前言
在互聯網公司中，上至大廠，下到普通的公司企業，隨着業務的發展，數據量的日積月累，對於數據庫和表的設計和優化，顯得尤為重要。其中關於分表分庫的問題，在實際場景或者是面試中，亦是老生常談。當我們明白了來龍去脈時，也就沒那么復雜。
為什么需要分庫分表
最為直接便是機器性能的問題。性能的考慮都來源於數據量。當數據量大的時候，隨着而來便是高性能，可拓展，穩定性。當是業務剛開始，數據量小，為了控制成本，單機器是足夠用的。但是隨着業務的發展。在單台機器中無論是CPU、IO等資源，都是極為有限的。正所謂人多勢眾，雙拳難敵四手，都是圍繞強調不要孤軍作戰。所以，分表分庫，亦或是讀寫分離都是為了更好的提高性能，提供更為穩定的服務。對於分表分庫。主要是圍繞這垂直和水平的二種拆分相結合的方式。
垂直拆分
1、庫的垂直拆分：
庫的垂直拆分主要是針對系統的一些數據量較為大的業務進行分解。如常見業務的：用戶數據（注冊，登錄的信息等），商品信息，訂單等等，這些相對而言數據量和讀寫次數都是較多的。最好是進行分庫，部署在不同的機器上面，突破單機器的限制。
2、表的垂直拆分：
也就是針對表的字段進行拆分，將一個大表拆分為多個小表，也就是數據庫中的范式原則。也可以將字段按屬性或使用頻繁程度分類,拆分為多個表，比如一個主要的信息表和一個拓展信息表等等
只采用垂直拆分的話，依舊會存在單表數據量過大的問題。所以需要結合水平拆分的方法。
水平拆分
1、只水平分表
針對數據量巨大的單張表（比如用戶表，訂單表），按照某種規則（RANGE,HASH取模等），切分到多張表里面去，可以有效的解決了單一表數據量過大的問題。 但是這些表還是在同一個庫中，所以庫級別的數據庫操作還是有IO瓶頸。例如：
原本一千萬的user表數據，可以拆分為（user_1,user_2,user_3,user_4）這樣的話，數據就分攤到不同的表中
2、水平分庫分表
將單張表的數據切分到多個服務器上去，每個服務器具有相應的庫與表，只是表中數據集合不同。 水平分庫分表能夠有效的緩解單機和單庫的性能瓶頸和壓力，突破IO、連接數、硬件資源等的瓶頸。但是隨着而來的事務也就成了分布式事務了,聯合查詢的效率也會下降。
常見水平分表拆分手段
1、RANGE:從0到100一個表，101到200一個表；
2、HASH取模：用戶注冊的時候，可以根據用戶的名稱，會在用戶的id 進行hash取模，分配到不同的表上
3、時間維度：比如用戶的登錄記錄信息，可以安裝年+月的結構分攤數據，如 login_202107、login_202103
分庫分表產品
如果不想自己實現分表分庫的的問題，現在市場上也有一些比較成熟的產品可以使用，如360的（Atlas）、阿里的（TDDL）
共同進步，學習分享
覺得寫的還不錯的就點個贊，加個關注唄！持續更新 ！！！ 點關注，不迷路，小楊帶你上高速
已經為大家整理好了,點擊下面鏈接就可以進入
幾百本各類技術電子書和5T資料資源、最新的面試題
注公眾號【寫代碼的小楊】回復【資料】無套路領取，也歡迎大家一起來討論學習，共同進步