一、高性能方案：
1.读写分离：
设计初衷：分散访问压力（没有分散存储压力）
基本实现：主从集群，主负责写，从负责读，主同步数据到从机
引入问题：主从同步延迟（注册后无法读取数据）
解决方法：关键任务都读写到主机上（注册，登陆），非关键业务采取读写分离。
2.分库分表：
设计初衷：分散访问和存储压力（千万，亿级时单机瓶颈，备份成本，数据丢失风险）
基本实现：
1.业务分库：（初创团队不适用，后期做起来资源多后再提升）
引入问题：无法join，事务复杂度和性能问题，成本问题
2.分表：
-
a.垂直分表：解决访问字段频率不一致的问题，提升性能
引入问题：表操作数量增加
-
b.水平分表：（行数>5000万可以考虑进行分表）
引入问题：分布式会引入路由复杂度，join的次数up，count访问次数up（记录数表，用一 张表记录count这些常用汇总数据），order by操作只能在业务层做 解决方法：程序代码封装和中间件封装
二、数据库分类及优缺点：
1.关系数据库（MySQL）：
优点：强大的SQL和ACID属性
缺点：无法存储数据结构，schema（表结构）扩展不方便，I/O较高，全文搜索较弱
2.NoSQL（牺牲ACID-原子，一致，隔离，持久）：
-
a.K-V存储（Redis）：解决数据结构的问题，提供数据结构的能力，主要牺牲A和D
-
b.文档数据库（MongoDB）：解决schema问题，新增字段简单，历史数据不会出错，存储 复杂数据，主要牺牲A，无法做join，一般用作对mysql的辅助
-
c.列式数据库（HBase，ClickHouse）:解决大数据场景I/O问题，拥有更高的压缩效率，不 适用于频繁更新的业务，适用数据统计及分析（人物画像），牺牲AC
-
d.全文搜索引擎（Elastic Search）：解决全文搜索慢的问题（倒排索引），高可用，扩展性，牺牲了C
