数据库业务层面的拆分，和服务的“治理”，“降级”机制类似，也能对不同业务的数据分别的进行管理，维护，监控 ， 扩展等 。数据库往往最容易成为应用系统的瓶颈，而数据库本身属于“有状态”的，相对于Web和应用服务器来讲 ， 是比较难实现“横向扩展”的 。数据库的连接资源比较宝贵且单机处理能力也有限，在高并发场景下 ， 垂直分库一定程度上能够突破IO、连接数及单机硬件资源的瓶颈 。
水平分表
针对数据量巨大的单张表（比如订单表），按照某种规则（RANGE,HASH取模等），切分到多张表里面去 。但是这些表还是在同一个库中，所以库级别的数据库操作还是有IO瓶颈 。不建议采用 。
水平分库分表
将单张表的数据切分到多个服务器上去，每个服务器具有相应的库与表，只是表中数据集合不同 。水平分库分表能够有效的缓解单机和单库的性能瓶颈和压力，突破IO、连接数、硬件资源等的瓶颈 。
水平分库分表切分规则
1. RANGE
从0到10000一个表，10001到20000一个表；
2. HASH取模
一个商场系统，一般都是将用户，订单作为主表 ， 然后将和它们相关的作为附表 ， 这样不会造成跨库事务之类的问题 。取用户id，然后hash取模 ， 分配到不同的数据库上 。
3. 地理区域
比如按照华东，华南，华北这样来区分业务，七牛云应该就是如此 。
4. 时间
按照时间切分，就是将6个月前，甚至一年前的数据切出去放到另外的一张表，因为随着时间流逝，这些表的数据 被查询的概率变?。?所以没必要和“热数据”放在一起，这个也是“冷热数据分离” 。
分库分表后面临的问题
事务支持
分库分表后，就成了分布式事务了 。如果依赖数据库本身的分布式事务管理功能去执行事务，将付出高昂的性能代价； 如果由应用程序去协助控制，形成程序逻辑上的事务，又会造成编程方面的负担 。
跨库join
只要是进行切分，跨节点Join的问题是不可避免的 。但是良好的设计和切分却可以减少此类情况的发生 。解决这一问题的普遍做法是分两次查询实现 。在第一次查询的结果集中找出关联数据的id,根据这些id发起第二次请求得到关联数据 。
跨节点的count,order by,group by以及聚合函数问题
这些是一类问题，因为它们都需要基于全部数据集合进行计算 。多数的代理都不会自动处理合并工作 。解决方案：与解决跨节点join问题的类似，分别在各个节点上得到结果后在应用程序端进行合并 。和join不同的是每个结点的查询可以并行执行，因此很多时候它的速度要比单一大表快很多 。但如果结果集很大 ， 对应用程序内存的消耗是一个问题 。
数据迁移，容量规划，扩容等问题
来自淘宝综合业务平台团队，它利用对2的倍数取余具有向前兼容的特性（如对4取余得1的数对2取余也是1）来分配数据 ， 避免了行级别的数据迁移，但是依然需要进行表级别的迁移，同时对扩容规模和分表数量都有限制 。总得来说，这些方案都不是十分的理想，多多少少都存在一些缺点，这也从一个侧面反映出了Sharding扩容的难度 。
ID问题
一旦数据库被切分到多个物理结点上，我们将不能再依赖数据库自身的主键生成机制 。一方面 ， 某个分区数据库自生成的ID无法保证在全局上是唯一的；另一方面，应用程序在插入数据之前需要先获得ID,以便进行SQL路由.
一些常见的主键生成策略
UUID
推荐阅读
- 虚拟机里的迅雷无法下载，虚拟机 迅雷
- 谷歌太空全景安卓软件，谷歌太空全景安卓软件怎么下载
- 手机打游戏时网络不好，手机打游戏时网络不稳定怎么办
- 中老年健身瑜伽直播话术，瑜伽直播主题
- go语言用法 go语言nil
- 区块链的神秘之处，区块链的n个陷阱
- ppt如何整体缩放，怎么整体缩小ppt里面内容的大小
- 游戏编程语言go 游戏编程精髓
- scalable是什么cpu，scalable是什么意思