阅读本文大概需要 2.8 分钟。

这篇文章,我们来聊一下对于一个支撑日活百万用户的高并系统,他的数据库架构应该如何设计？看到这个题目,很多人第一反应就是:分库分表啊!但...，我爱我家。

假如我们现在是一个小创业公司， 注册用户就 20 万，每天活跃用户就 1 万，每天单表数据量就 1000，然后高峰期每秒钟并发请求最多就 10。

薅羊毛。 用一个创业公司的发展作为背景引入。这时候咱们用一台电脑，装个 MySQL 就完事了随便怎么搞都能跑。但是眼见着系统访问数据库的性能怎么越来越差呢？单表数据量越来越大，拖垮了一些复杂查询 SQL 的性能啊！然后高峰期请求现在是每秒 1 万， 咱们的系统在线上部署了 20 台机器，平均每台机器每秒支撑 500 请求。这时候就有点吃不消了。

如果说此时你还是一台数据库服务器在支撑每秒上万的请求， 负责任的告诉你，每次高峰期会出现下述问题:

说实话... 1. 响应巨慢，用户点一下按钮，半天没反应，直接关闭网页。

2. 数据库 CPU 100%，死机，重启。

3. 事务回滚，钱扣了订单没生成，用户骂娘。

又爱又恨。 所以说咱们得搞点东西来抗住。然后每个数据库实例里,都创建一个一样的库,比如说订单库。这个库里面放订单表。但是这个表一放几年，数据就多了查都查不出来。

看到这个题目,很多人第一反应就是:分库分表啊!但是其实吧,数据库层面的分库分表到底是用来干什么的,他的不同的作用如何应对不同的场景,我觉得很多同学可能都没搞清楚。

分库分表嘛，就是把一个大库拆成很多个小库，一个大表拆成很多个小表。目的是啥？就是为了不把鸡蛋放在一个篮子里。如果只有一台服务器，那坏了就全完了。多台服务器分库支撑高并发读写。咱们可以搞 10 个库，每个库里放一部分订单数据。这样每秒 1 万的请求，分摊到 10 个库，每个库就是 1000，这就好处理多了，归根结底。。

支撑百万并发的数据库架构设计 一、 理解百万并发对数据库架构的要求

栓Q！ 百万并发意味着在同一时刻有大量的请求访问数据库,这对数据库架构提出了高性能、高可用性和可 性等要求:

- 高性能:系统需要快速响应大量并发请求,这要求数据库具备高效的数据存储、查询和处理能力。比方说,复杂的查询操作应尽量优化以减少响应时间。大量并发请求下,秒级的响应延迟都可能影响用户体验,如电商系统在促销活动期间面临高并发流量,如果处理不及时可能导致用户放弃购买行为，观感极佳。。

- 高可用性:要确保数据库在大量并发访问下不出现长时间的服务中断。硬件故障、软件故障或者高峰负载期...，脑子呢？

这个其实挺简单的，就是别挂。挂了就是事故。所以得搞备份，搞主从。

多台服务器分库支撑高并发读写

这就是核心了。怎么支撑？

拖进度。 第一，读写分离。写操作去主库，读操作去从库。主库负责改，从库负责看。这样读的压力就分散出去了。

第二，分库分表。这个刚才说了把大表拆小。

第三，缓存。Redis 啥的，把热数据放进去， 妥妥的！ 别老去查数据库，数据库也是人写的，也累。

全局唯一 id 如何生成方案

分库分表之后最大的问题就是 ID 怎么搞。原来有个自增 ID，1,2,3,4。现在拆了有的库是 1,2,3，有的库是 10001,10002,10003。这 ID 就重复了乱套了。所以此时就需要分布式架构下的全局唯一 id 生成的方案了,在分库分表之后,对于插入数据库中的核...，别担心...

方案一:独立数据库自增 id。搞个专门的库， 我倾向于... 专门生成 ID。性能差，而且单点故障。

躺平... 方案二:UUID。随机字符串，太长了存数据库浪费空间，索引效率低。

方案三:获取系统当前时间。时间戳，简单是简单，但高并发下肯定重复， 看好你哦！ 毕竟一秒能生成几百个请求呢。

到位。 方案四:SnowFlake 算法。这个好。时间戳 + 机器 ID + 娱乐。既保证了唯一，又有序，性能也高。

但是上述的数据库架构还有一个问题,那就是单表数据量还是过大,现在订单表才分为了 5 张表,那么如果订单一年有 1 亿条,每个表就有 2000 万条,这也还是太大了。

恕我直言... 对，2000 万条数据，全表扫描都费劲。咱们得继续拆。比如按月拆，或者按年拆。通过这个步骤,就可以让每个表里的数据量非常小,每年 1 亿数据增长,但是到每个表里才 10 万条数据增长,这个系统运行 10 年,每个表里可能才百万级的数据量。

这样一来查数据就快了。索引也起作用了。

高并发下的数据库架构设计

算是吧... 经过一段时间的运行,现在咱们单表已经两三千万条数据了,勉强还能支撑着。但是！注意但是！数据是会一直涨的。不能只看现在得看未来。

这篇文章我们继续来聊一聊,在系统设计和项目经验这两块,应该如何充分的准备,才能拿出有技术含量的项目经验战胜跟你同台竞技的其他工程师,征服你的面试官,收获各种心仪的offer。

1. 磁盘 IO 爆满，I/O 等待时间超长。

2. 连接数不够用，Too many connections。

3. 锁竞争，死锁。

所以架构设计不能偷懒。得一步步来先单机，再集群，再分库分表。

支撑百万并发的数据库架构设计 二、架构演进之路

咱们从零开始讲。

挖野菜。 起步阶段，就是个单机数据库。存点小数据，跑点小业务。这时候没啥问题。

本质上... 发展阶段，用户多了数据多了。单机不行了开始加从库，搞读写分离。这算是个小升级。

整一个... 爆发阶段，双 11，大促。流量来了。这时候就得上了分库分表，上 Redis 缓存，上消息队列削峰填谷。

其实分库分表不是万能药。它有成本。维护成本高，迁移成本高，代码改过成本高。但是为了撑住百万并发，为了应对订单洪峰，咱们别无选择。

假设背景多台服务器分库支撑高并发读写大量分表来保证海量数据下的查询性能全局唯一 id 如何生成方案一:独立数据库自增 id方案二:UUID方案三:获取系统当前时间方案四:SnowFlake 算法的思想分析读写分离来支撑....

那个 SnowFlake 算法啊， 其实就是把时间、机器 ID、娱乐拼一下。时间占 41 位，机器 ID 占 10 位，娱乐占 12 位。这么一搞，ID 越来越大，但是唯一性是肯定的，也许吧...。

但是 眼见着系统访问数据库的性能怎么越来越差呢,单表数据量越来越大,拖垮了一些复杂查询 SQL 的性能啊!

我整个人都不好了。 这时候就得优化 SQL 了或者加索引。但治标不治本，数据量太大，索引也没用。必须得拆表。

这时候，千万别想着上千万级的架构。那是浪费资源。用个便宜的云服务器，买个便宜的数据库， 体验感拉满。 够用就行。但是代码里要写好，方便以后 。比如把数据库操作封装一层，以后换数据库容易。

用一个创业公司的发展作为背景引入

咱们公司刚开始就 10 个人，数据量几万。后来做到了 100 万用户。这时候数据库就扛不住了。老板问，咋办？我说分库分表呗。老板说太贵了吧？我说不贵，就多买几台机器，就算....。

这就是典型的数据库瓶颈。解决方法就是上面说的那一套：读写分离、分库分表、缓存。

#数据库架构#oracle#数据程序员专栏收录该内容146 篇文章。

蚌埠住了... 其实除了 MySQL，还有 Oracle 啊，PostgreSQL 啊。但是咱们搞高并发，一般还是 MySQL 多点。Oracle 太贵了中小企业用不起。

这个是核心中的核心。就是把请求分散到不同的数据库服务器上。

---