很多团队把单体应用拆成微服务时,代码层面的服务拆分往往不是最头疼的。真正让人夜不能寐的,是数据库怎么拆。一个跑了五六年的单体系统,几十张表互相JOIN,外键约束盘根错节,存储过程里藏着业务逻辑,你动一张表,三个服务跟着崩。这不是危言耸听,是我见过太多团队踩过的坑。

先说一个基本判断:数据库拆分不是微服务拆分的附属动作,它本身就是架构演进中最难啃的骨头。原因很简单——代码可以回滚,数据库拆错了,数据一致性出问题,那是要丢订单、丢用户、丢钱的。所以别急着动手,先把策略想清楚。
第一步:别一上来就拆,先做数据边界梳理
我见过最莽的操作,是服务拆完第二天就开始分库。结果呢?两个服务需要同一份用户数据,一个写一个读,读的那边延迟三秒,业务直接投诉。问题出在哪儿?拆之前没搞清楚数据归属。
正确做法是:拿一张大白纸,把现有所有表列出来,然后按业务域分组。订单相关的放一堆,用户相关的放一堆,商品相关的放一堆。分完之后你会发现,有些表天然属于某个域,有些表是“公共厕所”——谁都在用。这些公共表才是拆分的真正难点。处理方式有两种:要么把它上升为一个独立的基础服务,要么把数据冗余到各个调用方。前者适合变更频率低的场景,后者适合读多写少的场景。没有银弹,只有取舍。
很多团队犯的错是“齐头并进”——同时拆五个服务的数据库。这跟同时下五盘棋没区别,一旦某一步出问题,你连排查方向都找不到。
稳妥的做法是:先找一个业务闭环最小、依赖最少的服务开刀。比如“通知服务”或者“日志服务”,它挂了不影响主流程。用它跑通整个拆分流程——数据同步怎么做、双写怎么切、回滚方案怎么准备。跑通之后,再动“订单服务”这种核心链路。每次只拆一个,拆完观察至少两周,确认没问题再动下一个。慢就是快,这句话在数据库拆分里是铁律。
第三步:双写与数据迁移,细节决定成败
拆分数据库绕不开数据迁移。常见方案是“双写”:新老库同时写,读还是走老库,等数据追平了再切读。听起来简单,做起来全是坑。
第一个坑是写失败。新库写失败了,老库写成功了,你怎么办?是回滚老库还是重试新库?我的建议是:新库写失败不能影响老库,但必须记录日志并告警。因为迁移期间老库是权威数据源,新库只是影子。第二个坑是数据追平。双写期间如果有批量任务或者存储过程直接操作老库,新库是感知不到的。必须在上线双写之前,把所有绕过应用层的写入路径全部梳理清楚,要么改造成走应用层,要么在新库做对应的补偿任务。
数据库拆完之后,跨库事务是绕不开的。订单库扣库存,库存库减数量,两个库不在一个实例上,本地事务失效了。这时候很多人第一反应是上分布式事务框架,比如Seata或者TCC。我的观点很明确:能不用就别用。
分布式事务的复杂度不在于框架本身,在于异常场景的覆盖。网络超时、节点崩溃、消息丢失,每一种异常都要有对应的补偿逻辑。你确定你的团队能hold住?更务实的做法是:把跨库操作改造成最终一致性。订单创建成功后发一条消息,库存服务消费消息去扣减。中间状态用“待扣减”标记,定时任务兜底补偿。牺牲一点实时性,换来的是系统的简单和可靠。
数据库拆完之后,最容易被忽略的是查询。以前一个JOIN能搞定的事,现在要调三个服务。运营后台要查“某个用户最近三个月的订单和退款记录”,你怎么办?调订单服务、调退款服务、再在内存里拼?
这种场景下,需要引入“读模型”或者“宽表”。把分散在各个服务的数据,通过订阅变更事件,同步到一个专门用于查询的库或者ES索引里。写走服务,读走宽表,读写分离在微服务架构下有了新的含义。别觉得这是额外成本,没有这一步,你的微服务拆分就是不完整的。
任何一次数据库拆分上线,都必须有回滚方案。而且回滚方案不能只是写在文档里,要实际演练过。我见过一个团队,拆分上线后发现新库有性能问题,想回滚,结果发现老库的binlog已经过期了,数据对不上,回滚失败。只能硬着头皮修新库。
回滚方案的核心是:老库在切换后的一段时间内,必须保持可写或者可快速恢复写入。别急着下线老库,至少保留两周。这两周里,老库的同步任务不能停,确保随时可以切回去。
从单体到微服务的数据库拆分,说到底是一场关于“边界”和“取舍”的工程实践。没有完美的方案,只有适合当前团队和业务阶段的方案。拆得慢一点没关系,拆错了才是灾难。每一次拆分之前,先问自己三个问题:数据边界清楚了吗?回滚方案验证了吗?团队准备好接住分布式带来的复杂度了吗?这三个问题答不上来,就别动手。


