来自：DBAplus社群

作者介绍

宇文湛泉，现任金融行业核心业务系统DBA，主要涉及Oracle、DB2、Cassandra等数据库开发工作。

数据库分区，我觉得是一个称得上“伟大”的数据库存储结构概念。

如果说，一个编程者（并非一个职业DBA）除了关注表结构本身以外，分区，可能就是所需要关注的最靠近底层的一个数据库的设计。

例如像数据库的表空间这样的概念，通常一个普通开发人员，就未必会去关注。但是分区概念却不一样，因为它与应用场景结合更加紧密。比如，按时间、按地区、按类别分区，等等。

我猜测很多人是不赞同「数据库分区是个“伟大”的概念」这个观点的。原因是，我翻阅了各种市面上主流数据库的书籍，入门级的如《XX数据库从入门到删库跑路》，看起来高端的如《XX数据库的技术内幕》，大部分书籍在介绍分区的内容的时候，都没有给很大的篇幅。

甚至有好几本书上，就这么简单的来了一句：对于一个很大的表，如果每次搜索都对全表进行扫描，会很耗时间，如果分区了之后，只要访问某个分区就会很快。

这难道不是一种误导么？分区真的能这么简单就讲清楚吗？我觉得当然不是，所以本文的内容就是想说说我认为的，分区的重要和伟大之处。

一、数据库为什么要有分区？

在《孙子兵法》的第五篇 —《兵势篇》中，孙子曰：凡治众如治寡，分数是也。斗众如斗寡，形名是也。

说人话：凡是在管理很大的数据库表时就和管理小的数据库表时一样，把它分区就好了；发挥好所有分区的功能就和发挥好其中一个分区的功能一样，他们能有一个统一的表名，可以使用统一的SQL语句来调度就好了。

上面这段话，从分号隔开，可以分成上下两句。那么“伟大”是在于前半句还是后半句呢？显然是后半句。为啥？你把人分了容易，但是你要把茫茫多的已经分开的人，指挥得像一个人一样，这件事情就伟大了。

1、考虑隔离与瓶颈

好，先讨论上半句，分治的思想。我常常遇到这样的对话场景。

场景一：

对话者：“我们的数据太大了，我们分表吧！”

我：“为什么不用分区呢？”

对话者：“分区可以解决吗？”（请自己脑补不信任的眼神和质疑的语气）

场景二：

演讲者：“我们考虑用最先进的分库技术理念来解决这个瓶颈”。

众人投去了羡慕嫉妒而又膜拜的眼神，等待着大神讲出华丽又牛叉的方案。

我：“这里有个瓶颈，我们需要给这个表分区。”

众人轻视又不懈说，好的，那分一下吧。

其实无论是分区、分表还是分库，我们都需要围绕两个重要概念，一是隔离，一是瓶颈。

在场景一种，为什么使用者要求分表呢？常见的情况中，例如，我这两个表，虽然结构一样，但是我一个是北京的数据，一个是上海的数据。如果北京的数据坏了，或者，我在对北京的数据进行奇奇怪怪的操作的时候，我需要对上海的数据完全没有影响，这就是所谓隔离。

又比如，可能全国的数据放在一起量太大，交易量太多，出现了，磁盘、IO、网络、CPU等撑不住的情况，这就是所谓瓶颈。

分区、分表、分库满足的是不同的隔离级别，以及解决不同的瓶颈。但是，他们的思想是非常接近的。

2、Partition与Sharding

Sharding这个词（通常译为分片），可以说是自带高贵的属性。每当与人讨论数据库技术，一聊到Sharding，就有一种自然而然上档次的感觉。

而且，它有很多好朋友，说出来各个华丽无比，比如分布式、集群、大数据等等。

而Partition这个词，虽然从很多角度上来看，都很类似于Sharding，或者说它们都是从“分数是也”的理念而来。但就是感觉LOW。

为啥？按我的理解，因为Partition的实现是由DBMS来完成的，使用者没感觉。而Sharding往往需要程序，设计模式，乃至整个架构的设计围绕着它服务，十分有存在感。

那它们在实际运用的时候有区别吗？当然有！那么什么时候应该Sharding，什么时候应该Partition呢？

我个人觉得Sharding的使用有两种情况，第一种叫没钱的时候，第二种是Partition用到极致，也搞不定的时候。

那么Partition什么时候搞不定呢？又有两种，一种叫没钱的时候，第二种叫超过了当今世上的硬件极限（买最贵的设备都抗不住）的时候。

1）没钱的时候

我们细细思量可以发现，分库分表这个套路在什么数据库上用的范围最广？或者你在什么地方见得会比较多？我觉得通常会指到同一个地方，叫MySQL。

虽然它有各种各样华丽的马甲，比如腾讯的TDSQL。为什么要用MySQL？因为开源免费。什么？InnoDB也很强大？如果明天Oracle开源免费，你选型的时候还会选MySQL？

不扯远了，MySQL为啥有那么多分库分表呢？我认为真相只有这一个。因为5.1版之前，MySQL不支持分区。这就是我说的第一种情况，叫没钱的时候，Oracle、SQL Server、DB2我通通买不起。好了，下一个免费的MySQL，做分库分表。

抛开玩笑的内容，Partition确实有解决不掉瓶颈需要使用分库分表的时候。但是，一个成熟的数据库使用者不应该滥用分库分表。这就是所谓DBA界分库铁律第一条，我非常赞同，叫做：能不分，就不分。然后，说说，第二种，Partition用到了极致的场景。

2）超过当前硬件极限

简单的说，我买了个Oracle，但是我的系统TPS要1万。在X86上跑Oracle，撑不住怎么办？

那么出路两条，第一条，Exadata了解一下？IBM主机买一台？买不起，好，我们在MySQL，或者X86上用Oracle做分库分表，这就是第二类里面的没钱的时候。

还有一种就是Exadata、IBM主机撑不住，所谓超越了地球上科技产品的极限，反正我没见过。

3、分库、分表、分区的使用场景

看到这里，是不是觉得扯淡内容太多了。到底什么情况分区？什么情况分表？什么时候分库呢？还是那句话，第一看隔离级别，第二看瓶颈。前一段主要说的是瓶颈场景，那么从隔离级别上来看呢？

1）分库选择

两份结构一样的数据。但他属于两个客户，客户说，我有监管要求，我不能把数据和别人的数据放在一起，必须绝对的隔离，有严格的访问控制，别人根本不能有我的DB服务器的登陆权限。

这就要求，数据在数据库层面就完全的隔开，就可以用分库。

2）分表选择

如果说我是一个云提供商，两个客户都用我的客户，他们分别有自己的用户（Schema），他们允许和他人共用数据库服务器，但是，严禁其他人使用归属于他的数据库表。

那么这时候，可以分表。

3）分区选择

如果，两份数据要求简单的隔离，相互处理不影响就可以了，有时候，我还希望一个用户一条SQL，就能对比分析他们的差异。

那这时候，分区就是一个极佳的选择。

二、数字库分区的优势

接下来讲后半部分，斗众如斗寡，形名是也。

1、分区的同时处理掉技术关口

斗众如斗寡，这句话讲起来简单，实现起来可不是那么简单。在主流的DBMS里面，不同的分区意味着不同的对象（如Oracle中，不同的Segment，DB2分区表不同分区对应数据文件）。

不夸张的说，很多数据库中间件产品，在反复纠缠、实现的内容，其本身就是主流DBMS在分区时要处理掉的技术关口。

比如有：跨库的SQL重写，一个运行在分布式场景的SQL，需要被中间件重写成多个SQL，丢到多个库去执行。尤其是，跨库的连结、聚合（包括Max、Min、Sum、Count）。其实在多分区的时候，一样存在这样的问题。

如果说这个问题，不太容易被开发者所关注到。再举一个例子：全局/本地索引。

在DBMS中，全局索引通常是要在设计上有所回避的。一般数据表一旦分区，意味着数据量比较大。例如最常见的B树索引，全局索引意味索引层次多，查询速度慢。

但是当无论如何，我在查询时，无法送入分区KEY时，全局索引总归还是最后的选择。而在分布式场景里，没有分库KEY就会非常尴尬，要么查不了，要么就要遍历所有的库，这个代价几乎就是不可接受的。

2、分区与优化密不可分

分区和分库面临的很多问题都存在着巨大的相似之处，开发者总是会重视分库所面临问题和困难，然而普遍会轻视分区可能带来的副作用。

我常常被质问，数据多了，为什么不加分区！？并发有冲突，为什么不加分区！？程序速度慢了，为什么不加分区！？PS：这一系列的质问，同样适用于为什么不加索引系列。

这种轻视源自于，主流DBMS系统对分区功能的很好的支撑。作为DBA，比较害怕的是有人懂一点数据库，且特别自信的站在他自己立场来和我讨论。

有一些开发者传递给我一个理念，分区多比分区少要好。只要用了分区，就能更快，至少不可能更差！开发者在说起这些的时候，非常的自信。

其实，在我看来分区设计和查询优化是密切相关的。分区设计一定是与特定的查询场景匹配，才能达到好的结果。

比如之前提到的没有分区列送入的查询需要逐个遍历每个分区，再比如说Hash分区后的范围查找。

Oracle中索引的Hash分区，在大规模的高并发插入的数据库表上应用十分常见，因为这种场景非常容易产生冲突事件 ，使用Hash分区之后，可以极大的缓解。然而这也挖下了一个坑，那就是这个索引上的范围查找就变得不那么理想。

由此推论，分区上可以能遇到的大坑，其实在分库的场景同样使用。

比如说，做了分库，却发现交易的业务场景拿不到Sharding Key。采用了Hash的算法，算Sharding Key，又突然发现有个交易要范围查Sharding Key，以至于可能要去各个库兜一圈。

分区面对的坑，可以说在分库场景下，是急剧放大了。所以，不可以随意滥用分区，更加不可以随便乱分库。

3、容错率提高

反过来讲，我为何在开篇说分区十分伟大，尤其是Oracle。在你违背了种种优化原则之后，做了NPI，做了跨分区的JOIN等等。尽管有性能上的损失，无论如何，数据库都帮你把那些复杂的工作给完成了。

当你的需求不是实时响应时，这些奇奇怪怪的跨分区要解决的问题，Rdbms都还是透明的把这些工作给你做完了，这怎么能不说它是伟大的呢？这一点我想那些开发分布式数据库中间件的人，最能认同。

三、写在最后

最后写到这里，作为一个DBA，我特别希望给程序开发者传递一个理念，那就是这世界上一定没有一个完美的优化方案。

你要一个表，又能高并发插入，又能做各种各样高效的查询，一会范围，一会模糊。我只想说，这是不可能的。所有优化方案都是以牺牲某一种性能来换另一种性能。

而DBA的职责，就是搞清楚业务需要什么，不需要什么。牺牲掉不需要的功能，换取需要的功能，甚至于牺牲不常用的功能，换取优异的常用功能。这其实就是完美的方案，分区也不例外。

在本文的最后，我想留一个我一直困惑的问题。在我看了无数篇分库分表放在一起的文章和帖子之后，我开始怀疑人生了。

我很想知道，无论在什么RDBMS中，是不是真的有应该采用分表，而不适合采用分区的场景呢？这个场景用分表解决了什么问题，是不可以依靠分区来解决的，欢迎留言。

长按订阅更多精彩▼

特别推荐一个分享架构+算法的公众号：

如有收获，点个在看，诚挚感谢