考察点:非分片键查询、读扩散与分片热点的排查思路。
要点:
1. 现象特征
「全分片广播」意味着中间件无法从 SQL 解析出分片键,只能把语句发到所有分片再合并结果。典型表现是:单条 SQL 耗时随分片数线性增长,数据库连接数与 CPU 升高,慢查询集中在同一类接口上。
2. 三步定位
第一步:确认分片键是否出现在查询条件里。 最常见原因是查询条件只含非分片键字段(如按 buyer_id 分片却用 order_id 点查)。此时看路由到的分片数:应为 1、实际为 N,就是读扩散。注意 ShardingSphere 的 binding table 有前提——同一组表使用相同分片规则且 SQL 关联条件带分片键,否则仍会跨分片路由。
第二步:确认是不是「必需跨分片」的查询形态。 即使带了分片键,group by、order by、跨分片分页仍需要多分片汇总排序;查第 1000 页时每个分片都要返回前 N 页候选再合并截取,分片越多放大倍数越高。这不是配置错误,而是查询形态与分片模型不匹配。
第三步:排查分片热点与数据倾斜。 若某些分片明显更忙,说明分片键离散性不足:取用户 ID 低位取模、连续自增键、时间递增键、大租户都会形成热点。先看分片级监控的 QPS 与数据量分布是否均匀。
3. 对应解决手段
| 场景 | 方案 |
| --- | --- |
| 非分片键高频点查 | 维护 order_id → buyer_route 路由表,或把路由信息写进业务 ID 的固定位置 |
| 后台按条件检索 | 冗余索引表 / 读模型,或交给 Elasticsearch、宽表,避免打核心链路 |
| 跨分片聚合与深分页 | 大结果集外置到搜索引擎/离线报表;核心链路限制分页深度或改用游标分页 |
| 数据倾斜/热点 | 换离散性更好的分片键,或对大租户单独拆分;避免用低位不均匀的 ID 直接取模 |
| 分片规则 | 固定逻辑分片(bucket)+ 映射,扩容只迁 bucket 而非改业务取模规则 |
4. 长期治理
上线前按主要查询路径设计分片键(共性、离散性、稳定性、扩展性需权衡);业务天然有多条高频查询路径时,应通过冗余读模型或搜索系统分流;并建立分片级监控,保留能快速确认「某条 SQL 路由到几个分片」的手段。
题目与答案就在本页;收藏、批注和错题重练在应用内