需求背景 业务表tb_image部分数据如下所示，其中id唯一，image_no不唯一。image_no表示每个文件的编号，每个文件在业务系统中会生成若干个文件，每个文件的唯一ID就是字段id： 业务表t
需求背景
业务表tb_image部分数据如下所示，其中id唯一，image_no不唯一。image_no表示每个文件的编号，每个文件在业务系统中会生成若干个文件，每个文件的唯一ID就是字段id：
业务表tb_image的一些情况如下：
根据image_no查询和根据id查询；
存量数据2kw；
日增长4w左右；
日查询量20w左右；
非ToC系统，所以并发的天花板可见；
方案选择
根据上面对业务的分析，分库分表完全没有必要。单库分表的话，由于要根据image_no和id查询，所以，一种方案是冗余分表（即一份数据以image_no为分片键保存，另一份数据以id为分片键保存）；另一种方案是只以image_no为分片键，而基于id的查询需求，业务层进行结果归并或者引入第三方中间件。
考虑到单库分表比较复杂，所以决定使用分区特性，而且容量评估分区表方案128个分区（每个分区数据量kw级别）完全能保证业务至少稳定运行15年（图中橙色部分是比较贴合自身业务实际增长情况）：
另外，由于RANGE, LIST, HASH分区都不支持VARCHAR列，所以决定采用KEY分区，官方介绍它的原理是以MySQL内置hash算法然后对分区数取模。
性能测试
选定分片键为image_no，并且决定分区数为128后，就要灌入数据进行可行性和性能测试了。分区数选择128的原因是：11亿/1kw=110≈128，另外程序员情节，喜欢用2的N次方，你懂的。然而， 这个分区数128就是一切噩梦的开始 。
我尝试先插入10w数据到128个分区中，插入后，让我惊讶的现象出现了： 所有奇数编号分区（p1, p3, p5, … , p2n-1）中居然没有一条数据 ，同时，任何一个偶数编号分区却有很多的数据，而且还不是很均匀。如下图所示：
说明：奇数编号分区的ibd文件大小都是112k，这是创建分区表时初始化大小，实际并没有任何数据。我们可以通过SQL： select partition_name, partition_expression, table_rows from information_schema.partitions where table_schema = schema() and table_name='image_subpart' ;验证，其部分结果如下图所示：
难道10w条数据还不够说明问题？平均下来每个分区可是有近800条数据！好吧，来点猛的：我再插入990w条数据，总计1kw数据。结果还是一样，奇数编号分区没有数据，偶数编号都有分区。
问题思考
我们再来回想一下KEY分区的原理： 通过MySQL内置hash算法对分片键计算hash值后再对分区数取模 。这个原理也可以从MySQL官网找到，请戳链接：22.2.5 KEY Partitioning: https://dev.mysql.com/doc/refman/5.7/en/partitioning-key.html，截取原文如下：
Partitioning by key is similar to partitioning by hash, except that where hash partitioning employs a user-defined expression, the hashing function for key partitioning is supplied by the MySQL server. NDB Cluster uses MD5() for this purpose; for tables using other storage engines, the server employs its own internal hashing function which is based on the same algorithm as PASSWORD().
**这个世界上不会有这么渣渣的hash算法吧？**随便写个什么算法也不至于这么不均匀吧？这时候我怀疑是否有一些什么配置引起的。但是show variables中并没有任何与partition相关的变量。
这个时候，一万匹马奔腾而过。会不会是文档和源码不同步导致的？好吧，看MySQL的源码，毕竟， 源码才是最接近真相的地方 。KEY分区相关源码在文件sql_partition.cc中，笔者截取部分关键源码，如下所示，初略观察，并没有什么不妥，先计算分区字段的hash值然后对分区数取模：
/**
Calculate part_id for (SUB)PARTITION BY KEY
@param file Handler to storage engine
@param field_array Array of fields for PARTTION KEY
@param num_parts Number of KEY partitions
@param func_value[out] Returns calculated hash value
@return Calculated partition id
*/
inline
static uint32 get_part_id_key(handler *file,
Field **field_array,
uint num_parts,
longlong *func_value)
{
DBUG_ENTER("get_part_id_key");
// 计算分区字段的hash值
*func_value= file->calculate_key_hash_value(field_array);
// 对分区数取模
DBUG_RETURN((uint32) (*func_value % num_parts));
}
怀着绝望的心情，请出搜索引擎搜索：“KEY分区数据不均匀”，搜索结果中的CSDN论坛（ https://bbs.csdn.net/topics/390857704）里有个民间高手华夏小卒回答如下：
一个同事根据password函数，分析并测出，key分区，只能指定分区数目为质数，才能保证每个分区都有数据。我测了下，从11个分区，到17个分区。 只有11,13,17 ，这3个分区的数据是基本平均分布的。
这个时候，又是一万匹马奔腾而过。不过 WHAT THE F**K 的同时，心里也是有点小激动，因为可能找到解决办法了（虽然还不知道MySQL内置hash算法为毛会这样），最后笔者再次对KEY分区测试并得出总结如下：
如果设置40，64，128等偶数个分区数（PARTITIONS 64），会导致编号为奇数的分区（p1, p3, p5, p7, … p2n-1）完全插不进数据；
如果设置63，121（PARTITIONS 63）这种奇数但非质数个分区数，所有分区都会有数据，但是不均匀；
如果设置137，31这种质数个分区数（PARTITIONS 137），所有分区都会有数据，并且非常均匀；
如下图所示，是笔者把分区数调整为127并插入100w数据后的情况，通过SQL证明每个分区的数据量几乎一样：
总结回顾
MySQL的KEY分区这么大的使用陷阱，居然在官方上没有任何说明，这让笔者感到非常震惊。此外还有MySQL bug：Bug #72428 Partition by KEY() results in uneven data distribution
正在看此文并有很强烈兴趣的同学，可以尝试更深入这个问题。笔者接下来也会找个时间，根据MySQL源码深入挖掘其hash算法的实现为什么对分区数如此敏感。
到此这篇关于MySQL学习记录之KEY分区引发的血案的文章就介绍到这了,更多相关MySQL KEY分区血案内容请搜索每日运维以前的文章或继续浏览下面的相关文章希望大家以后多多支持每日运维！
