用户中心几乎是每家公司必不可少的基础服务。用户注册、登录、信息查询和修改都离不开用户中心。当数据量越来越大时，就需要多用户中心进行水平切分。最常见的水平切分方法是根据uid取模来划分数据库：通过uid取模将数据分布到多个数据库实例中，增加服务实例的数量，减少单个数据库的数据量，实现产能扩张的目的。横向切分后：uid属性的查询可以直接路由到库中，如上图，假设访问uid=124的数据，取模后可以直接定位到db-user1。对于uname上的查询，不能这么幸运：uname上的查询，如上图，假设要访问uname=shenjian的数据，因为你不知道数据落在哪个数据库上，你经常需要遍历所有数据库（sweepthewholedatabasemethod），当分库数量增加时，性能会明显下降。使用uid分库，如何高效实现在线查询是本文要探讨的问题。方案一：索引表法思路：uid可以直接定位到库，uname不能直接定位到库。如果可以通过uname查询到uid，问题就解决了。解决方法：（1）建立索引表，记录uname到uid的映射关系；(2)使用uname访问时，先通过索引表查询uid，然后定位到对应的库；(3)索引表属性少，可以容纳大量数据，一般不需要分库；(4)如果数据量太大，可以使用uname分库；潜在缺点：多一次数据库查询，性能会翻倍。方案二：缓存映射方式的思路：访问索引表性能低，把映射关系放在缓存中性能更好。解决方法：（1）uname查询先查询缓存中的uid，再根据uid定位数据库；(2)假设cachemiss，使用扫描全库的方法获取uname对应的uid，放入缓存；(3)从uname到uid的映射关系不会改变。映射关系一旦放入缓存，就不会改变，不需要淘汰，缓存命中率非常高；(4)如果数据量太大，可以按名称拆分缓存层级；潜在不足：多了一个缓存查询。方案三：uname生成uid思路：不用远程查询，uname直接获取uid。解决方法：（1）用户注册时，设计函数uname生成uid，uid=f(uname)，根据uid分库插入数据；(2)使用uname访问时，先通过函数计算uid，即再次uid=f(uname)，从uid路由到对应的库；潜在不足：该功能的设计需要非常巧妙，存在uid生成冲突的风险。方案四：遗传法，uname基因整合到uid思路：不能用uname生成uid，但是可以从uname中提取“基因”，整合到uid中。假设有8个数据库，使用uid%8路由，潜台词就是uid的后3位决定了这条数据落在哪个数据库上。这3位就是所谓的“基因”。解决方案：（1）用户注册时，设计函数uname生成一个3位基因，uname_gene=f(uname)，如上图粉红色部分；（2）同时生成一个61位的全局唯一id作为用户的标识，如上图部分绿色所示；(3)然后使用3bit的uname_gene作为uid的一部分，如上图黄色部分；(4)生成一个64bit的uid，由id和uname_gene拼装而成，根据uid分库插入数据；(5)使用uname访问时，先通过函数从uname中恢复3bit基因，uname_gene=f(uname)，直接通过uname_gene%8定位到文库；总结业务场景：用户中心，数据量大，通过uid分库后，通过uname分库无法路由。解决方法：（1）扫描全库法：遍历所有库；(2)索引表法：记录数据库中uname到uid的映射关系；(3)缓存映射法：记录缓存中uname到uid的映射关系；(4)uname生成uid；(5)遗传法：将uname基因整合到uid中；【本文为专栏作者《58神剑》原创稿件，转载请联系原作者】点此阅读更多该作者好文
