一.分分合合
說過很多次，不要拘泥於某一個技術的一點，技術是相通的。重要的是編程思想，思想是最重要的。當數據量大的時候，需要具有分的思想去細化粒度。當數據量太碎片的時候，需要具有合的思想來粗化粒度。
1.1 分
很多技術都運用了分的編程思想，這里來舉幾個例子，這些都是分的思想
- 集中式服務發展到分布式服務
- 從Collections.synchronizedMap(x)到1.7ConcurrentHashMap再到1.8ConcurrentHashMap，細化鎖的粒度的同時依舊保證線程安全
- 從AtomicInteger到LongAdder，ConcurrentHashMap的size()方法。用分散思想，減少cas次數，增強多線程對一個數的累加
- JVM的G1 GC算法，將堆分成很多Region來進行內存管理
- Hbase的RegionServer中，將數據分成多個Region進行管理
- 平時開發是不是線程池都資源隔離
2.2 合
很多技術也運用到了合的編程思想，這里舉幾個例子，這些都是合的思想
- TLAB（Thread Local Allocation Buffers），線程本地分配緩存。避免多線程沖突，提高對象分配效率
- 逃逸分析，將變量的實例化內存直接在棧里分配，無需進入堆，線程結束棧空間被回收。減少臨時對象在堆內分配數量
- CMS GC算法下，雖然使用標記清除，但是也有配置支持整理內存碎片。如：-XX:UseCMS-CompactAtFullCollection（FullGC后是否整理，Stop The World會變長）和-XX:CMSFullGCs-BeforeCompaction（幾次FullGC之后進行壓縮整理）
- 鎖粗化，當JIT發現一系列連續的操作都是對同一對象反復加鎖和釋放鎖，會加大鎖同步的范圍
- kafka的網絡數據傳輸有一些數據配置，減少網絡開銷。如：batch.size和linger.ms等等
- 平時開發是不是都個叫批量獲取接口
二.分區
本文一切基於MySql InnoDB
說了這么多，接下來說主體，先說分區，因為之前博主寫過一篇MySql分區的博客所以這里不會多費筆墨來寫，具體見：https://www.cnblogs.com/GrimMjx/p/10526821.html
2.1 實現方式
具體如何實現上面鏈接里有寫，這里只需記住如果表中存在主鍵或唯一索引時，分區列必須是唯一索引的一個組成部分。
這個是數據庫分的，應用透明，代碼無需修改任何東西。
2.2 內部文件
先去data目錄，如果不知道目錄位置的可以執行：
接下來看下內部文件：
從上圖我們可以看出，有2中類型的文件，.frm文件和.ibd文件
- .frm文件：表結構文件
- .ibd文件：InnoDB中，索引和數據都在同個文件.ibdata（你的執行結果可能是.MYD索引文件和.MYI數據文件，沒關系，這是MyIsAm存儲引擎，對應着InnoDB的.ibd文件）。因為Order這張表分為5個區，所以有5個這樣的文件
- .par文件：你執行的結果可能有.par文件也可能沒有。注意：從MySql 5.7.6開始，不再創建.par分區定義文件。分區定義存儲在內部數據字典中。
2.3 數據處理
分區表后，提高了MySql性能。如果一張表的話，那就只有一個.ibd文件，一顆大的B+樹。如果分表后，將按分區規則，分成不同的區，也就是一個大的B+樹，分成多個小的樹。
（PS：如果想研究一顆聚集索引B+樹可以放多少行數據，請看：https://www.cnblogs.com/GrimMjx/p/10540263.html）
讀的效率肯定提升了，如果走分區鍵索引的話，先走對應分區的輔助索引B+樹，再走對應分區的聚集索引B+樹。
如果沒有走分區鍵，將會在所有分區都會執行一次。會造成多次邏輯IO！平時開發如果想查看sql語句的分區查詢可以使用explain partitons select xxxxx語句。可以看到一句select語句走了幾個分區。
mysql> explain partitions select * from TxnList where startTime>'2016-08-25 00:00:00' and startTime<'2016-08-25 23:59:00'; +----+-------------+-------------------+------------+------+---------------+------+---------+------+-------+-------------+ | id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | Extra | +----+-------------+-------------------+------------+------+---------------+------+---------+------+-------+-------------+ | 1 | SIMPLE | ClientActionTrack | p20160825 | ALL | NULL | NULL | NULL | NULL | 33868 | Using where | +----+-------------+-------------------+------------+------+---------------+------+---------+------+-------+-------------+ row in set (0.00 sec)
三.分庫分表
當一張表隨着時間和業務的發展，庫里表的數據量會越來越大。數據操作也隨之會越來越大。一台物理機的資源有限，最終能承載的數據量、數據的處理能力都會受到限制。這時候就會使用分庫分表來承接超大規模的表，單機放不下的那種。
區別於分區的是，分區一般都是放在單機里的，用的比較多的是時間范圍分區，方便歸檔。只不過分庫分表需要代碼實現，分區則是mysql內部實現。分庫分表和分區並不沖突，可以結合使用。
3.1 實現
3.1.1 分庫分表標准
- 存儲占用100G+
- 數據增量每天200w+
- 單表條數1億條+
3.1.2 分庫分表字段
分庫分表字段取值非常重要
- 在大多數場景該字段是查詢字段
- 數值型
一般使用userId，可以滿足上述條件
3.2 分布式數據庫中間件
分布式數據庫中間件分為兩種，proxy和客戶端式架構。proxy模式有MyCat、DBProxy等，客戶端式架構有TDDL、Sharding-JDBC等。那么proxy和客戶端式架構有何區別呢？各自有什么優缺點呢？其實看一張圖便可知曉。
proxy模式的話我們的select和update語句都是發送給代理，由這個代理來操作具體的底層數據庫。所以必須要求代理本身需要保證高可用，否則數據庫沒有宕機，proxy掛了，那就走遠了。
客戶端模式通常在連接池上做了一層封裝，內部與不同的庫連接，sql交給smart-client進行處理。通常僅支持一種語言，如果其他語言要使用，需要開發多語言客戶端。
各自的優缺點如下：
3.3 內部文件
找了一個分庫分表+分區的例子，基本上和分區表的差不多，只是多了多了很多表的.ibd文件，上面有文件的解釋：
[miaojiaxing@Grim testmydata]# ls | grep 'base_info' base_info_00.frm base_info_00#P#p_2018.ibd base_info_00#P#p_2019.ibd base_info_00#P#p_2020.ibd base_info_00#P#p_2021.ibd base_info_00#P#p_init.ibd base_info_00#P#p_max.ibd base_info_01.frm base_info_01#P#p_2018.ibd base_info_01#P#p_2019.ibd base_info_01#P#p_2020.ibd base_info_01#P#p_2021.ibd base_info_01#P#p_init.ibd base_info_01#P#p_max.ibd base_info.frm base_info.ibd
3.4 問題
3.4.1 事務問題
既然分庫分表了，那么肯定涉及到分布式事務，如何保證插入到不同庫的多條記錄能夠要么同時成功，要么同時失敗。有些同學可能想到XA，XA性能差而且不需要使用mysql5.7。柔性事務是目前主流的方案，TCC模式就屬於柔性事務。
對於分布式事務問題每家公司有自己的實現，華為用saga，阿里用TXC，螞蟻用DTX，支持FMT模式和TCC模式。
3.4.2 join問題
tddl、MyCAT等都支持跨分片join。但是盡力避免跨庫join，比如通過字段冗余的方式等。
如果出現了這種情況且中間件支持分片join，那么可以這樣使用。如果不支持可以手工查詢。
四.總結
分表和在用途上不一樣，分表是為了承接超大規模的表，單機放不下那種。分區的話則一般都是放在單機里的，用的比較多的是時間范圍分區，方便歸檔。性能穩定上的話都是一個個子表，差不多，區別應該是分區表是mysql內部實現的，會比分表方案少一點數據交互