如何分表分库？业界有哪些常用方案？可能存在什么问题，mybatis的原理实现过程

• 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：

以字段为依据，按照字段的活跃性，将表中字段拆到不同的表（主表和扩展表）中。

结果：

• 每个表的结构都不一样；

• 每个表的数据也不一样，一般来说，每个表的字段至少有一列交集，一般是主键，用于关联数据；

• 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，表的记录并不多，但是字段多，并且热点数据和非热点数据在一起，单行数据所需的存储空间较大。以至于数据库缓存的数据行减少，查询时会去读磁盘数据产生大量的随机读IO，产生IO瓶颈。

分析：

可以用列表页和详情页来帮助理解。垂直分表的拆分原则是将热点数据（可能会冗余经常一起查询的数据）放在一起作为主表，非热点数据放在一起作为扩展表。这样更多的热点数据就能被缓存下来，进而减少了随机读IO。拆了之后，要想获得全部数据就需要关联两个表来取数据。但记住，千万别用join，因为join不仅会增加CPU负担并且会讲两个表耦合在一起（必须在一个数据库实例上）。关联数据，应该在业务Service层做文章，分别获取主表和扩展表数据然后用关联字段关联得到全部数据。

三、分库分表工具

============

1. sharding-sphere：jar，前身是sharding-jdbc(视频教程：bilibili.com/video/BV1NA411v7W8)；

2. TDDL：jar，Taobao Distribute Data Layer；

3. Mycat：中间件(视频教程：bilibili.com/video/BV1Pp4y1v7AT)。

注：工具的利弊，请自行调研，官网和社区优先。

四、分库分表步骤

============

根据容量（当前容量和增长量）评估分库或分表个数 -> 选key（均匀）-> 分表规则（hash或range等）-> 执行（一般双写）-> 扩容问题（尽量减少数据的移动）。

五、分库分表问题

============

1、非partition key的查询问题

=========================

基于水平分库分表，拆分策略为常用的hash法。

1、端上除了partition key只有一个非partition key作为条件查询

映射法

基因法

![如何分表分库？业界有哪些

《一线大厂Java面试题解析+后端开发学习笔记+最新架构讲解视频+实战项目源码讲义》

【docs.qq.com/doc/DSmxTbFJ1cmN1R2dB】 完整内容开源分享

常用方案？可能存在什么问题？](https://img-blog.csdnimg.cn/img_convert/42411906aeb6761d1cf9b545c66fa544.png)

注：写入时，基因法生成user_id，如图。关于xbit基因，例如要分8张表，23=8，故x取3，即3bit基因。根据user_id查询时可直接取模路由到对应的分库或分表。根据user_name查询时，先通过user_name_code生成函数生成user_name_code再对其取模路由到对应的分库或分表。id生成常用snowflake算法。

2、端上除了partition key不止一个非partition key作为条件查询

映射法

冗余法

注：按照order_id或buyer_id查询时路由到db_o_buyer库中，按照seller_id查询时路由到db_o_seller库中。感觉有点本末倒置！有其他好的办法吗？改变技术栈呢？

3、后台除了partition key还有各种非partition key组合条件查询

NoSQL法

冗余法

2、非partition key跨库跨表分页查询问题

==============================

基于水平分库分表，拆分策略为常用的hash法。

注：用NoSQL法解决（ES等）。

3、扩容问题

==========

基于水平分库分表，拆分策略为常用的hash法。

1、水平扩容库（升级从库法）

注：扩容是成倍的。

2、水平扩容表（双写迁移法）

• 第一步：（同步双写）修改应用配置和代码，加上双写，部署；

• 第二步：（同步双写）将老库中的老数据复制到新库中；

• 第三步：（同步双写）以老库为准校对新库中的老数据；

• 第四步：（同步双写）修改应用配置和代码，去掉双写，部署；

注：双写是通用方案。

六、分库分表总结

============
1、 分库分表，首先得知道瓶颈在哪里，然后才能合理地拆分（分库还是分表？水平还是垂直？分几个？）。且不可为了分库分表而拆分。
2、选key很重要，既要考虑到拆分均匀，也要考虑到非partition key的查询。
3、只要能满足需求，拆分规则越简单越好。