这篇文章是对又拍网公布的数据库案例的分析总结
又拍网是一个大型照片分享社区，数据库架构也是从简单到复杂发展起来的
数据库进化过程
（1）一主一从
最初是由一台主库和一台从库组成，当时从库只用作备份和容灾，当主库出现故障时，从库就手动变成主库
随着压力的增加，加上了memcached
（2）一主多从
通过添加多个从库来分流查询压力
（3）数据库拆分
随着数据量的增加，读写压力都迅速增加，决定进行数据库拆分，将数据存放到不同的数据库服务器中
数据库拆分
一般可以按两个纬度来拆分数据:
（1）垂直拆分
按功能模块拆分，多个数据库之间的表结构不同
（2）水平拆分
将同一个表的数据进行分块保存到不同的数据库中，数据库中的表结构相同
又拍网的核心业务对象是用户上传的照片，而照片数据的增加速度随着用户量的增加越来越快
压力基本上都在照片表上，垂直拆分不太适合，所以，采用了水平拆分的方式
拆分规则
常见的拆分方式是对表中某列值的范围或者hash值拆分，比如ID在0-10000之间的用户对应到数据库A，ID在10000-20000这个范围的对应到数据库B
这种方法实现起来比较方便高效，但是不能满足后续的伸缩性要求，如果需要增加数据库节点，必需调整算法或移动很大的数据集，比较难做到在不停止服务的前提下进行扩充数据库节点
又拍网采用的拆分方法是：映射表
这种方法是指建立一个索引表，保存每个用户ID和数据库ID的对应关系，每次读写用户数据时先从这个表获取对应数据库，新用户注册后，在所有可用的数据库中随机挑选一个为其建立索引
把索引表进行缓存，提高检索性能
数据迁移
如果需要平衡各个节点的压力，需要进行数据的迁移
例如要迁移用户A的数据
（1）将A状态置为迁移数据中，这个状态的用户不能进行写操作，并在页面上进行提示
（2）然后将用户A的数据全部复制到新增加的节点上
（3）更新映射表
（4）将用户A的状态置为正常
（5）将原数据库上的数据删除
迁移操作放在凌晨，减少对用户访问的影响
数据访问过程
拆分带来的问题
（1）跨库关联查询
如果需要查询的数据分布于不同的数据库，不便于通过JOIN的方式查询获得
比如要获得好友的最新照片，不能保证所有好友的数据都在同一个数据库里，需要通过多次查询，再进行聚合
有些需求可以通过保存多份数据来解决，例如用户A、用户B的数据库分别是DB1、DB2，当A评论了B作品时
先在B所在DB2中photo_comments表插入记录，记录B的哪个作品被谁评论了什么内容
然后在A所在DB1中user_comments表插入记录，记录A给哪个作者的哪个作品发表过评论
这样可以通过photo_comments得到B的某张照片的所有评论，也可以通过user_comments获得A发布过的所有评论
（2）不能保证数据的一致/完整性
跨库的数据没有外键约束，也没有事务保证，比如上面评论照片的例子，很可能出现成功插入photo_comments表，但是插入user_comments表时却出错了
可以在两个库上都开启事务，然后先插入photo_comments，再插入user_comments，然后提交两个事务，但不能完全保证这个操作的原子性
（3）自增ID
增加了一个专门用来生成ID的数据库，表结构很简单，只有一个自增字段id
例如要插入评论时，先在ID库的photo_comments表里插入一条空的记录，以获得一个唯一的评论ID
定期清理ID库的数据，以保证获取新ID的效率
数据库布局
整个数据库由多个子库构成
每个子库由两台物理服务器组成，两台都为master，互相复制
虽然都为master，但只有一个为工作状态，那么另一台就闲置了，为了节约成本，在两台服务器上放两个子库
