小猿日记(11) - 单表亿级数据分表实战

简介: 单表亿级数据分表实战

声明

本文故事纯属遐想,如有雷同,我是原创。

欢迎转载。
转载请务必注明以下信息。
原作者:谙忆
原文链接: https://chenhx.blog.csdn.net/article/details/106446270

公众号

阅代码原理,看框架知识,学企业实践;
赏诗词,读日记,踏人生之路,观世界之行;
欢迎扫码关注公众号:程序编程之旅
程序编程之旅

概述

5000万单表数据,没有自增ID,要切分到128个表中。

如何选择切分字段,如何优化迁移速度,如何估计分表还是分库分表,如何确定分表数量?

口水记

最近将单表进行了拆分。

虽然是saas平台的权限系统,但是由于前期设计问题,开始在某些表中是没有租户标识的

所以这次给表加上了租户的标识。

改造数据库表结构,最大的难点不是知道如何改。而是变更落地。不遗漏。

经过两次的排查,将所有接口,所有依赖应用全部找出来,全部进行修改。

虽说没有测试人员,但是也顺利上线,没有bug。

然后就是分表问题,这里不选择分库,原因就是,我们的产品面向的是B端,数据库压力并不大,看了现在数据库的一些指标,单个库完全能够支持。

分表数量如何取,这里面要根据实际的一个情况来。

更多内容可以关注公众号或者阅读原文:
https://chenhx.blog.csdn.net/article/details/106446270

目录
相关文章
|
Serverless C语言
【C语言必知必会 | 第五篇】选择结构入门,这一篇就够了
【C语言必知必会 | 第五篇】选择结构入门,这一篇就够了
766 0
|
2月前
|
消息中间件 运维 监控
双十一前夜的"惊魂 30 秒":我的 1688 代采系统抗住 10 倍流量的架构演进之路
本文讲述一位跨境电商系统架构师老王,面对1688代采系统在业务爆发(月单量从1万增至8万)下屡次崩溃的困境,历经三次架构演进:从单体Django“能跑就行”,到引入RabbitMQ异步解耦,最终依托阿里云RocketMQ、Redis企业版、API网关等构建高可用体系,成功扛住双十一15000 QPS峰值。真实、硬核、可复用。
220 4
|
4月前
|
并行计算 算法 Java
Java 并发编程的演进——从 synchronized 到 Loom 的虚拟线程
Java并发编程经历了从低级同步原语到高级并发工具,再到革命性虚拟线程的漫长演进。
204 1
|
5月前
|
Java PHP 开发者
华山论剑:各大编程语言Web框架巅峰对决
本文全景式梳理主流编程语言的Web框架生态,从Java的Spring Boot/Quarkus、Python的Django/FastAPI、JS的Express/NestJS,到Go、Rust、C#、Kotlin等新兴势力,剖析其设计哲学、核心组件(路由、ORM、中间件)与适用场景,揭示技术选型背后的性能、开发效率与工程化权衡。(239字)
794 4
|
8月前
|
前端开发 测试技术 C++
定制化UI界面
本文介绍如何基于若依(RuoYi)框架定制化项目界面,包括更换浏览器标签页logo与标题、系统页面logo与标题、登录页名称及背景图,并去除源码地址、文档地址及官网标识,同时调整主题UI风格,打造符合企业形象的前端界面,适用于Vue3版本脚手架项目。
|
9月前
|
Java Swift Android开发
Kotlin vs Swift:现代移动开发的“双子星”全面对比
Kotlin与Swift是现代移动开发的两大主流语言,分别主导Android与iOS生态。本文全面对比二者在语法、空安全、并发、性能及跨平台等方面的异同,深入解析其设计理念与适用场景,助你根据平台需求与技术战略做出最优选择。
658 0
|
数据采集 人工智能 搜索推荐
SocraticLM:通过 AI 提问引导学生主动思考,中科大与科大讯飞联合推出苏格拉底式教育大模型
SocraticLM 是由中科大和科大讯飞联合开发的苏格拉底式教学大模型,通过提问引导学生主动思考,提供个性化教学,显著提升教学效果。
1475 9
SocraticLM:通过 AI 提问引导学生主动思考,中科大与科大讯飞联合推出苏格拉底式教育大模型
|
存储 大数据 虚拟化
【云计算与大数据技术】虚拟化简介及虚拟化的分类讲解(图文解释 超详细)
【云计算与大数据技术】虚拟化简介及虚拟化的分类讲解(图文解释 超详细)
1636 0
|
机器学习/深度学习 人工智能 并行计算
【AI系统】GPU 架构回顾(从2010年-2017年)
自1999年英伟达发明GPU以来,其技术不断革新。本文概述了从2010年至2024年间,英伟达GPU的九代架构演变,包括费米、开普勒、麦克斯韦、帕斯卡、伏特、图灵、安培、赫柏和布莱克韦尔。这些架构不仅在游戏性能上取得显著提升,还在AI、HPC、自动驾驶等领域发挥了重要作用。CUDA平台的持续发展,以及Tensor Core、NVLink等技术的迭代,巩固了英伟达在计算领域的领导地位。
1439 1