刚开始学数据分片，字段选哪儿才不踩坑，怎么考虑比较靠谱呢

你刚开始学数据分片,最挠头的问题可能就是：这第一刀，到底该切在哪个字段上？选错了后面全是坑，改起来能要命，这事儿确实不能拍脑袋，得有个靠谱的思路，咱们就抛开那些高大上的术语，用大白话聊聊怎么选这个分片字段。

核心就一句话：你得找一个能让数据“均匀”分布，并且大部分查询都能用上的那个字段。

听起来简单,做起来难，咱们拆开看。

第一，为啥要“均匀”？这是为了避免“热点”。

想象一下,你开了一家超大的火锅店（这就是你的数据库），客人爆满，如果你把所有四川客人都安排在一个区域（这就是一个数据分片），那个区域的服务员（服务器）会累瘫，火锅灶台（CPU/磁盘）一直满负荷，上菜慢，客人抱怨，而其他区域的员工却很闲，这就是“热点”问题。

数据分片也一样,如果你选的字段不能让数据平均分配到各个分片（服务器）上，就会导致某个分片存储和访问压力巨大，成为系统瓶颈，而其他分片资源闲置，你用“性别”做分片字段，男、女两个值，就算分两个片，也可能因为用户比例失调导致一个片特别大，或者你用“城市”字段，但北上广深的用户数据量可能是其他城市的几十倍，那存储这几个城市数据的分片就会很累。

选分片字段的第一个原则,就是这个字段的值必须有足够的“区分度”，或者说“散列性”，值的种类越多，分布越均匀，越好，像用户ID、订单ID这种唯一性很高的字段，天然就适合做分片字段，根据“阿里云开发者”社区里一些文章的观点，选择散列性好的字段是分片设计的首要考量，目的就是让数据像沙子一样均匀铺开，而不是堆成小山。

第二，为啥要“大部分查询都能用上”？这是为了避免“跨分片扫描”。

还是火锅店的例子,现在你学聪明了，按顾客身份证号尾号分区域坐，非常均匀，但这时，老板说要搞个活动，找出所有今天过生日的顾客送份果盘，服务员疯了，他得跑遍店里所有区域，挨个问“您今天生日吗？”，这就是“跨分片查询”，性能极差，因为要访问所有分片，然后把结果拼起来。

数据分片也怕这个,如果你选了“用户ID”做分片字段，分得挺均匀，但你的业务查询经常是“查询某个商品的所有订单”或者“查询某个商家的所有销售记录”，这时，因为“商品ID”或“商家ID”不是分片字段，数据库不知道这些数据落在哪个分片上，就只能向所有分片发起查询，再汇总结果，分片越多，这个查询就越慢，甚至不如不分片。

选分片字段的第二个原则,也是更关键的原则，就是要贴合你的核心业务查询模式，你需要仔细分析，你的应用最频繁、最关键的查询语句，它的WHERE条件里最常出现的是哪个字段？这个字段，就是分片字段的强候选。

《阿里巴巴Java开发手册》 里提到过分片的一个实践经验：选择分片字段时，需要优先考虑业务主体，并且确保核心查询能够直接定位到单个分片，比如对于电商订单系统，如果业务上大部分查询都是基于用户维度（如“我的订单”），那么用“用户ID”分片就是最合理的，因为每个用户查询订单时，只需要访问他所在的那个分片，速度快得很。

具体怎么考虑比较靠谱呢？你可以按这个步骤走：

1. 列出你的核心业务场景： 别想那些边边角角的查询，就想你最要紧的几个功能，对社交App是“看朋友圈”、“发消息”；对电商是“查订单”、“下单”。
2. 找出这些场景的查询条件： 看看实现这些功能的SQL语句，WHERE后面跟的最多的是哪个字段？是user_id？order_id？还是shop_id？
3. 评估字段的散列性： 看看这个候选字段的值是不是足够多、分布是不是均匀，拿不准可以抽样分析一下现有数据。
4. 进行取舍和权衡： 理想情况是，找到一个既高频使用又分布均匀的字段，但往往没那么完美，这时候就要优先保证核心查询不走跨分片，因为热点问题还可以通过给热点分片更好的硬件来缓解（虽然不优雅），但全分片扫描的性能灾难是结构性的，很难补救，在电商场景，即使大卖家的订单可能造成轻微热点，但为了保障海量买家查询“我的订单”的速度，也值得选择“买家ID”作为分片字段。
5. 考虑未来扩展： 你选的这个字段，会不会很快就不够用了？比如按“年份”分片，一年一个片，听着整齐，但五年后你就有五个片，而且老片的数据可能没人访问，资源浪费，不如用一个更持续的、自然的业务字段。

几个常见的坑，你直接避开：

• 别用状态字段： 比如用“订单状态”（进行中、已完成）分片，刚开始数据都在“进行中”分片，完成后又移到“已完成”分片，数据不停迁移，麻烦又容易出错。
• 慎用时间字段： 比如按“创建月份”分片，容易导致“当前月”分片是热点，而且查询历史数据经常要跨分片，它通常适合做二级分区，而不是一级分片。
• 避免频繁更新的字段： 如果分片字段本身的值会变，那么数据就需要从一个分片迁移到另一个分片，成本极高。

选分片字段,本质是在做一场关于数据分布和查询路径的权衡，你的罗盘就是你的业务需求，多花时间分析业务，理解数据是如何被产生和访问的，这比你精通任何分片技术都重要，一开始选对了，后面风平浪静；选错了，那就是没完没了的填坑，这一步，再怎么谨慎都不为过。