前言
分库分表是解决单库单表性能瓶颈的有效手段，但也会引入新的复杂性和技术挑战。
这篇文章跟大家一起聊聊，分库分表后带来的 7 个问题，以及相关的解决方案，希望对你会有所帮助。
1. 全局唯一 ID 问题
问题描述
在分库分表后，每张表的自增 ID 只在本表范围内唯一，但无法保证全局唯一。
例如：
解决方案
1.1 使用分布式 ID 生成器
推荐工具：
Snowflake：Twitter 开源的分布式 ID 算法。
百度 UidGenerator：基于 Snowflake 的改进版。
Leaf：美团开源，号段模式和 Snowflake 双支持。
代码示例：Snowflake 算法
public class SnowflakeIdGenerator { private final long epoch = 1622476800000L; // 自定义时间戳 private final long workerIdBits = 5L; // 机器ID private final long datacenterIdBits = 5L; // 数据中心ID private final long sequenceBits = 12L; // 序列号
private final long maxWorkerId = ~(-1L << workerIdBits); private final long maxDatacenterId = ~(-1L << datacenterIdBits); private final long sequenceMask = ~(-1L << sequenceBits);
private long workerId; private long datacenterId; private long sequence = 0L; private long lastTimestamp = -1L;
public SnowflakeIdGenerator(long workerId, long datacenterId) { if (workerId > maxWorkerId || workerId < 0) throw new IllegalArgumentException("Worker ID out of range"); if (datacenterId > maxDatacenterId || datacenterId < 0) throw new IllegalArgumentException("Datacenter ID out of range"); this.workerId = workerId; this.datacenterId = datacenterId; }
public synchronized long nextId() { long timestamp = System.currentTimeMillis(); if (timestamp < lastTimestamp) throw new RuntimeException("Clock moved backwards");
if (timestamp == lastTimestamp) { sequence = (sequence + 1) & sequenceMask; if (sequence == 0) timestamp = waitNextMillis(lastTimestamp); } else sequence = 0L;
lastTimestamp = timestamp; return ((timestamp - epoch) << (workerIdBits + datacenterIdBits + sequenceBits)) | (datacenterId << (workerIdBits + sequenceBits)) | (workerId << sequenceBits) | sequence; }
private long waitNextMillis(long lastTimestamp) { long timestamp = System.currentTimeMillis(); while (timestamp <= lastTimestamp) timestamp = System.currentTimeMillis(); return timestamp; }}
复制代码
1.2 数据库号段分配
原理：维护一个独立的 global_id 表，分库按步长分配 ID：
库 1：ID 步长为 2，从 1 开始（1, 3, 5...）。
库 2：ID 步长为 2，从 2 开始（2, 4, 6...）。
示例
CREATE TABLE global_id ( id INT PRIMARY KEY AUTO_INCREMENT, stub CHAR(1) NOT NULL UNIQUE);-- 步长设置：SET @@auto_increment_increment = 2;SET @@auto_increment_offset = 1;
复制代码
2. 跨库跨表查询复杂性
问题描述
分库分表后，聚合查询（如总数统计、分页查询）需要跨多个分片表执行，增加了查询复杂度。
例如：
查询所有订单总数，需要跨 10 个订单表聚合。
按创建时间分页查询所有订单。
解决方案
2.1 使用中间件（推荐）
2.2 手动分片查询
示例代码：聚合查询
public int countAllOrders() { int total = 0; for (String db : List.of("db1", "db2", "db3")) { String sql = "SELECT COUNT(*) FROM " + db + ".orders"; total += jdbcTemplate.queryForObject(sql, Integer.class); } return total;}
复制代码
示例代码：跨分片分页查询
public List<Order> paginateOrders(int page, int size) { List<Order> allOrders = new ArrayList<>(); for (String table : List.of("orders_1", "orders_2")) { String sql = "SELECT * FROM " + table + " LIMIT 100"; allOrders.addAll(jdbcTemplate.query(sql, new OrderRowMapper())); } allOrders.sort(Comparator.comparing(Order::getCreatedAt)); return allOrders.stream() .skip((page - 1) * size) .limit(size) .collect(Collectors.toList());}
复制代码
手动分片查询的方案，如果数据比较多，性能会比较差。
3. 分布式事务问题
问题描述
分布式事务（如订单表在库 A，库存表在库 B）无法使用单库事务，导致可能会出现数据的一致性问题。
解决方案
3.1 分布式事务框架
@GlobalTransactionalpublic void createOrder(Order order) { orderService.saveOrder(order); // 写入库A stockService.reduceStock(order.getProductId()); // 更新库B}
复制代码
3.2 柔性事务
使用消息中间件实现最终一致性。
典型实现：RocketMQ 消息事务。
4. 分片键设计问题
问题描述
分片键选择不当可能导致数据倾斜（热点问题）或查询路由效率低。
解决方案
4.1 分片键设计原则
数据分布均匀：避免热点问题。
常用查询字段：尽量选高频查询字段。
4.2 路由表
示例代码：路由表查询
public String getTargetTable(int userId) { String sql = "SELECT table_name FROM routing_table WHERE user_id = ?"; return jdbcTemplate.queryForObject(sql, new Object[]{userId}, String.class);}
复制代码
5. 数据迁移问题
问题描述
扩容（如从 4 个分片扩展到 8 个分片）时，旧数据需要迁移到新分片，迁移复杂且可能影响线上服务。
解决方案
5.1 双写策略
数据迁移期间，旧表和新表同时写入。
待迁移完成后，切换到新表。
5.2 增量同步
示例：Canal 配置
canal.destinations: example: mysql: hostname: localhost port: 3306 username: root password: password kafka: servers: localhost:9092 topic: example_topic
复制代码
6. 分页查询问题
问题描述
分页查询需要从多个分片表合并数据，再统一分页，逻辑复杂度增加。
解决方案
各分片分页后合并：先按分片分页查询，业务层合并排序后分页。
中间件支持分页：如 ShardingSphere。
示例代码：跨分片分页
public List<Order> queryPagedOrders(int page, int size) { List<Order> results = new ArrayList<>(); for (String table : List.of("orders_1", "orders_2")) { results.addAll(jdbcTemplate.query("SELECT * FROM " + table + " LIMIT 100", new OrderRowMapper())); } results.sort(Comparator.comparing(Order::getCreatedAt)); return results.stream().skip((page - 1) * size).limit(size).collect(Collectors.toList());}
复制代码
但如果分的表太多，可能会有内存占用过多的问题，需要做好控制。
7. 运维复杂性
问题描述
分库分表后，运维难度增加：
数据库实例多，监控和备份复杂。
故障排查需要跨多个库。
解决方案
自动化运维平台：如阿里云 DMS。
监控工具：使用 Prometheus + Grafana 实现分片监控。
总结
分库分表本质上是“性能换复杂度”，它虽然能有效提升系统的性能和扩展性，但问题也随之而来。
分库分表后带来的问题总结如下：
应根据业务场景选择适合的分库分表策略，并通过工具和技术方案，解决由此带来的一些问题，最终实现系统的高性能与高可靠性。
评论