关系型数据库大数据量递进解决方案及诱发问题

1、使用反三范式模型，设置冗余字段，减少多表联查。
2、数据量增多，单靠主键查询效率低效，增加查询字段索引，提升查询效率。
3、单节点压力过大，采用读写分离，将查询压力增加到其他节点，查询节点设置索引，插入节点不设置索引。但会导致数据存在时差，如果有多个读节点，将会导致短时间内数据不一致。
4、使用redis、memcached等缓存中间件，将常用的查询数据缓存。但是会存在数据一致性问题，需要通过代码来保证数据强一致。
5、数据到达百万级以上，采用数据库分表分区，将同一个表中的数据分散到不同的分表分区中。运维难度加大，并且如果分区hash不合理，会产生数据倾斜，重分区数据迁移会导致产生大量io，重分区过程中，服务提供的性能大大降低。