以字段为依据,按照一定策略(hash、range等),将一个表中的数据拆分到多个表中。
结果:
-
每个表的结构都一样;
-
每个表的数据都不一样,没有交集;
-
所有表的并集是全量数据;
场景:
系统绝对并发量并没有上来,只是单表的数据量太多,影响了SQL效率,加重了CPU负担,以至于成为瓶颈。
分析:
表的数据量少了,单次SQL执行效率高,自然减轻了CPU的负担。
3、垂直分库
==========
概念:
以表为依据,按照业务归属不同,将不同的表拆分到不同的库中。
结果:
-
每个库的结构都不一样;
-
每个库的数据也不一样,没有交集;
-
所有库的并集是全量数据;
场景:
系统绝对并发量上来了,并且可以抽象出单独的业务模块。
分析:
到这一步,基本上就可以服务化了。例如,随着业务的发展一些公用的配置表、字典表等越来越多,这时可以将这些表拆到单独的库中,甚至可以服务化。再有,随着业务的发展孵化出了一套业务模式,这时可以将相关的表拆到单独的库中,甚至可以服务化。
4、垂直分表
==========
概念