## 模块 2：使用 AUTO_RANDOM 实现自动分片 ![demo_203-tidb-x-beyond-mysql.jpg 85%](https://lab-static.pingcap.com/images/2025/12/2/33bc3e42e21c28d8601cc5c8dcdb7ea51ee60ea4.jpg) TiDB 提供了高度兼容 MySQL 的体验，但由于其分布式架构（即 “不仅仅是 MySQL”），仍存在一些重要差异。TiDB 最大的优势之一在于自动完成分片操作，无需手动进行分片管理。 如果表的主键使用 TiDB 的 **AUTO_RANDOM** 而非传统的、单调递增的 MySQL **AUTO_INCREMENT**，TiDB 可自动将数据分布到多个分片，有效缓解由 **AUTO_INCREMENT** 引发的写入热点问题。 ### 步骤 1. 理解 AUTO_RANDOM 的行为 - 在 TiDB 中，可以通过在主键列上指定 `AUTO_RANDOM()` 来启用自动分片。在每个分片内，该列的自增长行为与 MySQL 的 **auto_increment** 类似。此特性要求该列必须为 BIGINT 类型（64 位）：其中首位为符号位，接下来一部分为分片位，其余为 **auto_increment** 递增值。 ![AutoRandomValueStructure_aa_001_20240125.png 70%](https://lab-static.pingcap.com/images/2025/11/19/357034cd28824fe7d2950338331c5d0f3f2eb2c6.png) - 例如，列定义为 `bigint AUTO_RANDOM(5)`，表示 TiDB 会使用 5 位作为分片位，总共可划分 2 的 5 次方，即 32 个正向和 32 个负向分片。 ### 步骤 2. 查看 bookshop 表结构中的 AUTO_RANDOM 属性 - 在 [终端 1](ssh://monitor1-ssh#1) 再次连接到实验数据库。 ```bash mysql \ --comments -u '${LAB:SERVERLESS_CLUSTER_USERNAME}' -p'${LAB:SERVERLESS_CLUSTER_PASSWORD}' \ -h ${LAB:SERVERLESS_CLUSTER_HOST} -P ${LAB:SERVERLESS_CLUSTER_PORT} \ --ssl-mode=VERIFY_IDENTITY --ssl-ca=/etc/ssl/certs/ca-certificates.crt \ -D ${LAB:SERVERLESS_CLUSTER_DATABASE_NAME} ``` - 查看用于创建 `books` 表的 SQL 脚本，可以看到 `id` 列必须为 BIGINT 类型才能使用 AUTO_RANDOM。 ```sql SYSTEM cat create_bookshop_schema_in_current_db.sql | egrep -A18 'CREATE TABLE `books`' | egrep '(`books`|`id`)'; ``` ```output CREATE TABLE `books` ( `id` bigint(20) AUTO_RANDOM, PRIMARY KEY (`id`) ``` - 查看 `books` 表的定义，可以发现主键 `id` 使用了 AUTO_RANDOM，同时还作为表级提示（hint）被声明。 ```sql SHOW CREATE TABLE books\G ``` ```output *************************** 1. row *************************** ... `id` bigint(20) NOT NULL /*T![auto_rand] AUTO_RANDOM(5) */, ... PRIMARY KEY (`id`) /*T![clustered_index] CLUSTERED */ ... ``` - 还可以从 information schema 中确认 AUTO_RANDOM 的设置。你会发现默认的分片位数为 5。 ```sql SELECT TABLE_NAME, TIDB_ROW_ID_SHARDING_INFO FROM information_schema.tables WHERE TABLE_NAME='books' AND TABLE_SCHEMA='${LAB:SERVERLESS_CLUSTER_DATABASE_NAME}'; ``` ```output +------------+---------------------------+ | TABLE_NAME | TIDB_ROW_ID_SHARDING_INFO | +------------+---------------------------+ | books | PK_AUTO_RANDOM_BITS=5 | +------------+---------------------------+ ` rows in set (0.01 sec) ``` ### 步骤 3. 说明 AUTO_RANDOM 的行为机制 - 在用于创建 `books` 表的脚本中，设置了系统变量 `allow_auto_random_explicit_insert`，允许向 AUTO_RANDOM 字段显式插入值。这使得将原系统的数据迁移到 TiDB 更加方便。 ```sql SYSTEM head -n 1 create_bookshop_schema_in_current_db.sql; ``` ```output SET @@allow_auto_random_explicit_insert = true; ``` - 因此，表中已有的 100 本书的 `id` 是通过 SQL 脚本显式赋值的，编号范围为 1 到 100，这些主键值并不是由 AUTO_RANDOM 机制自动生成的。 ```sql SELECT MIN(id), MAX(id), COUNT(id) FROM books; ``` ```output +---------+---------+-----------+ | MIN(id) | MAX(id) | COUNT(id) | +---------+---------+-----------+ | 1 | 100 | 100 | +---------+---------+-----------+ 1 row in set (0.01 sec) ``` - 当你插入新图书时，AUTO_RANDOM 功能会自动为主键实现分片。为观察这种行为，我们将通过多次事务分 10 次插入新书记录，将已有书籍的标题加前缀 `v2` 后写入。 ```sql INSERT INTO books (title, type, published_at, stock, price) SELECT CONCAT('v2_',title), type, NOW(), 0, price FROM books WHERE id BETWEEN 1 and 10; INSERT INTO books (title, type, published_at, stock, price) SELECT CONCAT('v2_',title), type, NOW(), 0, price FROM books WHERE id BETWEEN 11 and 20; INSERT INTO books (title, type, published_at, stock, price) SELECT CONCAT('v2_',title), type, NOW(), 0, price FROM books WHERE id BETWEEN 21 and 30; INSERT INTO books (title, type, published_at, stock, price) SELECT CONCAT('v2_',title), type, NOW(), 0, price FROM books WHERE id BETWEEN 31 and 40; INSERT INTO books (title, type, published_at, stock, price) SELECT CONCAT('v2_',title), type, NOW(), 0, price FROM books WHERE id BETWEEN 41 and 50; INSERT INTO books (title, type, published_at, stock, price) SELECT CONCAT('v2_',title), type, NOW(), 0, price FROM books WHERE id BETWEEN 51 and 60; INSERT INTO books (title, type, published_at, stock, price) SELECT CONCAT('v2_',title), type, NOW(), 0, price FROM books WHERE id BETWEEN 61 and 70; INSERT INTO books (title, type, published_at, stock, price) SELECT CONCAT('v2_',title), type, NOW(), 0, price FROM books WHERE id BETWEEN 71 and 80; INSERT INTO books (title, type, published_at, stock, price) SELECT CONCAT('v2_',title), type, NOW(), 0, price FROM books WHERE id BETWEEN 81 and 90; INSERT INTO books (title, type, published_at, stock, price) SELECT CONCAT('v2_',title), type, NOW(), 0, price FROM books WHERE id BETWEEN 91 and 100; ``` ```output Records: 10 Duplicates: 0 Warnings: 0 ... Records: 10 Duplicates: 0 Warnings: 0 ``` - 回顾一下，AUTO_RANDOM(5) 表示有 5 位用于分片，另有 1 位为符号位，总共分配 6 个最高有效位作为分片标识位。 - 通过将 `id` 右移 58 位，可以得到用于分片的 6 位高位，从而可以直观地看到数据分布到哪些分片。下方的 SQL 查询也会显示每个分片中的第一行 `id`，并仅聚焦于标题包含 `_v2` 的图书。在本例输出中，100 条数据跨越了 9 个分片，你自己的结果可能略有不同，实际会出现 **8**、**9** 或 **10** 个分片，因为之前 10 批插入各自使用了不同事务。 ```sql SELECT MIN(id) first_id, id >> 58 as shard, COUNT(1) as rows_by_shard FROM books WHERE title LIKE 'v2_%' GROUP BY shard ORDER BY first_id; ``` ```output +---------------------+-------+---------------+ | first_id | shard | rows_by_shard | +---------------------+-------+---------------+ | 1729382256910270585 | 6 | 10 | | 2017612633061982359 | 7 | 10 | | 2594073385365405887 | 9 | 10 | | 4323455642275676261 | 15 | 10 | | 4611686018427388065 | 16 | 10 | | 5188146770730811573 | 18 | 10 | | 5764607523034235011 | 20 | 20 | | 6341068275337658479 | 22 | 10 | | 8070450532247929003 | 28 | 10 | +---------------------+-------+---------------+ 9 rows in set (0.01 sec) ``` ### 步骤 4. 对比使用 AUTO_RANDOM 前后的区别 - 请自行理解下述查询的结果。请注意，因为 AUTO_RANDOM 随机生成主键值，输出结果可能与你的实际结果不同。 ```sql SELECT 'books', MIN(id), MAX(id), COUNT(id) FROM books WHERE title NOT LIKE 'v2_%' UNION ALL SELECT 'books_v2', MIN(id), MAX(id), COUNT(id) FROM books WHERE title LIKE 'v2_%' ORDER BY 1; ``` ```output +----------+---------------------+---------------------+-----------+ | books | MIN(id) | MAX(id) | COUNT(id) | +----------+---------------------+---------------------+-----------+ | books | 1 | 100 | 100 | | books_v2 | 1729382256910270585 | 8070450532247929012 | 100 | +----------+---------------------+---------------------+-----------+ 2 rows in set (0.01 sec) ``` ### 步骤 5. 清理数据 - 仅保留前 100 本书，删除 `books` 表中的多余记录。 ```sql DELETE FROM books WHERE id > 100; ANALYZE TABLE books; ``` ```output Query OK, 100 rows affected (0.2 sec) ``` - 想要深入了解 **AUTO_RANDOM** 如何缓解并发写入热点，可参考由讲师主导的实验 [Clustered and Non-Clustered Indexes（聚簇索引与非聚簇索引）](/labs/dba_307_lab_ff0)。现在请保持数据库连接，前往下一个模块。