假设我们某个业务使用User表，User表有16亿调数据记录，若将对这16亿数据记录进行的增删改查操作都放在一个数据库中，则性能一定不会太好，根据经验，一般数据库如MySQL，单表存储5000万条数据基本上已经到达瓶颈，所以，我们需要对这数据进行分片存储，首先，按照5000万条数据记录一个单位来切分，将这16亿的数据记录切分成32个分片，如下图所示：
假设将这32个切片对于32个表，并把它们放在同一个数据库实例和一个数据库中，那么单个数据库实例的网卡I/O、内存、CPU和磁盘性能都是有限的，随着数据访问频率的增加会导致单个实例和单个库遇到瓶颈，因此我们需要将这32个表散列到多个数据库实例和多个数据库中，这里将16亿的数据记录的User表数据拆分成4个数据库实例，每个实例有两个数据库，每个数据库有4个表（分库分表），如下图所示：
分库分表的架构设计
通过上面两个图片，我们大体了解了分库分表的大概逻辑，简单来说，数据的切分就是通过某种特定的条件，将我们存在同一个数据库中的数据散列存放到多个数据库（主机）中，已达到分散单台设备负载的效果，即为分库分表。
数据的切分根据其切分的规则类型，可以分为如下两种切分模式：
- 垂直（纵向）拆分：把单一的表拆分成多个表，并分散到不同的数据库（主机）上。
- 水平（横向）拆分：根据表中数据的逻辑关系，将同一个表的数据按照某种条件拆分到多太数据库（主机）上。
一、垂直拆分
优点：
- 拆分后业务清晰，拆分规则明确。
- 系统之间进行整合或扩展容易。
- 按照成本、应用的等级、应用的类型将表放到不同的机器上，便于管理。
- 变异实现动静分离、冷热分离的数据库表设计模式。
- 数据维护简单 缺点：
- 部分业务无法关联（join），只能通过代码方式解决，提高系统的复杂度。
- 受每种业务的不同限制，存在单库性能瓶颈，不易于进行数据扩展和提升性能。
- 事务处理复杂
二、水平拆分
与垂直拆分相比，水平拆分不是对表进行分类，而是将其按照某个字段的某种规则分散到多个库中，比如：时间，在每一个表中包含一部分数据，所有的表加起来就是全量的数据，简单来说，我们可以将对数据水平切分理解为按照数据进行切分，就是将表中部分行切分到不同的数据库表中，例如将用户表拆分成User1、User2、User3等，表的结构完全一样，我们通常根据某些特定的规则来划分表，比如根据用户的ID来取模划分。
水平拆分的优点如下：
- 单库单表的数据保持在一定的量级，有助于性能的提升。
- 切分的表结构相同，应用层改造较少，只需要
增加路由规则即可。 - 体改系统的稳定性和负载能力。 水平拆分的缺点如下：
- 切分后，数据的分散的，很难利用数据库的join操作，跨库join性能比较差。
- 拆分规则难以抽象。
- 分片事务的一致性难以解决。
- 数据扩容的难度和维护量极大。
综上所述，垂直拆分和水平筛分的共同点如下：
- 存在分布式事务问题。
- 存在跨节点Join问题。
- 存在跨节点合并排序、分页问题。
- 存在多数据源管理问题。
在了解这两种切分方式的特点后，我们可以根据自己的业务需求来做选择，通常会同时使用这两种方式，垂直拆分更偏向与业务拆分的过程，推荐在设计数据库结构时，就考虑垂直拆分，根据冷热分离、动静分离的原则，有效的提升数据库查询的性能，在技术上我们更关注水平拆分的方案。
水平拆分方式的路由过程和拆分维度
路由过程
我们在设计表的时候需要确定对表按照什么样的规则进行分库分表，例如：当有新用户注册的时候，程序的确定将此用户信息添加到那个表中，同理，用户在登录时我们需要到那个表查找用户的信息，所有这些都需要按照某一个规则进行路由请求，因为请求所需要的数据分布在不用的分片表中。
针对这样的请求，通过分库分表规则查找到对应的表和库的过程叫路由，例如，分库分表规则是user_id%4，当用户新注册一个账号时，假设用户的ID是123，可以得到123%4=3，确定这个用户应该被保存到User3表，当ID为123的用户登录时，我们可以通过123%4=3计算后，确定从User3表查询用户的信息。
拆分维度
第一种：按照哈希拆分
对数据的某个字段求hash，再除以分片总数后取模，取模后相同的数据为一个分片，这样的将数据分成多个分片的方式叫哈希分片。
这种切分方式的好处是数据切分比较均匀，对数据的压力分散的效果比较好，缺点是数据分散后，对于查询需求需要聚合处理。
第二种：按照时间拆分
与哈希分片不同，这种方式是按照时间的范围将数据分布到不同的分片上，例如：一个订单表的数据有近10年的数据，我们可以将交易的订单数据按年或者是月进行切分，或者是按照季度进行切分，有交易的数据多少来决定按照什么样的时间周期对数据进行切分。
在实际的生产实践中，按照哈希切片和按照时间切片都是常用的分库分表方式，并被广泛的使用，我们可以结合自己的业务场景使用这两种切分方式，例如：对交易的订单数据线按照季度进行切分，然后对某一个季度的数据按照主键哈希进行分片。
