Database Sharding@Netlog 详细的描述了 Netlog 数据库架构的演变过程，文章浅显易懂，非常值得学习。本文数据、图片均来自：Database Sharding at Netlog, with MySQL and PHP
数据
约4000万活跃用户
每月约5000万独立访问
每月约50亿 PV 和 每月 60亿 online minutes
在数据库 sharding 以前，高峰时期每秒3000次以上数据库查询
26种语言，30多个国家，5个最活跃的国家主要集中在欧洲
技术平台
Squid
Lighttpd, Apache
PHP
MySQL
Debian
Memcached
Sphinx
and many more.
Netlog 数据库架构的历史
netlog 从7年前的一个 hobby project 发展而来，数据库从单台服务器扩展到树型多台服务器。
DB Setup 1: Master (W)
读写都在一台服务器上。
DB Setup 2: Master (W) + Slaves (R)
读写分离，写操作（INSERT/UPDATE/DELETE）在 Master 上执行，读操作（SELECT）在1个或者多个 Slaves 上执行。这种方案适合读比写多的情况，比如读写比例4：1的情况，不适合写比读多的情况，比如读写比例1：4。Slaves 通过同步 Master 的 binlog 文件，并且执行其中所有的写操作来同步数据库。这样会带来数据同步的问题，可能会造成数据滞后，比如一个数据刚写在 Master 上，Slaves 还来不及同步就被读取，读取的数据实际上是以前的数据，造成数据滞后。如果数据恰好很重要，比如用户刚换密码（密码写入 Master），然后用新密码登录（从 Slaves 读取密码），会造成密码不一致，导致用户短时间内登录出错。所以在这种需要读取实时数据的时候最好从 Master 直接读取，避免 Slaves 数据滞后现象发生。还好，需要读取实时数据的时候不多，比如用户更改了邮件地址，就没必要马上读取，所以这种 Master-Slaves 架构在多数情况下还是有效的。
DB Setup 3: Vertical Partitioning
DB Setup 2 的架构有个问题，就是能有效应付读多写少的情况，如果读少写多比如读写1：4就不是那么有效了，Slaves 不停的从 Master 那里同步写操作，只是充当数据复制的机器而已， Slaves 没有有效的参与到分担负载的重任中来。所以为了能分担写操作的负载，这个时候需要做 vertical partitioning，把那些没什么联系、不需要 JOINS 操作的表分到不同的服务器上来减轻负担。比如，把一个用户的相关信息（photos, blogs, videos, polls, …）分散到不同的数据库服务器上，然后给每个分散的数据库里都配上1个带有重复信息的表（userids, nicknames, …），这个时候你仍然可以访问用户的相关信息或者按照要求执行 JOINS 操作。下面的图就是这种结构，Messages 和 Friends 配置成 Slaves，以便从 Top Maser 那里同步复制那些带有有用信息的表（userids, nicknames, …）
DB Setup 4: Vertical Partitioning / Replication Tree
把 DB Setup 2 和 DB Setup 3 结合起来就成了 DB Setup 4，只要负载过大就配一个或多个 Slaves 给服务器分担负载，这就成了下面的树形结构。
DB Setup 5: Hitting Limits
按照 DB Setup 4 不断深入到应用程序往下加 Slaves，到最后就会变得越来越困难，因为你不断 partition 数据库后你就会发现执行 JOIN 操作就会越来越困难，因为你分出了更多的表。有时候某个表可能会变得超级大以至于服务器处理不了，比如 Friendship 表（用来处理用户关系的表）增长得太快，如果只放在1个 Master 上太危险了，如果 Master 服务器 down 了怎么办？单个 Master 处理性能怎么样？你可以给服务器 scale up，购买更强大更昂贵的服务器，更快的CPU，更大的内存，不过总归不是个办法，迟早还会遇到瓶颈（DB Setup 5）。所以需要更好的 scale out 策略。
DB Setup 6：Sharding
DB Setup 4 的 vertical partitioning 已经帮了很大忙，但是网站继续增长流量继续增大怎么办？ Master-Master 行得通不？Cluster 呢？这些方法都是为高可靠性和高性能设计的，对于现在这种需要分载写操作流量的情况不适合。Cache 呢？Cache 可以分担读操作流量，但是对于写操作不会有太大帮助。如果不能 vertical partitioning 了，那能不能 horizontal partitioning 呢？把 DB Setup 4 那张增长迅速、包含1亿条记录的巨大的表（Friendship）水平切成10份，每份1千万条记录，放在10个不同的服务器上。这种技术又可以叫做 sharding，被广泛用于大规模流量的网站上，如 Flickr, LiveJournal, Sun, Netlog 等。
上图把一个 photo 表 shard 到了10台不同的数据库服务器上。但是如何访问这些不同服务器上的数据呢，怎么能知道某个数据放在哪个服务器上呢？用一个小算法（userid % 10），只要知道了用户 userid，就可以知道用户的 photo 放在哪个数据库服务器上，然后连接那台数据库查询。
举一个简单例子，创建一个巨大的 photo 表，其中包含 photoid, title, description, dateadded, authorid，url 列，其中 authorid 是另外一个 user 表（userid, name, …） 的 foreign key。我们将把这张巨大的 photo 表 shard 到2台不同的数据库服务器上，用户 authorid 为奇数的就访问数据库1，authorid 为偶数就访问数据库2。
如果只有1台数据库服务器，不做 shard，访问数据库应该是这个样子：
PHP:
$db = DB::getInstance();
$db->prepare(“SELECT title, url, description FROM photo WHERE userid = {userID}”);
$db->assignInt(‘userID’, $userID);
$db->execute();
$results = $db->getResults();
如果用2台数据库服务器来做 shard，我们需要传一个参数给 DB 类，以便 DB 类知道连接到哪个数据库，比如传 $userID 给 DB::getInstance()，然后 getInstance() 计算 $userID % 2 后返回数据库的连接信息：
PHP:
$db = DB::getInstance($userID);
$db->prepare(“SELECT title, url, description FROM photo WHERE userid = {userID}”);
$db->assignInt(‘userID’, $userID);
$db->execute();
$results = $db->getResults();
Netlog 提到了 shard 数据需要注意的两点：
1、根据数据表的哪个列（如上面的 userid）来切分数据，使数据存到对应的数据库；
2、用什么算法来判断（如上面的 userid % 2）数据存到哪个服务器上。
如何根据数据表来切分数据主要依据程序来决定，Netblog选择的是用户 ID。以下有4种切分数据的方式可以参考：
1、Vertical Partitioning：如 DB Setup 3 那样；
2、Range-based Partitioning：如前1000个用户的信息存在服务器1，1001-2000存在服务器2，…；
3、Key or Hash based Partitioning：如上面的 userid % 2 的例子就是最简单的 key/hash；
4、Directory based Partitioning：最灵活的方式，把 key 和数据库服务器的对应关系保存下来，通过查找的方式找到对应的服务器。
DB Setup 7：Now
Netlog 在应用和数据库之间加了一个中间层，从 PHP 角度看有两部分组成，一部分是用来管理和维护，增加、删除、编辑 shards，数据库，lookup 系统；另一部分用来给数据库层和缓存层提供可以访问的 API。
Shards live in databases, databases live on hosts
Netlog 用的是方式4：Directory based Partitioning，用一个单独的 MySQL 表存放目录 lookup 信息，用来把 $userID（shard keys）映射到对应的 $shardIDs 上，然后通过一些配置文件把 $shardIDs 映射到对应的数据库服务器上（得到相关数据库服务器的连接信息），以便后续操作在对应的数据库上执行。
举个例子来说明如何在 shards 上获取 userid 为26的 photo 信息 ：
Query: Give me the photos from author with id 26.
Where is user 26?
User 26 is on shard 5 (26 % 10 -1）.
On shard 5; Give me all the $photoIDs ($itemIDs) of user 26.
That user’s $photoIDs are: array(10,12,30);
On shard 5; Give me all details about the items array(10,12,30) of user 26.
Those items are: array(array(‘title’ => “foo”, ‘description’ => “bar”), array(‘title’ => “milk”, ‘description’ => “cow”));
总结
“Don’t do it, if you don’t need to!” (37signals.com)
“Shard early and often!” (startuplessonslearned.blogspot.com)
作者在原文谈到了这两个看上去矛盾的观点。能不 shard 就尽量不 shard，因为 shard 会带来复杂性，数据库变复杂，服务器变多，难以维护、监测等。过分 shard 数据后，关系型数据库带来的好处就没了。尽量用简单的办法解决负载问题，比如：better hardware, more hardware, server tweaking and tuning, vertical partitioning, sql query optimization 等，如果这些能解决问题就不要shard。
另一方面，如果确定有 shard 的必要就要尽早开始设计，并且经常 shard，在设计数据库的时候牢记 shard 的两个关键点 sharding/partitioning key 和 sharding/partitioning scheme。
which property of the data (which column of the table) will I use to make the decisions on where the data should go?
And what will the algorithm be?
作者：vpsee
