经常听到有人说“数据表太大了，需要分表”，“xxxx了，要分表”的言论，那么，到底为什么要分表？
难道数据量大就要分表？
mysql数据量对索引的影响
本人mysql版本为5.7
新增数据测试
为了测试mysql索引查询是否和数据量有关，本人做了以下的测试准备：
新建4个表article1，article2，article3，article4，article5 每个表分别插入20万，50万，100万，200万，1500万的数据，数据都是随机生成
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
create table test.article1( id int auto_increment comment 'id' primary key, user_id int not null comment '用户id', title varchar(64) not null comment '标题', add_time datetime null comment '新增时间', update_time int null comment '更新时间', description varchar(255) null comment '简介', status tinyint(1) null comment '状态 1正常 0隐藏') charset = utf8;create index article_title_index on test.article1 (title); |
生成数据脚本，使用easyswoole，多协程插入：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
<?phpinclude "./vendor/autoload.php";EasySwooleEasySwooleCore::getInstance()->initialize();for ($i = 0; $i <= 2000; $i++) {//协程最多3000,创建1000个协程 go(function () use ($i) { AppUtilityPoolMysqlPool::invoke(function (AppUtilityPoolMysqlPoolObject $mysqlObject) use ($i) { for ($y = 0; $y <= 1000; $y++) {//每个协程插入100条数据 $data = [ 'user_id' => mt_rand(1, 2500), 'title' => EasySwooleUtilityRandom::character(32),//随机生成32位字母的标题 'add_time' => date('Y-m-d H:i:s', mt_rand(strtotime('2018-01-01'), strtotime('2019-01-01'))),//随机生成日期 'update_time' => mt_rand(strtotime('2018-01-01'), strtotime('2019-01-01')),//随机生成日期 'description' => getChar(mt_rand(8, 64)),//随机生成8-64位汉字, 'status' => mt_rand(0, 1), ]; $mysqlObject->insert('article2', $data); } echo "协程$i 插入完成
"; }, -1); });}function getChar($num) // $num为生成汉字的数量{ $b = ''; for ($i = 0; $i < $num; $i++) { // 使用chr()函数拼接双字节汉字，前一个chr()为高位字节，后一个为低位字节 $a = chr(mt_rand(0xB0, 0xD0)) . chr(mt_rand(0xA1, 0xF0)); // 转码 $b .= iconv('GB2312', 'UTF-8', $a); } return $b;} |
生成的数据如图：
数据库总条数预览：
|
1
|
select (select count(1) from article1) as "1" , (select count(1) from article2) as "2", (select count(1) from article3) as "3", (select count(1) from article4) as "4", (select count(1) from article5) as "5"; |
查询时间测试
查询脚本
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
|
<?php/** * Created by PhpStorm. * User: tioncico * Date: 19-5-11 * Time: 下午7:20 */include "./vendor/autoload.php";EasySwooleEasySwooleCore::getInstance()->initialize();go(function () { /** * @var $db AppUtilityPoolMysqlPoolObject */ $db = AppUtilityPoolMysqlPool::defer(); $startTime = microtimeFloat(); //查询1000次 for ($i = 0; $i < 10000; $i++) { $str =EasySwooleUtilityRandom::character(32);//随机生成字符串，用于查询 $data = $db->where('title',$str)->getOne('article1'); } echo "1耗时" . (microtimeFloat() - $startTime) . '秒'.PHP_EOL; $startTime = microtimeFloat(); //查询1000次 for ($i = 0; $i < 10000; $i++) { $str =EasySwooleUtilityRandom::character(32);//随机生成字符串，用于查询 $data = $db->where('title',$str)->getOne('article2'); } echo "2耗时" . (microtimeFloat() - $startTime) . '秒'.PHP_EOL; $startTime = microtimeFloat(); //查询1000次 for ($i = 0; $i < 10000; $i++) { $str =EasySwooleUtilityRandom::character(32);//随机生成字符串，用于查询 $data = $db->where('title',$str)->getOne('article3'); } echo "3耗时" . (microtimeFloat() - $startTime) . '秒'.PHP_EOL; $startTime = microtimeFloat(); //查询1000次 for ($i = 0; $i < 10000; $i++) { $str =EasySwooleUtilityRandom::character(32);//随机生成字符串，用于查询 $data = $db->where('title',$str)->getOne('article4'); } echo "4耗时" . (microtimeFloat() - $startTime) . '秒'.PHP_EOL; $startTime = microtimeFloat(); //查询1000次 for ($i = 0; $i < 10000; $i++) { $str =EasySwooleUtilityRandom::character(32);//随机生成字符串，用于查询 $data = $db->where('title',$str)->getOne('article5'); } echo "5耗时" . (microtimeFloat() - $startTime) . '秒'.PHP_EOL;});function microtimeFloat(){ list($usec, $sec) = explode(" ", microtime()); return ((float)$usec + (float)$sec);} |
该脚本是一个实例脚本，在后面的其他测试中依旧使用该脚本，修改下字段和逻辑
title全索引查询一条时间情况：（为了准确，本人运行了多次）
可以看出，数据量在200万以下时，查询时间几乎没有差别，只是在数据量1400万时，查询1万次的时间增加了1秒
注：本人在之前测试，和之后测试时，查询article5时时间大概是2.1-2.5秒左右，可能mysql有其他知识点本人未掌握，所以没法详细解释
title全索引查询不限制条数时间情况：（为了准确，本人运行了多次）
可以看出，在200万数据之前 查询时间并没有太大的差距，1400万有一点点的差距
title like 左前缀 索引查询不限制条数时间情况：（为了准确，本人运行了多次）
根据这次测试，我们可以发现
1：mysql的查询和数据量的大小关系并不大（微乎其微）
2：mysql只要是命中索引，不管数据量有多大，都会非常快（快的一批，由于本人比较懒，并且本人之前也测试过单表1.5亿速度一样很快，就懒得继续新增2亿测试数据了，太累）
什么情况需要分表
从上面的章节可以发现，数据量的多少和查询速度其实关系不是很大，那么为什么要分表呢？原因有以下几种：
1: 单表 不涉及索引的操作太多，无法直接命中索引的
2：模糊查找范围过大，无法直接命中索引的，例如日志表查时间区间
3：单表数据量过大，操作繁忙的
4：数据量过大，有大部分数据很少访问的（冷热数据）
5：装逼，需要用分表装逼的
分表优缺点
在上面，我们已经知道了为什么要分表，分表该怎么分呢？
首先，我们需要先搞懂分表的意义
数据分表有着以下好处：
1：分散表压力，使其响应速度提高
2：数据降维，提升查询速度
3：分冷热数据，更好管理，备份
4：支持分布式部署数据库，将压力分担到其他服务器中
同时，缺点如下：
1：分表之后较难管理多表
2：join表时可能需要join多个
3：查询模糊数据时需要全部的表一起查
所以，数据量不大时候，不建议分表。
水平分表
根据数据的不同规则作为一个分表条件，区分数据以数据之间的分表叫做水平分表
水平分表是比较常见的分表方法，也是解决数据量大时候的分表方法，在水平分表中，也根据场景的不同而分表方法不同
取模分表
假设有个用户表（1000w用户）需要分表，那么我们可以根据该用户表的唯一标识（id ，用户账号）进行取模分表
重新新建n个表。例如5个， user1，user2，user3....uesr5
取出所有用户，根据 用户账号进行取模，例如：
|
1
2
3
4
5
6
|
<?php$userAccount ='tioncico';$num = (crc32($userAccount)%5);$tableName = 'user'.($num+1);echo "{$userAccount}应该存储到{$tableName}表";//tioncico应该存储到user3表 |
不建议使用id分表，因为一般情况下，我们是使用账号，或者其他唯一标识 来进行区分某个人的，如果你表设计像qq号一样，那完全可以将id命名为其他的字段，用于区分，自增id同样需要
取模分表法会使数据尽量的均衡分布，压力均衡，非常适合于需要通过特定标识字段查找数据的表（会员表）
冷热数据分表
冷热数据大多数体现在跟时间有关的 日志表，订单表上面
在冷热数据分表时，我们应该遵循以下几种分表规则
1：数据冷热分表，需要注意冷热数据的界限
例如，商城订单表，每天增加100万的订单，一年就会增加到3.6亿的订单数，而大多数情况下，用户只会查询近1-3个月的数据，我们可以
通过订单时间进行分表，只需要按照月份进行分表即可
2：通过取模分表，需要注意取模字段，
垂直分表
区分一条数据的不同字段，叫做垂直分表
垂直分表其实我们在设计数据库时，可能已经是用到了的，比如会员金额表，关联会员表的userId，这个时候，其实就可以叫做是垂直分表
把会员金额的字段分到了其他的表中（会员金额表）
垂直分表较为简单，有以下几种分法：
1：字段意义和表其他字段意义不同，可以尝试分表
2：字段占用空间太大，不常用或只在特定情况使用，可以尝试分表
3：字段与其他字段更新时间不同，可以尝试分表