1亿数据量，uid分库，tid上的查询该怎么办？（第55讲）

admin管理员组

文章数量:1031243

1亿数据量，uid分库，tid上的查询该怎么办？（第55讲）

《架构师之路：架构设计中的100个知识点》

55.1对多业务数据库设计，架构设计

一个1对多的业务场景，一个属性分库，另一个属性上的查询怎么办？

很多架构师会面临这样的业务场景，今天就以帖子中心为例，聊聊这里面的架构设计。

帖子中心，是互联网业务中，一类典型的“1对多”业务，即：一个用户能发布多个帖子，一个帖子只有一个发布者。

任何脱离业务的架构设计都是耍流氓，先来看看帖子中心对应的业务需求，再来考虑它的分库设计，与架构设计。

帖子中心，是一个提供帖子发布，修改，删除，查看，搜索的服务。

帖子中心，有什么写操作？

1. 发布(insert)帖子；

2. 修改(update)帖子；

3. 删除(delete)帖子；

帖子中心，有什么读操作？

1. 通过tid查询(select)帖子实体，单行查询；

2. 通过uid查询(select)用户发布过的帖子，列表查询；

3. 帖子检索(search)，例如通过时间、标题、内容搜索符合条件的帖子；

在数据量较大，并发量较大的时候，架构如何设计？

典型的，通常通过元数据与索引数据分离的架构设计方法。

图片

架构中的几个关键点，如上图所示：

1. tiezi-center：帖子服务；

2. tiezi-db：提供元数据存储；

3. tiezi-search：帖子搜索服务；

4. tiezi-index：提供索引数据存储；

5. MQ：tiezi-center与tiezi-search通讯媒介，一般不直接使用RPC调用，而是通过MQ对两个子系统解耦。

此时，读需求怎么满足？

tiezi-center和tiezi-search分别满足两类不同的读需求。

图片

如上图所示：

1. tid和uid上的查询需求，可以由tiezi-center从元数据读取并返回；

2. 其他类检索需求，可以由tiezi-search从索引数据检索并返回；

写需求怎么办呢？

图片

至于写需求，如上图所示：

1. 增加，修改，删除的操作都会从tiezi-center发起；

2. tiezi-center修改元数据；

3. tiezi-center将信息修改通知发送给MQ；

4. tiezi-search从MQ接受修改信息；

5. tiezi-search修改索引数据；

tiezi-search，搜索架构不是本文的重点，不再展开，后文将重点描述帖子中心元数据水平切分设计。

帖子中心，数据库元数据如何设计？

帖子中心业务，很容易了解到，其核心元数据为：

t_tiezi(tid, uid, time, title, content, …);

其中：

1. tid为帖子ID，主键；

2. uid为用户ID，发帖人；

3. time, title, content …等为帖子属性；

数据库设计上，在业务初期，单库就能满足元数据存储要求。

图片

1. tiezi-center：帖子中心服务，对调用者提供友好的RPC接口；

2. tiezi-db：对帖子数据进行存储；

在相关字段上建立索引，就能满足相关业务需求。

1. 帖子记录查询，通过tid查询，约占读请求量90%；

代码语言：javascript代码运行次数：0运行复制

select * from t_tiezi where tid=$tid

2. 帖子列表查询，通过uid查询其发布的所有帖子，约占读请求量10%；

代码语言：javascript代码运行次数：0运行复制

select * from t_tiezi where uid=$uid

随着数据量越来越大，如何进行水平切分，对存储容量进行线性扩展呢？

方案一：帖子ID切分法

既然是帖子中心，并且帖子记录查询量占了总请求的90%，很容易想到通过tid字段取模来进行水平切分。

图片

这个方法简单直接，优点：

1. 100%写请求可以直接定位到库；

2. 90%的读请求可以直接定位到库；

缺点也很明显：一个用户发布的所有帖子可能会落到不同的库上，10%的请求通过uid来查询会比较麻烦；

图片

如上图，一个uid访问需要遍历所有库。

有没有一种切分方法，确保同一个用户发布的所有帖子都落在同一个库上，而在查询一个用户发布的所有帖子时，不需要去遍历所有的库呢？

方案二：Mapping映射法

使用uid来分库可以解决这个问题。

新的问题出现了：如果使用uid来分库，确保了一个用户的帖子数据落在同一个库上，那通过tid来查询，就不知道这个帖子落在哪个库上了，岂不是还需要遍历全库，需要怎么优化呢？

tid的查询是单行记录查询，只要在数据库（或者缓存）记录tid到uid的映射关系，就能解决这个问题。

新增一个索引库：

t_mapping(tid, uid);

1. 这个库只有两列，可以承载很多数据；

2. 即使数据量过大，索引库可以利用tid水平切分；

3. 这类kv形式的索引结构，可以很好的利用cache优化查询性能；

4. 一旦帖子发布，tid和uid的映射关系就不会发生变化，cache的命中率会非常高；

使用uid分库，并增加索引库记录tid到uid的映射关系之后，每当有uid上的查询，可以通过uid直接定位到库。

图片

每当有tid上的查询，可以先查mapping表得到uid，再通过uid定位到库。

图片

这个方法的优点是：

1. 一个用户发布的所有帖子落在同一个库上；

2. 10%的请求通过uid来查询列表，可以直接定位到库；

3. 索引表cache命中率非常高，因为tid与uid的映射关系不会变；

缺点也很明显：

1. 90%的tid请求，以及100%的修改请求，不能直接定位到库，需要先进行一次索引表的查询，当然这个查询非常快，通常在5ms内可以返回；

2. 数据插入时需要操作元数据与索引表，可能引发潜在的一致性问题；

有没有一种方法，既能够通过uid定位到库，又不需要建立索引表来进行二次查询呢，使得uid和tid都能够直接一次命中的方案呢？

方案三：基因法

什么是分库基因？

通过uid分库，假设分为16个库，采用uid%16的方式来进行数据库路由，这里的uid%16，其本质是uid的最后4个bit决定这行数据落在哪个库上，这4个bit，就是分库基因。

什么是基因法分库？

在“1对多”的业务场景，使用“1”分库，在“多”的数据id生成时，id末端加入分库基因，就能同时满足“1”和“多”的分库查询需求。

图片

如上图所示，uid=666的用户发布了一条帖子（666的二进制表示为：1010011010）：

1. 使用uid%16分库，决定这行数据要插入到哪个库中；

2. 分库基因是uid的最后4个bit，即1010；

3. 在生成tid时，先使用一种分布式ID生成算法生成前60bit（上图中绿色部分）；

4. 将分库基因加入到tid的最后4个bit（上图中粉色部分）；

5. 拼装成最终的64bit帖子tid（上图中蓝色部分）；

这般，保证了同一个用户发布的所有帖子的tid，都落在同一个库上，tid的最后4个bit都相同，于是：

1. 通过uid%16能够定位到库；

2. 通过tid%16也能定位到库；

有人要问了，同一个uid发布的tid落在同一个库上，会不会出现数据不均衡？

只要uid是均衡的，每个用户发布的平均帖子数是均衡的，每个库的数据就是均衡的。

总结

将以“帖子中心”为典型的“1对多”类业务，在架构上，采用元数据与索引数据分离的架构设计方法：

1. 帖子服务，元数据满足uid和tid的查询需求；

2. 搜索服务，索引数据满足复杂搜索寻求；

对于元数据的存储，在数据量较大的情况下，有三种常见的切分方法：

1. tid切分法，按照tid分库，同一个用户发布的帖子落在不同的库上，通过uid来查询要遍历所有库；

2. Mapping映射法，按照uid分库，同一个用户发布的帖子落在同一个库上，需要通过索引表或者缓存来记录tid与uid的映射关系，通过tid来查询时，先查到uid，再通过uid定位库；

3. 基因法，按照uid分库，在生成tid里加入uid上的分库基因，保证通过uid和tid都能直接定位到库；

知其然，知其所以然。

思路比结论更重要。

==全文完==

本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。原始发表：2025-04-11，如有侵权请联系 cloudcommunity@tencent 删除数据搜索索引架构设计服务

1亿数据量，uid分库，tid上的查询该怎么办？（第55讲）

《架构师之路：架构设计中的100个知识点》

55.1对多业务数据库设计，架构设计

一个1对多的业务场景，一个属性分库，另一个属性上的查询怎么办？

很多架构师会面临这样的业务场景，今天就以帖子中心为例，聊聊这里面的架构设计。

帖子中心，是互联网业务中，一类典型的“1对多”业务，即：一个用户能发布多个帖子，一个帖子只有一个发布者。

任何脱离业务的架构设计都是耍流氓，先来看看帖子中心对应的业务需求，再来考虑它的分库设计，与架构设计。

帖子中心，是一个提供帖子发布，修改，删除，查看，搜索的服务。

帖子中心，有什么写操作？

1. 发布(insert)帖子；

2. 修改(update)帖子；

3. 删除(delete)帖子；

帖子中心，有什么读操作？

1. 通过tid查询(select)帖子实体，单行查询；

2. 通过uid查询(select)用户发布过的帖子，列表查询；

3. 帖子检索(search)，例如通过时间、标题、内容搜索符合条件的帖子；

在数据量较大，并发量较大的时候，架构如何设计？

典型的，通常通过元数据与索引数据分离的架构设计方法。

图片

架构中的几个关键点，如上图所示：

1. tiezi-center：帖子服务；

2. tiezi-db：提供元数据存储；

3. tiezi-search：帖子搜索服务；

4. tiezi-index：提供索引数据存储；

5. MQ：tiezi-center与tiezi-search通讯媒介，一般不直接使用RPC调用，而是通过MQ对两个子系统解耦。

此时，读需求怎么满足？

tiezi-center和tiezi-search分别满足两类不同的读需求。

图片

如上图所示：

1. tid和uid上的查询需求，可以由tiezi-center从元数据读取并返回；

2. 其他类检索需求，可以由tiezi-search从索引数据检索并返回；

写需求怎么办呢？

图片

至于写需求，如上图所示：

1. 增加，修改，删除的操作都会从tiezi-center发起；

2. tiezi-center修改元数据；

3. tiezi-center将信息修改通知发送给MQ；

4. tiezi-search从MQ接受修改信息；

5. tiezi-search修改索引数据；

tiezi-search，搜索架构不是本文的重点，不再展开，后文将重点描述帖子中心元数据水平切分设计。

帖子中心，数据库元数据如何设计？

帖子中心业务，很容易了解到，其核心元数据为：

t_tiezi(tid, uid, time, title, content, …);

其中：

1. tid为帖子ID，主键；

2. uid为用户ID，发帖人；

3. time, title, content …等为帖子属性；

数据库设计上，在业务初期，单库就能满足元数据存储要求。

图片

1. tiezi-center：帖子中心服务，对调用者提供友好的RPC接口；

2. tiezi-db：对帖子数据进行存储；

在相关字段上建立索引，就能满足相关业务需求。

1. 帖子记录查询，通过tid查询，约占读请求量90%；

代码语言：javascript代码运行次数：0运行复制

select * from t_tiezi where tid=$tid

2. 帖子列表查询，通过uid查询其发布的所有帖子，约占读请求量10%；

代码语言：javascript代码运行次数：0运行复制

select * from t_tiezi where uid=$uid

随着数据量越来越大，如何进行水平切分，对存储容量进行线性扩展呢？

方案一：帖子ID切分法

既然是帖子中心，并且帖子记录查询量占了总请求的90%，很容易想到通过tid字段取模来进行水平切分。

图片

这个方法简单直接，优点：

1. 100%写请求可以直接定位到库；

2. 90%的读请求可以直接定位到库；

缺点也很明显：一个用户发布的所有帖子可能会落到不同的库上，10%的请求通过uid来查询会比较麻烦；

图片

如上图，一个uid访问需要遍历所有库。

有没有一种切分方法，确保同一个用户发布的所有帖子都落在同一个库上，而在查询一个用户发布的所有帖子时，不需要去遍历所有的库呢？

方案二：Mapping映射法

使用uid来分库可以解决这个问题。

新的问题出现了：如果使用uid来分库，确保了一个用户的帖子数据落在同一个库上，那通过tid来查询，就不知道这个帖子落在哪个库上了，岂不是还需要遍历全库，需要怎么优化呢？

tid的查询是单行记录查询，只要在数据库（或者缓存）记录tid到uid的映射关系，就能解决这个问题。

新增一个索引库：

t_mapping(tid, uid);

1. 这个库只有两列，可以承载很多数据；

2. 即使数据量过大，索引库可以利用tid水平切分；

3. 这类kv形式的索引结构，可以很好的利用cache优化查询性能；

4. 一旦帖子发布，tid和uid的映射关系就不会发生变化，cache的命中率会非常高；

使用uid分库，并增加索引库记录tid到uid的映射关系之后，每当有uid上的查询，可以通过uid直接定位到库。

图片

每当有tid上的查询，可以先查mapping表得到uid，再通过uid定位到库。

图片

这个方法的优点是：

1. 一个用户发布的所有帖子落在同一个库上；

2. 10%的请求通过uid来查询列表，可以直接定位到库；

3. 索引表cache命中率非常高，因为tid与uid的映射关系不会变；

缺点也很明显：

1. 90%的tid请求，以及100%的修改请求，不能直接定位到库，需要先进行一次索引表的查询，当然这个查询非常快，通常在5ms内可以返回；

2. 数据插入时需要操作元数据与索引表，可能引发潜在的一致性问题；

有没有一种方法，既能够通过uid定位到库，又不需要建立索引表来进行二次查询呢，使得uid和tid都能够直接一次命中的方案呢？

方案三：基因法

什么是分库基因？

通过uid分库，假设分为16个库，采用uid%16的方式来进行数据库路由，这里的uid%16，其本质是uid的最后4个bit决定这行数据落在哪个库上，这4个bit，就是分库基因。

什么是基因法分库？

在“1对多”的业务场景，使用“1”分库，在“多”的数据id生成时，id末端加入分库基因，就能同时满足“1”和“多”的分库查询需求。

图片

如上图所示，uid=666的用户发布了一条帖子（666的二进制表示为：1010011010）：

1. 使用uid%16分库，决定这行数据要插入到哪个库中；

2. 分库基因是uid的最后4个bit，即1010；

3. 在生成tid时，先使用一种分布式ID生成算法生成前60bit（上图中绿色部分）；

4. 将分库基因加入到tid的最后4个bit（上图中粉色部分）；

5. 拼装成最终的64bit帖子tid（上图中蓝色部分）；

这般，保证了同一个用户发布的所有帖子的tid，都落在同一个库上，tid的最后4个bit都相同，于是：

1. 通过uid%16能够定位到库；

2. 通过tid%16也能定位到库；

有人要问了，同一个uid发布的tid落在同一个库上，会不会出现数据不均衡？

只要uid是均衡的，每个用户发布的平均帖子数是均衡的，每个库的数据就是均衡的。

总结

将以“帖子中心”为典型的“1对多”类业务，在架构上，采用元数据与索引数据分离的架构设计方法：

1. 帖子服务，元数据满足uid和tid的查询需求；

2. 搜索服务，索引数据满足复杂搜索寻求；

对于元数据的存储，在数据量较大的情况下，有三种常见的切分方法：

1. tid切分法，按照tid分库，同一个用户发布的帖子落在不同的库上，通过uid来查询要遍历所有库；

2. Mapping映射法，按照uid分库，同一个用户发布的帖子落在同一个库上，需要通过索引表或者缓存来记录tid与uid的映射关系，通过tid来查询时，先查到uid，再通过uid定位库；

3. 基因法，按照uid分库，在生成tid里加入uid上的分库基因，保证通过uid和tid都能直接定位到库；

知其然，知其所以然。

思路比结论更重要。

==全文完==

本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。原始发表：2025-04-11，如有侵权请联系 cloudcommunity@tencent 删除数据搜索索引架构设计服务

本文标签： 1亿数据量，uid分库，tid上的查询该怎么办（第55讲）