海量数据库查询方略

老朋友Bob遇到难题：
“有这样一个系统，每个月系统自动生成一张数据表，表名按业务代码和年月来命名，每张表的数据一个月平均在８k万这样的数据量，但是查询的时候希望能够查到最近三个月的数据，也就是要从三个数据量非常庞大的表中来把查询的数据汇聚到一起，有什么比较好的办法有比较高的效率？”

这当然是个海量数据库，他还具体的举例子：
“我现在测试的结果是查询慢，数据量大的时候，在查询分析器做查询都比较慢，
比如用户输入一个主叫号码，他希望获取最近３个月的数据信息，
但是后台要根据该主叫号码到最近３个月的表中去查数据再汇聚到一起，返回给客户端。”

海量数据对服务器的CPU，IO吞吐都是严峻的考验，我的解决之道：
1.从设计初试就考虑拆分数据库，让数据库变“小”，比如，把将用户按地域划分，或者按VIP等级划分。Bob说按地域划分很困难，因为不知道用户的地域；VIP级别也不知道。
其实，主叫号码就带有信息，比如按区号，按手机号码段，甚至就按主叫号码的前两个数字来拆分。数据库小了自然就快了。
2.上面拆分的方法是把数据库变“小”，更强有力的手段是采用分布式计算，举例如下：
   1).用三台服务器安装三套相同的数据库系统，数据完全一样；
   2).用三个线程同时向三个服务器发起请求，每个服务器各查一个月，然后将数据汇总起来，这样速度提高了3倍。
3.索引优化，Bob自己也谈到，可以根据查询创建有效的复合索引，不过索引复杂了，插入数据会变慢，要仔细权衡。我觉得还有个办法：
主叫号码通常是字符串型的，建议改为长整型，这样索引后检索会十分快，因为整型的比较要远远快过字符串的比较。

希望我这个纸上谈兵对你有所帮助。