野法
如上圖所述，服務(wù)層通過uid取模將數(shù)據(jù)分布到兩個(gè)庫上去之后，每個(gè)數(shù)據(jù)庫都失去了全局視野，數(shù)據(jù)按照time局部排序之后，不管哪個(gè)分庫的第3頁數(shù)據(jù)，都不一定是全局排序的第3頁數(shù)據(jù)。
那到底哪些數(shù)據(jù)才是全局排序的第3頁數(shù)據(jù)呢?
需要分三種情況討論。
(1) 極端情況，兩個(gè)庫的數(shù)據(jù)完全一樣。
如果兩個(gè)庫的數(shù)據(jù)完全相同，只需要每個(gè)庫offset一半，再取半頁，就是最終想要的數(shù)據(jù)(如上圖中粉色部分?jǐn)?shù)據(jù))。
(2) 極端情況，結(jié)果數(shù)據(jù)來自一個(gè)庫。
也可能兩個(gè)庫的數(shù)據(jù)分布及其不均衡，例如db0的所有數(shù)據(jù)的time都大于db1的所有數(shù)據(jù)的time，則可能出現(xiàn)：一個(gè)庫的第3頁數(shù)據(jù)，就是全局排序后的第3頁數(shù)據(jù)(如上圖中粉色部分?jǐn)?shù)據(jù))。
(3)一般情況，每個(gè)庫數(shù)據(jù)各包含一部分。
正常情況下，全局排序的第3頁數(shù)據(jù)，每個(gè)庫都會(huì)包含一部分(如上圖中粉色部分?jǐn)?shù)據(jù))。
由于不清楚到底是哪種情況，所以必須：
- 每個(gè)庫都返回3頁數(shù)據(jù);
- 所得到的6頁數(shù)據(jù)在服務(wù)層進(jìn)行內(nèi)存排序，得到數(shù)據(jù)全局視野;
- 再取第3頁數(shù)據(jù)，便能夠得到想要的全局分頁數(shù)據(jù)。
再總結(jié)一下這個(gè)方案的步驟：
(1) 將SQL語句改寫，即：
- order by time offset X limit Y;
改寫成：
- order by time offset 0 limit X+Y;
(2)服務(wù)層將改寫后的SQL語句發(fā)往各個(gè)分庫;
(3)假設(shè)共分為N個(gè)庫，服務(wù)層將得到N*(X+Y)條數(shù)據(jù);
(4)服務(wù)層對(duì)得到的N*(X+Y)條數(shù)據(jù)進(jìn)行內(nèi)存排序;
(5)內(nèi)存排序后再取偏移量X后的Y條記錄，就是全局視野所需的一頁數(shù)據(jù)。
全局視野法有什么優(yōu)點(diǎn)?
通過服務(wù)層修改SQL語句，擴(kuò)大數(shù)據(jù)召回量，能夠得到全局視野，業(yè)務(wù)無損，精準(zhǔn)返回所需數(shù)據(jù)。
全局視野法的缺點(diǎn)呢?
缺點(diǎn)顯而易見：
- 每個(gè)分庫需要返回更多的數(shù)據(jù)，增大了網(wǎng)絡(luò)傳輸量(耗網(wǎng)絡(luò));
- 除了數(shù)據(jù)庫按照time進(jìn)行排序，服務(wù)層還需要進(jìn)行二次排序，增大了服務(wù)層的計(jì)算量(耗CPU);
- 最致命的，這個(gè)算法隨著頁碼的增大，性能會(huì)急劇下降，這是因?yàn)镾QL改寫后每個(gè)分庫要返回X+Y行數(shù)據(jù)：返回第3頁，offset中的X=200;假如要返回第100頁，offset中的X=9900，即每個(gè)分庫要返回100頁數(shù)據(jù)，數(shù)據(jù)量和排序量都將大增，性能平方級(jí)下降。
“全局視野法”雖然性能較差，但其業(yè)務(wù)無損，數(shù)據(jù)精準(zhǔn)，不失為一種方案，有沒有性能更優(yōu)的方案呢?
“任何脫離業(yè)務(wù)的架構(gòu)設(shè)計(jì)都是耍流氓”，技術(shù)方案需要折衷，在技術(shù)難度較大的情況下，業(yè)務(wù)需求的折衷能夠極大的簡化技術(shù)方案。
方案二：禁止跳頁查詢法
在數(shù)據(jù)量很大，翻頁數(shù)很多的時(shí)候，很多產(chǎn)品并不提供“直接跳到指定頁面”的功能，而只提供“下一頁”的功能，這一個(gè)小小的業(yè)務(wù)折衷，就能極大的降低技術(shù)方案的復(fù)雜度。
如上圖，不能跳頁，那么只能夠查初始頁：
(1)將查詢
- order by time offset 0 limit 100;
改寫成：
- order by time where time>0 limit 100;
(2)上述改寫和offset 0 limit 100的效果相同，都是每個(gè)分庫返回了一頁數(shù)據(jù)(上圖中粉色部分);
(3)服務(wù)層得到2頁數(shù)據(jù)，內(nèi)存排序，取出前100條數(shù)據(jù)，作為最終的初始頁數(shù)據(jù)，一般來說每個(gè)分庫都包含一部分?jǐn)?shù)據(jù)(如上圖粉色部分);
這個(gè)方案也需要服務(wù)器內(nèi)存排序，豈不是和“全局視野法”一樣么?初始數(shù)據(jù)的拉取確實(shí)一樣，但每一次“下一頁”拉取的方案就不一樣了。
點(diǎn)擊“下一頁”時(shí)，需要拉取第二頁數(shù)據(jù)，在初始頁數(shù)據(jù)的基礎(chǔ)之上，能夠找到初始頁數(shù)據(jù)time值：
這個(gè)上一頁記錄的time_max，會(huì)作為第二頁數(shù)據(jù)拉取的查詢條件：
(1)將查詢
- order by time offset 100 limit 100;
改寫成
- order by time where time>$time_max limit 100;
(2)這下不是返回2頁數(shù)據(jù)了(“全局視野法，會(huì)改寫成offset 0 limit 200”)，每個(gè)分庫還是返回一頁數(shù)據(jù)(如上圖中粉色部分);
(3)服務(wù)層得到2頁數(shù)據(jù)，內(nèi)存排序，取出前100條數(shù)據(jù)，作為最終的第2頁數(shù)據(jù)，這個(gè)全局的第2頁數(shù)據(jù)，一般來說也是每個(gè)分庫都包含一部分?jǐn)?shù)據(jù)(如上圖粉色部分);
如此往復(fù)，查詢?nèi)忠曇暗?00頁數(shù)據(jù)時(shí)，不是將查詢條件改寫為：
- offset 0 limit 9900+100;（返回100頁數(shù)據(jù)）
而是改寫為
- time>$time_max99 limit 100;（仍返回一頁數(shù)據(jù)）
以保證數(shù)據(jù)的傳輸量和排序的數(shù)據(jù)量不會(huì)隨著不斷翻頁而導(dǎo)致性能下降。
方案三：允許數(shù)據(jù)精度損失法
“全局視野法”能夠返回業(yè)務(wù)無損的精確數(shù)據(jù)，在查詢頁數(shù)較大，例如第100頁時(shí)，會(huì)有性能問題，此時(shí)業(yè)務(wù)上是否能夠接受，返回的100頁不是精準(zhǔn)的數(shù)據(jù)，而允許有一些數(shù)據(jù)偏差呢?
先來了解一下，數(shù)據(jù)庫分庫-數(shù)據(jù)均衡原理。
什么是，數(shù)據(jù)庫分庫-數(shù)據(jù)均衡原理?
使用patition key進(jìn)行分庫，在數(shù)據(jù)量較大，數(shù)據(jù)分布足夠隨機(jī)的情況下，各分庫所有非patition key屬性，在各個(gè)分庫上，數(shù)據(jù)分布的統(tǒng)計(jì)概率情況是一致的。
例如，在uid隨機(jī)的情況下，使用uid取模分兩庫，db0和db1：
- 性別屬性，如果db0庫上的男性用戶占比70%，則db1上男性用戶占比也應(yīng)為70%;
- 年齡屬性，如果db0庫上18-28歲少女用戶比例占比15%，則db1上少女用戶比例也應(yīng)為15%;
- 時(shí)間屬性，如果db0庫上每天10:00之前登錄的用戶占比為20%，則db1上應(yīng)該是相同的統(tǒng)計(jì)規(guī)律;
- …
利用這一原理，要查詢?nèi)?00頁數(shù)據(jù)，只要將：
- offset 9900 limit 100;
改寫為
- offset 4950 limit 50;
即每個(gè)分庫偏移一半(4950)，獲取半頁數(shù)據(jù)(50條)，得到的數(shù)據(jù)集的并集，基本能夠認(rèn)為，是全局?jǐn)?shù)據(jù)的offset 9900 limit 100的數(shù)據(jù)，當(dāng)然，這一頁數(shù)據(jù)并不是精準(zhǔn)的。
根據(jù)實(shí)際業(yè)務(wù)經(jīng)驗(yàn)，用戶都要查詢第100頁網(wǎng)頁、帖子、郵件的數(shù)據(jù)了，這一頁數(shù)據(jù)的精準(zhǔn)性損失，業(yè)務(wù)上往往是可以接受的，但此時(shí)技術(shù)方案的復(fù)雜度大大降低了，既不需要返回更多的數(shù)據(jù)，也不需要進(jìn)行服務(wù)內(nèi)存排序了。
畫外音：如果業(yè)務(wù)能夠接受，這種方案的性能不錯(cuò)，強(qiáng)烈推薦。
方案四：二次查詢法
有沒有一種技術(shù)方案，即能夠滿足業(yè)務(wù)的精確需要，無需業(yè)務(wù)折衷，又高性能的方法呢?這就是接下來要介紹的武器，“二次查詢法”。
為了方便舉例，假設(shè)一頁只有5條數(shù)據(jù)，查詢第200頁的SQL語句為：
- select * from T order by time offset 1000 limit 5;
步驟一：查詢改寫
- select * from T order by time offset 1000 limit 5;
改寫為：
- select * from T order by time offset 500 limit 5;
并投遞給所有的分庫，注意，這個(gè)offset的500，來自于全局offset的總偏移量1000，除以水平切分?jǐn)?shù)據(jù)庫個(gè)數(shù)2。
畫外音：因?yàn)閿?shù)據(jù)量比較大，數(shù)據(jù)隨機(jī)性較強(qiáng)，不妨設(shè)仍然符合“數(shù)據(jù)庫分庫-數(shù)據(jù)均衡定理”。
如果是3個(gè)分庫，則可以改寫為：
- select * from T order by time offset 333 limit 5;
假設(shè)這三個(gè)分庫返回的數(shù)據(jù)(time, uid)如下：
可以看到，每個(gè)分庫都是返回的按照time排序的一頁數(shù)據(jù)。
步驟二：找到所返回3頁全部數(shù)據(jù)的最小值
- 5條數(shù)據(jù)的time最小值是1487501123;
- 第二個(gè)庫，5條數(shù)據(jù)的time最小值是1487501133;
- 第三個(gè)庫，5條數(shù)據(jù)的time最小值是1487501143;
故，三頁數(shù)據(jù)中，time最小值來自庫一，time_min=1487501123，這個(gè)過程只需要比較各個(gè)分庫的初始數(shù)據(jù)，時(shí)間復(fù)雜度很低。
畫外音：這個(gè)time_min非常重要，后文每一個(gè)步驟要都要用到time_min。
步驟三：查詢二次改寫
改寫的SQL語句是
- elect * from T order by time offset 333 limit 5;
第二次要改寫成一個(gè)between語句：
- between的起點(diǎn)是time_min
- between的終點(diǎn)是原來每個(gè)分庫各自返回?cái)?shù)據(jù)的值
分庫，返回?cái)?shù)據(jù)的值是1487501523
所以查詢改寫為：
- select * from T order by time where time between time_min and 1487501523;
第二個(gè)分庫，返回?cái)?shù)據(jù)的值是1487501323
所以查詢改寫為
- select * from T order by time where time between time_min and 1487501323;
第三個(gè)分庫，返回?cái)?shù)據(jù)的值是1487501553
所以查詢改寫為
- select * from T order by time where time between time_min and 1487501553;
相對(duì)初始查詢，第二次查詢條件放寬了，故第二次查詢會(huì)返回比初始查詢結(jié)果集更多的數(shù)據(jù)，假設(shè)這三個(gè)分庫返回的數(shù)據(jù)(time, uid)如下：
可以看到：
- 分庫一的結(jié)果集，由于time_min來自原來的分庫一，所以分庫一的返回結(jié)果集和初始查詢相同(所以其實(shí)這次訪問是可以省略的);
- 分庫二的結(jié)果集，比初始多返回了1條數(shù)據(jù)，頭部的1條記錄(time最小的記錄)是新的(上圖中粉色記錄);
- 分庫三的結(jié)果集，比初始多返回了2條數(shù)據(jù)，頭部的2條記錄(time最小的2條記錄)是新的(上圖中粉色記錄);
步驟四：在每個(gè)結(jié)果集中虛擬一個(gè)time_min記錄，找到time_min在全局的offset
在初始庫中，time_min在庫里的offset是333;
在第二個(gè)庫中，(1487501133, uid_aa)的offset是333(根據(jù)初始查詢條件得出的)，故虛擬time_min在第二個(gè)庫的offset是331;
畫外音：從333往前推演。
在第三個(gè)庫中，(1487501143, uid_aaa)的offset是333(根據(jù)初始查詢條件得出的)，故虛擬time_min在第三個(gè)庫的offset是330;
畫外音：從333往前推演。
綜上，time_min在全局的offset是333+331+330=994。
步驟五：既然得到了time_min在全局的offset，就相當(dāng)于有了全局視野，根據(jù)第二次的結(jié)果集，就能夠得到全局offset 1000 limit 5的記錄
第二次查詢?cè)诟鱾€(gè)分庫返回的結(jié)果集是有序的，又知道了time_min在全局的offset是994，一路排下來，容易知道全局offset 1000 limit 5的一頁記錄(上圖中記錄)。
這種方法的優(yōu)點(diǎn)是：可以精確的返回業(yè)務(wù)所需數(shù)據(jù)，每次返回的數(shù)據(jù)量都非常小，不會(huì)隨著翻頁增加數(shù)據(jù)的返回量。
帥氣不帥氣!!!
總結(jié)
今天介紹了解決“跨N庫分頁”這一難題的四種方法：
方法一：全局視野法
(1)SQL改寫，將
- order by time offset X limit Y;
改寫成
- order by time offset 0 limit X+Y;
(2)服務(wù)層對(duì)得到的N*(X+Y)條數(shù)據(jù)進(jìn)行內(nèi)存排序，內(nèi)存排序后再取偏移量X后的Y條記錄;
這種方法隨著翻頁的進(jìn)行，性能越來越低。
方法二：禁止跳頁查詢法
(1)用正常的方法取得初始頁數(shù)據(jù)，并得到初始記錄的time_max;
(2)每次翻頁，將
- order by time offset X limit Y;
改寫成
- order by time where time>$time_max limit Y;
以保證每次只返回一頁數(shù)據(jù)，性能為常量。
方法三：允許模糊數(shù)據(jù)法
(1)SQL查詢改寫，將
- order by time offset X limit Y;
改寫成
- order by time offset X/N limit Y/N;
性能很高，但拼接的結(jié)果集不精準(zhǔn)。
方法四：二次查詢法
(1)SQL改寫，將
- order by time offset X limit Y;
改寫成
- order by time offset X/N limit Y;
(2)多頁返回，找到最小值time_min;
(3)between二次查詢
- order by time between $time_min and $time_i_max;
(4)設(shè)置虛擬time_min，找到time_min在各個(gè)分庫的offset，從而得到time_min在全局的offset;
(5)得到了time_min在全局的offset，自然得到了全局的offset X limit Y;
文章比較長，希望大家有收獲。
【本文為51CTO專欄作者“58沈劍”原創(chuàng)稿件，轉(zhuǎn)載請(qǐng)聯(lián)系原作者】
