开局一张图：
分库分表和数据库分片方案
数据库数据量达到千万级别时查询效率会很低，分库分表是一种很有效的解决方案。
垂直划分和水平划分
垂直划分：垂直划分又分为垂直分库和垂直分表两种，垂直分库就是将关联度低的各种表放在不同的数据库中，垂直分表是针对表的列进行的，将字段拆到其他表中形成新表，这样表的记录就会变小，索引就会降低空间消耗，提升性能。垂直划分业务逻辑清晰便于管理，提升高并发性能，但是表无法连接查询，涉及分布式事务技术，且不能从本质上减少表的大数据量，还需要借助水平划分。
水平划分：分为分库分表和库内分表，库内分表由于还是共用cpu和IO提升不明显，将表的记录按照一定的逻辑分散到多个数据库多个表中，水平划分彻底解决了大表问题，但还是存在连接查询不方便，需要引入分布式事务等缺点。
水平划分的数据分片规则主要有两种：首先是根据不同的时间分库，比如每一天的数据生成一个数据库，或者冷热数据分离，根据数据查询的频率分库，其次是根据某个字段计算hash值来划分，但容易面临复杂的查询问题，如果查询语句中不涉及该字段将导致无法直接定位到数据库。
分库分表带来的问题
1、分布式事务：跨库事务操作，分布式事务需要协调多个节点，延长了事务的执行时间，并发访问发生冲突和死锁的概率增高，对事务一致性要求不高的系统可以不苛求实时一致性，而追求最终一致性即可，也就是事务补偿：对数据检查，日志对比等。
（分布式事务产生的原因可能是因为分库分表，也可能是因为应用SOA化）
2、连接查询问题
解决方案有：使用全局表（将各模块都有可能依赖的表在每个数据库都保存一份）、字段冗余（一种反范式设计，根据连接查询业务将要连接查询的信息加入表中）、数据组装（将连接查询拆分成两次）、将关联的表放在一起、频繁的连接查询可以建立对应的映射表
复杂的查询还可能用到基因法：
假如要用name查id但是不知道id在哪个库中，可以让name在设计时就跟随一个标记，可以根据这个标记或者标记计算出来的hash值直接拿到id所在的库位置
3、跨节点分页、排序、函数
都要在各自的表中执行一遍，然后将结果汇总起来再执行一遍
4、全局主键避重问题
可以用uuid（生成一个32个16进制数字）、用一个特殊的表生成主键（设置成自增，每次取出这个值）、建立多个ID生成服务器（第一个产生1、3/5、。。。第二个2/4/6.。）、还可以利用缓存（每次只通过表生成一个ID，然后将ID拓展多个值放在内存中等待取用，然后取用完毕继续生成）、根据实际业务设计一个根据时间生成的字符串（精确到毫秒位，每一个毫秒再设计1000个独立数）
5、数据扩容和迁徙
如果是根据主键范围分库的话，扩容很简单，如果是哈希取模分片，那就要用到一致性hash
一、数据库瓶颈
不管是IO瓶颈，还是CPU瓶颈，最终都会导致数据库的活跃连接数增加，进而逼近甚至达到数据库可承载活跃连接数的阈值。
在业务Service来看就是，可用数据库连接少甚至无连接可用。接下来就可以想象了吧（并发量、吞吐量、崩溃）。
1、IO瓶颈
第一种：磁盘读IO瓶颈，热点数据太多，数据库缓存放不下，每次查询时会产生大量的IO，降低查询速度 -> 分库和垂直分表。
第二种：网络IO瓶颈，请求的数据太多，网络带宽不够 -> 分库。
2、CPU瓶颈
第一种：SQL问题，如SQL中包含join，group by，order by，非索引字段条件查询等，增加CPU运算的操作 -> SQL优化，建立合适的索引，在业务Service层进行业务计算。
第二种：单表数据量太大，查询时扫描的行太多，SQL效率低，CPU率先出现瓶颈 -> 水平分表。
二、分库分表
1、水平分库
2.结果：
每个库的结构都一样; 每个库的数据都不一样，没有交集; 所有库的并集是全量数据;
3.场景：系统绝对并发量上来了，分表难以根本上解决问题，并且还没有明显的业务归属来垂直分库。
4.分析：库多了，io和cpu的压力自然可以成倍缓解。
2、水平分表
2.结果：
每个表的结构都一样 每个表的数据都不一样，没有交集; 所有表的并集是全量数据; 3.场景：系统绝对并发量并没有上来，只是单表的数据量太多，影响了SQL效率，加重了CPU负担，以至于成为瓶颈。
4.分析：表的数据量少了，单次SQL执行效率高，自然减轻了CPU的负担。
3、垂直分库
2.结果：
每个库的结构都不一样； 每个库的数据也不一样，没有交集； 所有库的并集是全量数据； 3.场景：系统绝对并发量上来了，并且可以抽象出单独的业务模块。4.分析：到这一步，基本上就可以服务化了。
例如，随着业务的发展一些公用的配置表、字典表等越来越多，这时可以将这些表拆到单独的库中，甚至可以服务化。再有，随着业务的发展孵化出了一套业务模式，这时可以将相关的表拆到单独的库中，甚至可以服务化。
4、垂直分表
2.结果：
每个表的结构都不一样； 每个表的数据也不一样，一般来说，每个表的字段至少有一列交集，一般是主键，用于关联数据； 所有表的并集是全量数据；
3.场景：
系统绝对并发量并没有上来，表的记录并不多，但是字段多，并且热点数据和非热点数据在一起，单行数据所需的存储空间较大。以至于数据库缓存的数据行减少，查询时会去读磁盘数据产生大量的随机读IO，产生IO瓶颈。
4.分析：
可以用列表页和详情页来帮助理解。垂直分表的拆分原则是将热点数据（可能会冗余经常一起查询的数据）放在一起作为主表，非热点数据放在一起作为扩展表。
这样更多的热点数据就能被缓存下来，进而减少了随机读IO。拆了之后，要想获得全部数据就需要关联两个表来取数据。
但记住，千万别用join，因为join不仅会增加CPU负担并且会讲两个表耦合在一起（必须在一个数据库实例上）。关联数据，应该在业务Service层做文章，分别获取主表和扩展表数据然后用关联字段关联得到全部数据。
三、分库分表工具
sharding-sphere：jar，前身是sharding-jdbc； TDDL：jar，Taobao Distribute Data Layer； Mycat：中间件。 注：工具的利弊，请自行调研，官网和社区优先。
四、分库分表步骤
根据容量（当前容量和增长量）评估分库或分表个数 -> 选key（均匀）-> 分表规则（hash或range等）-> 执行（一般双写）-> 扩容问题（尽量减少数据的移动）。
五、分库分表问题
1、非partition key的查询问题（水平分库分表，拆分策略为常用的hash法）
端上除了partition key只有一个非partition key作为条件查询 映射法
根据username查询时，先通过usernamecode生成函数生成username_code再对其取模路由到对应的分库或分表。id生成常用snowflake算法。
端上除了partition key不止一个非partition key作为条件查询 映射法
后台除了partition key还有各种非partition key组合条件查询 NoSQL法
注：用NoSQL法解决（ES等）
3、扩容问题（水平分库分表，拆分策略为常用的hash法）
1.水平扩容库（升级从库法）
2.水平扩容表（双写迁移法）
第二步：（同步双写）将老库中的老数据复制到新库中；
第三步：（同步双写）以老库为准校对新库中的老数据；
第四步：（同步双写）应用去掉双写，部署；
注：双写是通用方案。
六、分库分表总结
分库分表，首先得知道瓶颈在哪里，然后才能合理地拆分（分库还是分表？水平还是垂直？分几个？）。且不可为了分库分表而拆分。
选key很重要，既要考虑到拆分均匀，也要考虑到非partition key的查询。
只要能满足需求，拆分规则越简单越好。
