海量数据的数据库存储（Sharding）

出于性能考虑一般推荐一个数据表不要超过10W条记录。
面对海量数据的应用中，记录一般都是E级别统计的。因此我们对其存储必须要做特殊处理。
虽然表分区可以一定程度上的缓解这个问题，但是可扩展性还是不够强。从而引入了Sharding的概念，目前通用作法都是通过程序逻辑进行分表分库存储。


现在，这些重复工作已经有通过的解决方案了。Mysql的HSCALE就是这样一个产品，它是基于MySQL Proxy的一个插件应用，在MySQL proxy的 基础上，在MySQL proxy的层面将上层的请求分配到实际的表上。实际的原理是通过拦截SQL进行替换和服务器重定向再将SQL传递到目标服务器上。它的分表算法可以由自定义的Lua脚本来实现，非常灵活。
而且支持动态增加分区，数据可以自动迁移，这样我们的数据扩容仅仅需要几行配置即可。

其它的Mysql不同维度的扩展应用
MySQL master/slave: master上写，同步到slaver，读的负载均衡到slaver上。适合大量读的情形。因为HSCALE相当是一个黑盒，可能这种模式部署有些困难，或者部署多层MySQL Proxy应该可以。不用那么麻烦，我们其实根据应用逻辑进行不同的分区配置有一定的改善，后面会有相关的digg例子说明。
MySQL cluster: 存储上的高实用、高冗余。它采用了NDB Cluster 存储引擎，允许在1个 Cluster 中运行多个MySQL服务器。
MySQL proxy: lua语言实现的中间层，对客户端完全透明，有负载均衡和读写分离功能。

其它和HSCALE类似产品
HiveDB/Hibernate shards所适用的典型场合就是一个海量记录的表，可以根据某个规则分开存到多个相同表结构的数据库服务器上。和HSCALE功能差不多，但HSCALE当前版本对跨服务器DB支持不是很好；