从淘宝订单号的秘密说起......
有一个很有趣的发现。
打开你的淘宝客户端或者PC端的淘宝，点开订单列表，打开几个订单，查看他们的订单号，你会发现什么？
比如这是我最近的3个订单，和10年前的3个订单。其订单号分别是：
淘宝中有一个非常重要的表，订单表，他里面存着订单的一些关键信息，例如订单号（order_id）、卖家id（seller_id）、买家id（buyer_id）、商品id等等。有两类查询是这个表上的高频查询：
select * from orders where buyer_id = ?
select * from orders where seller_id = ?如果我们在单机数据库中做这两条SQL，都知道怎么做。嗯，在buyer_id和seller_id上分别建个建索引就可以了：
create index idx_buyer_id on orders (buyer_id);
create index idx_seller_id on orders (seller_id);如果你是用一些分库分表中间件，例如MyCAT之类的产品，对这个表做了分库分表，就需要面临一个跟单机数据库完全不一样的一个问题，该如何选择分库分表键？
一般此类中间件都会告诉你，你哪个列查的最多，就选哪个列做拆分键。
但问题来了，这两类SQL都很高频，选了buyer_id做分库分表键，那按seller_id查就会全库全表扫描；如果按seller_id做分库分表键，那按buyer_id查就会全库全表扫描。
难道鱼和熊掌不可兼得？
一般解决这类的问题的方案是，使用两套订单表，其中一套使用buyer_id做分库分表建，另一套使用seller_id做分库分表键，中间使用binlog来做同步，类似下面的样子：
这个方案是OK的，能够落地的，只不过做的过程会有些小痛苦要解决，例如：
select * from orders where order_id =
这个SQL作用太简单了，根据订单id查订单详情嘛！
create database ms1 mode=auto;use ms1;create table orders(order_id varchar(128) primary key,buyer_id varchar(128),seller_id varchar(128),index idx_buyer_id(buyer_id),index idx_seller_id(seller_id)) partition by hash(order_id);create clustered index gsi_buyer_id on orders (buyer_id) partition by hash(buyer_id);create clustered index gsi_seller_id on orders (seller_id) partition by hash(seller_id);然后？没有然后了啊，这就可以了。
真的可以了，你不用改SQL，不用研究Canal，不用维护同步链路，不用担心数据不一致，就O！K！了！
至于按订单id查？订单id本来就是orders的主键，默认就是orders表的分区键，所以没问题的。
这么简单就OK了？为什么？🤔️
这两条语句发生了什么？实际上，他们在orders表上，创建了两条全局索引。全局索引和单机索引的原理差不多，也是空间换时间的思想，只不过它的数据以索引的key分布在整个集群中。
有一个小问题，建索引的语句里面，有个Clustered关键字，这是什么意思？
我们先看，如果不加Clustered，会发生什么，例如：
create global index gsi_buyer_id on orders (buyer_id) partition by hash(buyer_id);
主表：
PolarDB分布式版会定义这样的一个索引结构：
这个索引中，会包含索引的key以及主键两个列，也即order_id与buyer_id。
PolarDB分布式版在执行 select * from orders where buyer_id = ? 的时候，会先根据buyer_id在索引idx_buyer_id上扫描出order_id，再使用order_id到主表上进行回表操作。
听起来好像没有什么问题。
但是，有一点需要考虑。请打开你的订单列表，看一下，你有多少订单：
呃，我有126页订单，数了下，每页15个，也就是大约1800个订单。
淘宝的订单表的分区数大约是数千这个量级，你会发现，这1800个订单的回表，要覆盖相当比例的分区，似乎跟全表扫描的代价没有什么太大的差异了。
怎么办？
我们为什么要回表？其是是因为，我们的查询是SELECT *，需要这个表所有的列，而我们的索引里只包含了索引key和主键，因此需要到主表中找到剩下的列。
所以为了不回表，我们想到的一个办法，是在索引表中冗余主表的所有列，用更多的空间来换取时间。
所以，一个合格的分布式数据库，不仅需要有全局索引，还需要有聚簇的（Clustered）全局索引。
Clustered index就是PolarDB分布式版中的概念，它相对于普通的全局索引的区别就是，它包含了表的所有列，可以避免回表的代价。
PolarDB分布式版提供了名为CO_HASH的分区算法，可以完成这个功能：
create database ms1 mode=auto;use ms1;create table orders(order_id varchar(128) primary key,buyer_id varchar(128),seller_id varchar(128),index idx_buyer_id(buyer_id),index idx_seller_id(seller_id)) partition by co_hash(right(order_id,4), right(buyer_id,4));create clustered index gsi_seller_id on orders (seller_id) partition by hash(seller_id);select * from orders where buyer_id=? //主表select * from orders where order_id=? //主表select * from orders where seller_id=? //gsi_seller_id通过使用CO_HASH，可以省略掉buyer_id上的全局索引。
● 有些信息来源用户的输入，例如用户系统的手机号、邮箱，订单系统中的buyer_id、seller_id；
我们有时可以通过控制“业务系统”的生成逻辑，将其生成的内容与用户的输入关联起来，来达到降维的目的。
● user_id中可以携带手机号的某几位，或者携带邮箱的hash值的某几位；
CO_HASH是一种非常有用的小技巧，合理使用可以有效的减少GSI的数目。
OK，总结几条这个例子告诉我们的PolarDB分布式版的最佳实践：
1. 使用全局索引来解决类似买卖家问题的多维度查询的问题。
2. 当索引与主表是一对多的关系的时候，考虑使用Clustered index来消灭回表的代价。
3. 对订单ID等做巧妙的设计，结合CO_HASH，可以省略部分全局索引。
怎么样，PolarDB分布式版用起来是不是非常简单，欢迎点击文末「阅读原文」了解更多相关内容。