前言
对于数据库性能的优化，除了合理使用索引等SQL执行计划细节上的优化之外，在高并发场景，我们还需要在架构层面进行优化，提高数据库的读写性能。
例如，有个项目需求，为了达成下面的接口性能目标，我们应该如何进行数据库架构的优化？
- 读接口高峰 10w QPS（Queries Per Second）
- 写接口高峰 10w TPS（Transactions per Second）
读性能优化
在实际的业务实践过程中，我们通常会采用为服务增添更多机器资源的方式，来应对高 QPS 的业务诉求。
而针对数据库层面，为了使其同样能够通过增加机器达成高 QPS 读操作的要求，在业界广泛应用着一种名为读写分离的数据库集群架构方案。
在读写分离这种架构模式里，数据库被划分为主库与从库两个部分。其中，主库承担着所有数据写入的任务，而从库则主要负责处理数据的读操作。
那么，我们可以通过扩充从库，来增加数据库集群可承载的读 QPS 上限。比如，我们现在压测出来单库读 QPS 上限是 1w QPS，那么我们就可以通过增加 10 个从库，来达到整体读 10w QPS 的性能目标。
值得注意的是，在读写分离架构中，写入主库的数据会通过特定的数据同步机制（例如binlog）及时地传输并更新至从库之中，从而确保整个数据库系统的数据一致性，为高 QPS读操作提供坚实稳定的架构支撑。
因此，增加从库实现数据库集群整体可承载读 QPS 上限提升的同时，主从同步这一过程会额外占用主库的硬件资源。针对主库的写操作，在数据写入 binlog 日志后，主库会启用一个特定线程，将 binlog 日志同步传输至从库。如此一来，主从同步操作便会消耗主库的 CPU 、网卡带宽等硬件资源，并且从库数量越多，主库所需消耗的硬件资源也就越多。由于单台主库设备的硬件资源规格是存在上限的，这就意味着从库数量无法无限制地扩充。
为了实现整体性能目标，在从库数量受限的情况下，我们务必确保单库的读 QPS 上限不至于过低。而影响单库读 QPS 上限的一个重要因素，就是表里数据的行数。单表数据行数过多，会使查询变慢（慢SQL问题），在影响数据库可承载 QPS 的同时，还可能导致单个请求的延时达不到业务诉求。
怎么避免单表数据行数过多？很显然，应该分表！
分表策略
分表实际上分为两个维度：垂直拆分和水平拆分
垂直拆分一般是为了解决单表字段过多，尤其还是很多占用空间大的字段类型时，一次select查询一行记录的整体I/O耗时会上升，有的时候即使命中了索引，也会出现慢查询。因此一般在业务上，我们会采用拆分表结构的思路，将业务信息表拆分为主表和扩展表。只有当需要所有信息的查询时，再进行一些联表查询。
而针对单表数据行数过多，主要是探讨水平分表这个角度
在实践中，我们能够借助压测的手段来确定单表可存储数据量的上限，与此同时，还要依据对业务数据量的预估，来推断单表可能会存储的最大数据量规模，以此作为判断单表行数是否超出合理范围的重要依据。
另外，网上常有种说法，MySQL 表行数超过 2000w 左右，一般会被认为是大表，需要做拆分。具体这个数值如何计算出来的，可以参考这篇文章
当单表数据量过大，导致查询性能变差时，我们可以将这个大的数据表，按照一定的规则拆分成多个较小的数据表，从而提升表数据查询的性能。
关于分表规则，业界也有几种常见的参考方案：
- 范围路由：是指针对整型、时间戳等数据类型，按照其数值范围进行拆分，使处于不同范围的数据分别存储到不同的子表之中。例如，利用雪花算法生成业务主键ID，作为sharing key，然后按年，按季度，按月，按周拆分表。
- hash路由：通过计算某个特定列的 hash 值，然后依据该 hash 值将数据路由分配至不同的子表当中。
- 配置路由：通过相关配置，使得数据依据某个列的值来完成路由操作。例如，对于一张专门用于存储用户位置信息的单表，我们可以在远程配置文件里设定城市路由规则，这样一来，不同城市的用户数据便会被分别存储到不同的子表之中。再进行读写操作时，通过一层proxy或DAL，按城市配置路由到不同的分表上。此外，为了充分利用表资源，避免数据量分布不均的状况，我们还可以对一些数据量少的城市合并到一张表里，根据不同城市的具体情况进行针对性配置。
写性能优化：分库
与优化读性能的思路相似，针对高 TPS 写操作而言，很容易想到的策略便是增添机器资源。为了确保数据库在面临高 TPS 写需求时，同样能够通过增加机器的方式达到目标，在业界存在一种名为分库的数据库集群架构方案。
所谓分库的方案，是指在单库写操作的 TPS 处于较高水平时，我们能够对数据库进行拆分，构建出多个主库，通过把写操作合理地分配到多个主数据库，数据库集群便能够并行处理数量更多的写请求，从而有效提升整个数据库集群整体的写 TPS 上限。
和分表方案一样，在分库规则方面，较为常用的方案同样是：范围路由、hash 路由以及配置路由这三种类型
小结
高并发场景下的数据库架构设计分为几个方向：
- 读写分离架构：当我们数据库读 QPS 过高时，可以通过读写分离架构，增加从库来提升数据库集群的读 QPS。
- 分表架构：当我们单表数据行数太多，导致读性能下降时，可以用分表架构，将一张表拆成多张小表，从而提升读性能。
- 分库架构：当我们数据库写入 TPS 过高时，可以用分库架构，通过增加多个主库，分散单库的写压力，从而提升数据库整体的写 TPS 上限。
参考
《go服务开发高手课》
