声明
下面的故事，记录的技术要点，是真实发生在我身上的。为了记录下这些知识点，同时让大家以一个放松的心态去进行阅读，将其改编成诙谐幽默的小故事。
故事人物介绍：
S君：我们的产品爸爸，提的需求一般没有商量的余地~
H兄：我们的项目总监、技术负责人，老大哥的形象，一般也是问题的最后裁判员
C大：我们的架构师，技术涉猎面广，考虑问题全面
小L：刚入职公司的应届毕业生开发，对技术有着无比的热情~
KK：喜欢独自研究冷门技术的开发，不太喜欢凑热闹，2年java开发经验~
Q姐：别看是女生，技术上可是独当一面，能独立带项目，5年java开发经验~
如有雷同，纯属巧合。
前言
看似很简单的一个需求，有时候背后会有很大的学问，只有当你头脑中有各种各样条件下的解决方案，才能够想到你认知范围内的最优解，以及当前限制条件下的最优解；
这个案例，是我们作为开发人员会遇到的最基本的一项需求（写CRUD）。下面，就让我们一起来走进这个案例。
故事的背景
这是一个忙碌的下午，一个面向日活500万用户的XX APP的优惠券系统在评审完产品爸爸的需求之后，小L觉得挺简单的，不就是做一个简单的CRUD嘛，表也设计好了，现在都是SpringBoot的时代了，集成个mybatis，搞个mybatis-generator生成个样板代码，直接就搞定了。但是，既然我发了这篇博客，就意味着事情其实远没有这么简单。
言归正传，让我们来看一下产品爸爸的原型:
看到这个原型以后，刚入职的小L同学，马上自告奋勇的举手了，拍着胸脯说，看我半小时搞定！
KK听了以后，露出了诡异的笑容。然后说了句：“小L，这个需求就交给你了，最近测试环境的Quartz最近总是锁住，我得去看看那个问题先。bye~”
小L的第一个版本
他的实现方案是这样的。。。让我们一起来看一下：
看着服务里面的东西挺多，由于大部分都可以通过springboot的starter，直接通过配置完成，所小L同学只用了半小时一顿咔咔。
小L：“我搞完了，接口文档马上补充好！前端搞一下就完事了。”
看着似乎像是那么回事，理论上来说，这套方案，确实是可以实现原型上的所有功能。
就在这时候，我们的架构师C大拖着疲惫的身体从外面回来了。
C大回来就是一个葛优躺，但是屁股还没坐热，小L就很激动的拿了他的方案和代码给C大看。
小L很期待能得到C大的认可
可是，C大看了一眼，都不到5秒钟，就问了小L一句话, “这个是我们现在接的XX APP优惠券这个项目吗？”
小L给了肯定答案，然后C大就皱起了眉头。
C大为什么会皱眉头?原因有下面几个:
- 优惠券发放表属于流水表,记录会不断累加,加之平台是面向日活500万用户的App，不能不考虑上线以后表数据量的问题
- 小L只考虑了管理后台做查询的业务，并没有考虑到前台用户看自己优惠券的问题，回头前台需求过来了，还得再写一套查询
小L立即明白自己的问题是出在哪里了。立即动手，不一会儿，第二个版本就出现了。
小L的第二个版本
C大一看，有进步，但是还是存在问题，就问了下面两个简单的问题：
- 后台系统查询10天的数据，你怎么实现？
- 用户券列表页面，如果要展示1个月的数据，你怎么实现？
小L有些着急，马上回答说：
- 那就十表联查。
- 那。。。三十张表联查？不不不，产品的需求有问题吧，就限制他只能一天一天看咯。
产品爸爸S君倒水从边上走过，恰好听到产品需求有问题这句话，把小L是好一顿教育啊，
S君过完瘾就走了，C大马上安慰了小L，“能想到数据量大要分表，这个思路值得表扬，那么看看你的分表方式是否有问题？”
敲黑板
传统的按时间分表，确实非常适合流水表的可按照时间追溯特性。
但是在这么一个ToC的场景下，基于用户维度的查询，会非常头疼。
与此同时，每天的数据量并不一定会如此地均匀，可能会造成数据长尾（有的表数据特别多，有的特别少）。
所以在这种场景下，我们的主数据库（实时业务数据库）往往采用基于用户标识的分表策略。
小L的第三个版本
小L听了C大一番耐心细致的讲解，马上意识到自己刚才设计的问题在哪里了，第三版就这么出现了：
C大：嗯，这个版本，看起来，像是那么回事了。但是就主库来说还有一点点瑕疵，刚才我提到了数据长尾，那么如果直接根据user_id来做分表键的话，user_id如果分配不平均怎么办？
小L：这。。。有办法了！跟HashMap的原理一样，我们对user_id作一致性hash之后的作为分表键就可以解决这个问题啦！
C大：不错嘛！正是这样！
敲黑板
所谓的一致性hash，简单来说，就是对类似于一个单输入单输出的函数，对输入做一个计算
得到另一个均匀分布的输出，而且每次同样输入得到的输出是具有一致性的，而不是随机的
也就是说，一致行hash得到的结果，针对特定输入，一定是能得到相同输出结果的
一致性hash在分布式复杂均衡上，有着极为重要的应用
基于这个项目，我们的分表键计算公式就是下面这样了：
ShardingKey = Hash(user_id) & (tableNum - 1)
为什么一般用位与不用取余，这个大家看下这两个算子的效率即可。有过C/C++开发经验的同学，应该会很清楚，C++ STL源码里面，很多地方也都是使用位与运算来代替取余的。
常用的字符串一致性hash算法，一般是BKDRHash，这个算法这里就不给出了，网上很多，实现也很简单的。
C大接着说: “目前为止,C端用户的查询，应该说是问题不大了。但是，不要高兴太早哦，我们还漏掉了一个东西！”
那么，上面的解决方案真的就没问题了吗？C大说的漏掉的内容是哪一块呢？且听下回分解。
