数据库单表数据量太大的优化方案总结

场景：一个表每天新增几万数据，目前单表总数据量在几百万数据。会查询粒度大的统计数据，也会查询粒度比较小的数据，当天更新的数据查询频率最密，最近几天的数据次之。
随着数据越来越多，数据库的性能开始变低。那么应该从哪些角度出发思考优化方案？
1.从时间特征出发：看看大约的更新时间点，在这个时间点之前的当天数据查询，直接返回“没有更新”提示，不用查库；
2.从数据特征出发：
1）热点数据是当天的数据，所以可以设立一张当天数据表，在更新到原表的同时，也更新到当天数据表。查当天数据的时候就访问这张表，由于数据量更小，所以查询速度会更快。第二天将此表清空，再次同步数据。但这个方案的缺陷是数据会冗余，而且万一要看前几天的数据，那和查前几个月的数据一样慢；
2）有时候需要查询粒度大的数据，所以可以在同步数据的同时，统计数据并存储起来，加快查询统计数据的速度；不过也是会造成数据冗余；
3.从查询优化出发：优化sql：
1）减少嵌套子查询、查询连续数据时用between and代替in等；
2）加上索引，但加索引可能会影响更新效率，用explain执行计划查看优化效率，结合理论知识找出权衡最佳的索引组合；
4.单表数据量太大，负荷过重，会影响sql执行的性能。为了加快查询和更新速度，最佳的解决方法是分表，可以根据数据的冷热、更新时间（数据连续）、某个的哈希值（数据不连续）来进行水平拆分。但要确保每个单表的数据量在一定的范围内；
以上是适合上述场景的优化方案，事实上优化处理的方式还有很多，但务必结合具体的场景情况分析。