关系型数据库大数据性能优化解决方案之：分表(当前表历史表)、表分区、数据清理原则

原因和目的

• 由于交易量大或者日积月累造成数据库的数据量越来越大。会导致系统性能大幅下降，所以要对部分业务的表数据作备份和清理
• 减少数据量，来提升请求响应的速度，提升用户体验

数据是否需要清理的阀值判断

通常当表的磁盘大小超过 5GB，或对于 OLTP 系统(联机事务处理)，表的记录超过 3000 万，都应考虑对表进行分区或者分表。
除了上述阀值之外，还可以根据数据库性能指标情况来考虑分区或者分表，比如在已经充分挖掘了表设计、索引设计、查询设计等单表性能优化手段之后，依然不能满足业务的需要，这个时候，即使表的容量或记录尚未达到上述阀值那也要考虑分区或者分表了，这个时间点的记录数即为该表阀值。
一般来讲，用记录数标记阀值会比表的磁盘容量更容易操作一些，所以一般以达到该阀值时的记录数作为阀值，下文也会以此来作为阀值。每个表的数据格式不同、索引设计、单位事务处理时间容忍度不同，所以这个阀值也不同。

满负载周期判断

也就是说，一张空表，需要多久才能达到它的阀值，这个周期我们称之为满负载周期。
如果业务量已经稳定，数据量积累到当前阀值所需要的时间即为该表满负载周期；如果业务量稳定上升，即数据量在递增，根据递增速度估算出下一个满负载周期——也就是说，什么时候到达阀值什么时候进行迁移，但我们要做到提前规划，心中有数。

迁移周期判断

拿到该表阀值之后，需要对迁移周期进行判断，即多久对该表迁移一次？
可以一天迁移到历史表一次，即迁移周期就是一天。这样操作很简单，完全可以做成定时任务，所以很多系统这么干，只是有些频繁。 <