大家好呀，我是飄渺！
通過上篇文章我們知道了一個結論：那就是對於toC的業務，需要選擇用戶屬性如 user_id 作爲分片鍵。
那問題來了，對於訂單表來說，選擇了user_id作爲分片鍵以後如何查看訂單詳情呢？比如下面這樣一條SQL：
SELECT * FROM T_ORDER WHERE order_id = 801462878019256325
由於查詢條件中的order_id不是分片鍵，所以需要查詢所有分片才能得到最終的結果。如果下面有 1000 個分片，那麼就需要執行 1000 次這樣的 SQL，這時性能就比較差了。
可以通過ShardingSphere-JDBC生成的SQL得知，根據order_id查詢會對所有分片進行查詢然後通過UNION ALL進行合併。
但是，我們知道 order_id 是主鍵，應該只有一條返回記錄，也就是說，order_id 只存在於一個分片中。這時，可以有以下三種設計：
- 冗餘數據法
- 索引表法
- 基因分片法
當然，這三種設計的本質都是通過冗餘實現空間換時間的效果，否則就需要掃描所有的分片，當分片數據非常多，效率就會變得極差。
下面我們逐一分析。
設計一：冗餘法
這種做法很容易理解，同一份訂單數據在插入時保存兩份，根據user_id 和 order_id分別做兩個分庫分表的實現。
通過對錶進行冗餘，對於 order_id 的查詢，只需要在 order_id = 801462878019256325 的分片中直接查詢就行，效率最高。但是這個方案設計的缺點又很明顯：冗餘數據量太大。
方法二：索引表法
索引表法是對第一種冗餘法的改進，由於第一種方案冗餘的數據量太大，所以索引表方案中只創建一個包含user_id和order_id的索引表，在插入訂單時再插入一條數據到索引表中。
表結構如下
CREATE TABLE idx_orderid_userid （
order_id bigint
user_id bigint,
PRIMARY KEY (order_id)
)
在實現時可以將idx_orderid_userid表通過Redis緩存來代替，如果此表數據量很大也可以將其分庫分表，但是它的分片鍵是 order_id。
如果這時再根據字段 order_id 進行查詢，可以進行類似二級索引的回表實現：先通過查詢索引表得到記錄 order_id = 801462878019256325 對應的分片鍵 user_id 的值，接着再根據 user_id 進行查詢，最終定位到想要的數據，如：
原始SQL：
SELECT * FROM T_ORDER WHERE order_id = 801462878019256325
拆分後的SQL：
# step 1
SELECT user_id FROM idx_orderid_userid
WHERE order_id = 801462890610556951
# step 2
SELECT * FROM T_ORDER
WHERE user_id = ? AND order_id = 801462890610556951
這個例子是將一條 SQL 語句拆分成 2 條 SQL 語句，但是拆分後的 2 條 SQL 都可以通過分片鍵進行查詢，這樣能保證只需要在單個分片中完成查詢操作。不論有多少個分片，也只需要查詢 2個分片的信息，這樣 SQL 的查詢性能可以得到極大的提升。
方法三：基因法
通過索引表的方式，雖然存儲上較冗餘全表容量小了很多，但是要根據另一個分片鍵進行數據的存儲，還是顯得不夠優雅。
因此，最優的設計，不是創建一個索引表，而是將分片鍵的信息保存在想要查詢的列中，這樣通過查詢的列就能直接知道所在的分片信息，這種方法也叫叫做基因法。
基因法的原理出自一個理論：對一個數取餘2的n次方，那麼餘數就是這個數的二進制的最後n位數。
假如我們現在根據user_id進行分片，採用user_id % 16的方式來進行數據庫路由，這裏的user_id%16，其本質是user_id的最後4個bit位 **log(16,2) = 4 ** 決定這行數據落在哪個分片上，這4個bit就是分片基因。
如上圖所示，user_id=20160169的用戶創建了一個訂單（20160169的二進制表示爲：1001100111001111010101001)
- 使用user_id%16分片，決定這行數據要插入到哪個分片中
- 分庫基因是user_id的最後4個bit，log(16,2) = 4，即1001
- 在生成order_id時，先使用一種分佈式ID生成算法生成前60bit（上圖中綠色部分）
- 將分庫基因加入到order_id的最後4個bit（上圖中粉色部分）
- 拼裝成最終的64bit訂單order_id（上圖中藍色部分）
這樣保證了同一個用戶創建的所有訂單都落到了同一個分片上，order_id的最後4個bit都相同，於是：
- 通過user_id %16 能夠定位到分片
- 通過order_id % 16也能定位到分片
不好理解的話，可以看下面這段代碼：
@Test
public void modIdTest(){
long userID = 20160169L;
//分片數量
int shardNum = 16;
String gen = getGen(userID, shardNum);
log.info("userID:{}的基因爲:{}",userID,gen);
long snowId = IdWorker.getId(Order.class);
log.info("雪花算法生成的訂單ID爲{}",snowId);
Long orderId = buildGenId(snowId,gen);
log.info("基因轉換後的訂單ID爲{}",orderId);
Assert.assertEquals(orderId % shardNum , userID % shardNum);
}
運行結果如下：
原始訂單ID爲1595662702879973377，通過基因轉換後ID變成了1595662702879973385，對於用戶id 和 新生成的訂單id對其取模結果一樣。
上面那種做法是基因替換，替換掉訂單id的分片基因。下面這種做法就更顯直接。
將訂單表 orders 的主鍵設計爲一個字符串，這個字符串中最後一部分包含分片鍵的信息，如：
order_id = string（order_id + user_id）
那麼這時如果根據 order_id 進行查詢：
SELECT * FROM T_ORDER
WHERE order_id = '1595662702879973377-20160169';
由於字段 order_id 的設計中直接包含了分片鍵信息，所以我們可以直接通過分片鍵部分直接定位到分片上。
同樣地，在插入時，由於可以知道插入時 user_id 對應的值，所以只要在業務層做一次字符的拼接，然後再插入數據庫就行了。
這樣的實現方式較冗餘表和索引表的設計來說，效率更高，查詢時可以直接定位到數據對應的分片信息，只需 1 次查詢就能獲取想要的結果。
這樣實現的缺點是，主鍵值會變大一些，存儲也會相應變大。但是隻要主鍵值是有序的，插入的性能就不會變差。而通過在主鍵值中保存分片信息，卻可以大大提升後續的查詢效率，這樣空間換時間的設計，總體上看是非常值得的。
實際上淘寶的訂單號也是這樣構建的
上圖是我的淘寶訂單信息，可以看到，訂單號的最後 6 位都是 607041，所以可以大概率推測出：
- 淘寶訂單表的分片鍵是用戶 ID；
- 淘寶訂單表，訂單表的主鍵包含用戶 ID，也就是分片信息。這樣通過訂單號進行查詢，可以獲得分片信息，從而查詢 1 個分片就能得到最終的結果。
小結
分庫分表後需要遵循一個基本原則：所有的查詢儘量帶上sharding key，有時候業務需要根據技術限制進行妥協，那種既要...又要...就是在耍流氓。
當然有些業務場景確實沒辦法避免，對於非sharding key的查詢可以參考上面三種方案實現，不過實際上只能算兩種。
曾經在面試時我還被問到過這個問題～
今天的文章是屬於理論知識，Talk is cheap,Show me the code! 接下來兩篇文章我將結合ShardingSphere-JDBC實現上述兩種方案，系列文章歡迎持續關注。
