MySQL分庫分表總結：
單庫單表 ：
單庫單表是最常見的數據庫設計，例如，有一張用戶(user)表放在數據庫db中，所有的用戶都可以在db庫中的user表中查到。
單庫多表 ：
隨着用戶數量的增加，user表的數據量會越來越大，當數據量達到一定程度的時候對user表的查詢會漸漸的變慢，從而影響整個DB的性能。如果使用mysql, 還有一個更嚴重的問題是，當需要添加一列的時候，mysql會鎖表，期間所有的讀寫操作只能等待。 可以通過某種方式將user進行水平的切分，產生兩個表結構完全一樣的user_0000,user_0001等表，user_0000 + user_0001 + ...的數據剛好是一份完整的數據。
多庫多表 ：
隨着數據量增加也許單台DB的存儲空間不夠，隨着查詢量的增加單台數據庫服務器已經沒辦法支撐。這個時候可以再對數據庫進行水平區分。
分庫分表規則 ：
設計表的時候需要確定此表按照什么樣的規則進行分庫分表。例如，當有新用戶時，程序得確定將此用戶信息添加到哪個表中;同理，當登錄的時候我們得通過用戶的賬號找到數據庫中對應的記錄，所有的這些都需要按照某一規則進行。
路由
通過分庫分表規則查找到對應的表和庫的過程。如分庫分表的規則是user_id mod 4的方式，當用戶新注冊了一個賬號，賬號id的123,我們可以通過id mod 4的方式確定此賬號應該保存到User_0003表中。當用戶123登錄的時候，我們通過123 mod 4后確定記錄在User_0003中。
分庫分表產生的問題，及注意事項
1. 分庫分表維度的問題
假如用戶購買了商品,需要將交易記錄保存取來，如果按照用戶的緯度分表，則每個用戶的交易記錄都保存在同一表中，所以很快很方便的查找到某用戶的購買情況，但是某商品被購買的情況則很有可能分布在多張表中，查找起來比較麻煩。反之，按照商品維度分表，可以很方便的查找到此商品的購買情況，但要查找到買人的交易記錄比較麻煩。
所以常見的解決方式有：
a.通過掃表的方式解決，此方法基本不可能，效率太低了。
b.記錄兩份數據，一份按照用戶緯度分表，一份按照商品維度分表。
c.通過搜索引擎解決，但如果實時性要求很高，又得關系到實時搜索。
2. 聯合查詢的問題
聯合查詢基本不可能，因為關聯的表有可能不在同一數據庫中。
3. 避免跨庫事務
避免在一個事務中修改db0中的表的時候同時修改db1中的表，一個是操作起來更復雜，效率也會有一定影響。
4. 盡量把同一組數據放到同一DB服務器上
例如將賣家a的商品和交易信息都放到db0中，當db1掛了的時候，賣家a相關的東西可以正常使用。也就是說避免數據庫中的數據依賴另一數據庫中的數據。
一主多備
在實際的應用中，絕大部分情況都是讀遠大於寫。Mysql提供了讀寫分離的機制，所有的寫操作都必須對應到Master，讀操作可以在Master和Slave機器上進行，Slave與Master的結構完全一樣，一個Master可以有多個Slave,甚至Slave下還可以掛Slave,通過此方式可以有效的提高DB集群的QPS.
所有的寫操作都是先在Master上操作，然后同步更新到Slave上，所以從Master同步到Slave機器有一定的延遲，當系統很繁忙的時候，延遲問題會更加嚴重，Slave機器數量的增加也會使這個問題更加嚴重。
此外，可以看出Master是集群的瓶頸，當寫操作過多，會嚴重影響到Master的穩定性，如果Master掛掉，整個集群都將不能正常工作。
所以，1. 當讀壓力很大的時候，可以考慮添加Slave機器的分式解決，但是當Slave機器達到一定的數量就得考慮分庫了。 2. 當寫壓力很大的時候，就必須得進行分庫操作。
---------------------------------------------
MySQL使用為什么要分庫分表
可以用說用到MySQL的地方,只要數據量一大, 馬上就會遇到一個問題,要分庫分表.
這里引用一個問題為什么要分庫分表呢?MySQL處理不了大的表嗎?
其實是可以處理的大表的.我所經歷的項目中單表物理上文件大小在80G多,單表記錄數在5億以上,而且這個表屬於一個非常核用的表:朋友關系表.
但這種方式可以說不是一個最佳方式. 因為面臨文件系統如Ext3文件系統對大於大文件處理上也有許多問題.
這個層面可以用xfs文件系統進行替換.但MySQL單表太大后有一個問題是不好解決: 表結構調整相關的操作基本不在可能.所以大項在使用中都會面監着分庫分表的應用.
從Innodb本身來講數據文件的Btree上只有兩個鎖, 葉子節點鎖和子節點鎖,可以想而知道,當發生頁拆分或是添加新葉時都會造成表里不能寫入數據.
所以分庫分表還就是一個比較好的選擇了.
那么分庫分表多少合適呢?
經測試在單表1000萬條記錄一下,寫入讀取性能是比較好的. 這樣在留點buffer,那么單表全是數據字型的保持在800萬條記錄以下, 有字符型的單表保持在500萬以下.如果按 100庫100表來規划,如用戶業務:
500萬*100*100 = 50000000萬 = 5000億記錄.
心里有一個數了,按業務做規划還是比較容易的.
分布式數據庫架構--排序、分頁、分組、實現
最近研究分布式數據庫架構，發現排序、分組及分頁讓着實人有點頭疼。現把問題及解決思路整理如下。
一、 多分片(水平切分)返回結果合並(排序)
1、Select + None Aggregate Function的有序記錄合並排序
解決思路：對各分片返回的有序記錄，進行排序去重合並。此處主要是編寫排序去重合並算法。
2、Select + None Aggregate Function的無序記錄合並
解決思路：對各分片返回的無序記錄，進行去重合並。
優點：實現比較簡單。
缺點：數據量越大，字段越多，去重處理就會越耗時。
3、Select + Aggregate Function的記錄合並(排序)
Oracle常用聚合函數：Count、Max、Min、Avg、Sum。
AF：Max、Min
思路：通過算法對各分片返回結果再求max、min值。
AF：Avg、Sum、Count
思路：分片間無重復記錄或字段時，通過算法對各分片返回結果再求avg、sum、count值。分片間有重復記錄或字段時，先對各分片記錄去重合並，再通過算法求avg、sum、count值。
比如：
select count(*) from user
select count(deptno) from user;
select count(distinct deptno) from user;
二、多分片(水平切分)返回結果分頁
解決思路：合並各分片返回結果，邏輯分頁。
優點： 實現簡單。
缺點： 數據量越大，緩存壓力就越大。
分片數據量越大，查詢也會越慢。
三、多分片(水平切分)查詢有分組語法的合並
1、Group By Having + None Aggregate Function時
Select + None Aggregate Function
比如：select job user group by job;
思路：直接去重(排序)合並。
Select + Aggregate Function
比如：select max(sal),job user group by job;
思路：同Select + Aggregate Function的記錄合並(排序)。
2、Group By Having + Aggregate Function時
解決思路：去掉having AF條件查詢各分片，然后把數據放到一張表里。再用group by having 聚合函數查詢。
四、分布式數據庫架構--排序分組分頁參考解決方案
解決方案1：Hadoop + Hive。
思路：使用Hadoop HDFS來存儲數據，通過Hdoop MapReduce完成數據計算，通過Hive HQL語言使用部分與RDBBS一樣的表格查詢特性和分布式存儲計算特性。
優點： 可以解決問題
具有並發處理能力
可以離線處理
缺點： 實時性不能保證
網絡延遲會增加
異常捕獲難度增加
Web應用起來比較復雜
解決方案2：總庫集中查詢。
優點： 可以解決問題
實現簡單
缺點： 總庫數據不能太大
並發壓力大
五、小結
對 於分布式數據庫架構來說，排序、分頁、分組一直就是一個比較復雜的問題。避免此問題需要好好地設計分庫、分表策略。同時根據特定的場景來解決問題。也可以 充分利用海量數據存儲(Hadoop-HDFS|Hive|HBse)、搜索引擎(Lucene|Solr)及分布式計算(MapReduce)等技術來 解決問題。
別外，也可以用NoSQL技術替代關系性數據庫來解決問題，比如MogonDB\redis。