Question

我是分片新手，想知道分片对各种查询有什么影响。对于名为“people”的示例数据集：

person_id | person_fname | person_lname | person_dob
----------------------------------------------------
1         | John         | Smith        | 1972-03-04
2         | Sally        | Jones        | 1968-09-14
3         | Phil         | Forrester    | 1976-11-25
4         | Gwen         | Langley      | 1955-04-20
5         | Pedro        | Romero       | 1962-12-21
6         | Gene         | Halford      | 1978-01-11
7         | Juan         | Peza         | 1977-08-07
8         | Pierre       | Henry        | 1980-04-30

通过创建代理标识“id”的散列，数据在四个节点上平均分片。但是，您需要对可能跨越所有节点的记录执行读写操作，例如：

SELECT person_fname, 
       person_lname 
FROM   people 
WHERE  person_dob > '1970-01-01'

或者说你还有一个“订单”表，它在“person_id”栏中引用“人物”，并希望进行加入......

SELECT    order_id,
          order_amount,
          order_date,
          person_fname,
          person_lname
FROM      orders
LEFT JOIN people
WHERE     order_amount > 50

是否所有节点都会并行运行查询？我假设每个服务器每个步骤的工作量较少，而不是一个实例在八个记录上运行查询，同时，四个实例将在两个（ish）记录上运行查询，进一步的好处是，如果DBMS能够执行分片选择然后其他节点不需要继续执行任何进一步的指令，这个假设是否正确？

对于分片和复杂的连接是否有任何已知的性能影响（超出这个简单示例）？

Answer 1

确实可以并行完成。

如果必须跨越不同的分片，它确实可以使连接变得复杂，因此更慢。

但是，如果您有多对一的话orders以orders表中与people表中相关行相同的分片中的所有行进行分片，然后不会发生此分片问题。

你需要设计你的分片方法，这样你就会得到很多像这样的情况，很少（理想情况下没有）你最终会穿过碎片。

您还希望将碎片放在您实际寻求的密钥上。例如。如果您通过用户名查找人员作为其他所有内容的起点，那么您希望按用户名而不是ID进行分片，因为当您找到它们时，您已经知道要查找哪个单个分片，而不是仅仅为了从大多数人那里得到零行。

Answer 2

是的，分片会带来严重的性能变化。它从不允许应用程序保持不变。

最理智的分片方法是，数据模型是否允许将数据分区为真正独立的。就像在多租户情况下，租户根本不互动。在这种情况下，连接从不跨越分区，一切都很好。

使用跨分区交互进行分片时，这会变得非常讨厌。编写针对所有分片运行的查询的分区数量成本是线性的。这意味着您可以通过添加节点获得零加速。

Answer 3

免责声明：我为ScaleBase工作，这是一个完整的横向扩展解决方案的制造商和“自动分片机”，如果你喜欢，外观和感觉就像1个MySQL，代理一个“分片”网格，自动化命令路由和并行化跨数据库查询，并合并结果 - 您不会看到与来自1 DB的结果的差异。 ORDER，GROUP，LIMIT，支持agg功能！根据命令和参数在“控制器”内完成路由和并行化。

根据我们客户的经验，我们不仅通过并行查询获得了出色的性能改进，还改进了维护，考虑创建索引，向表中添加列 - 这些也是并行化的，运行速度更快。所有代码都没有或几乎没有变化。

您的查询示例是“all-db”执行的经典示例，如果分布式和并行化，它们肯定会运行得更快。索引更高效，使用RAM等...

希望我帮助过。

分片的性能影响是什么？

3 个答案: