1. 减少数据量
1.1 选择合适的数据类型： 在表设计阶段，为各个字段选择尽可能小的数据类型，同时压缩字段。例如，对于非检索字段，可以选择将其转换为 JSON 存储或使用冷热数据隔离。
1.2 数据归档： 将历史数据迁移到历史归档表，通过定时任务实现部分主表数据的迁移，以减少主表数据量。
1.3 生成中间表： 使用中间表存储复杂查询结果，通过定时调度任务更新中间表，以降低复杂查询对原有数据源的压力。
1.4 分库分表： 在分布式环境中，考虑采用分库分表来水平扩展数据库，但要注意开发和运维成本。
2. 空间换时间
2.1 增加硬件资源： 提升性能可以通过堆硬件资源，例如增加内存、调整缓冲池大小等，以提高数据库的读写性能。
2.2 引入缓存中间件： 使用中间件如 Redis 作为分布式缓存，适用于高并发读取和长时间不变的数据，采用旁路缓存策略，提高读取效率。
3. 更换架构
3.1 选择非关系型数据库： 根据业务场景，考虑使用非关系型数据库，如 Redis、HBase、MongoDB、Elasticsearch、ClickHouse 等，以满足特定需求。
3.2 读写分离和集群： 在关系型数据库中，实施读写分离和数据库集群，将压力分散到多个机器上，提高数据库的整体性能。
3.3 分布式数据库： 考虑使用分布式数据库系统，如 TiDB，实现分布式存储和查询，提高数据库的扩展性和容错性。
规范汇总
- 规范命名：表字段、索引名、表名应见名知意，选择合适的字段类型，尽量避免使用 null 作为默认值。
- 优化主键：推荐使用自增主键，避免复合主键，非分库分表设计首选。
- 控制字段数量：单表字段不宜过多，实现冷热字段分离，使用中间表存储复杂查询结果。
- 合理使用缓存：引入缓存中间件如 Redis，实施合理的缓存策略，减轻数据库读取压力。
- 索引优化：不要过多索引，合理选择字段建立联合索引，注意区分度高的字段放在左边。
- 数据库扩展：根据业务需求，考虑数据库的扩展性，可以选择分库分表、读写分离、集群等方式。
