ShardingSphere数据分片

🚀 优质资源分享 🚀

学习路线指引（点击解锁）	知识定位	人群定位
🧡 Python实战微信订餐小程序 🧡	进阶级	本课程是python flask+微信小程序的完美结合，从项目搭建到腾讯云部署上线，打造一个全栈订餐系统。
💛Python量化交易实战💛	入门级	手把手带你打造一个易扩展、更安全、效率更高的量化交易系统

码农在囧途

坚持是一件比较难的事，坚持并不是自欺欺人的一种自我麻痹和安慰，也不是做给被人的，我觉得，坚持的本质并没有带着过多的功利主义，如果满是功利主义，那么这个坚持并不会长久，也不会有好的收获，坚持应该带着热爱，带着思想，把它当成习惯，但是并不是内卷，而是一种发自内心的喜欢和平实！希望我们都有自己的坚持，坚持写一篇文章，坚持爱一个人，坚持读一本书，坚持走向远方！

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7BnfsHOy-1658768918197)(https://img2022.cnblogs.com/blog/1524840/202207/1524840-20220725234037526-456910588.png)]

前言

上一篇我们说了ShardingSphere的读写分离，使用读写分离能够减轻单库的读写操作，从而提升数据库的吞吐量，但是当数据库中表的数据量到达一定数量时，我们可能就会需要进行分片了，
分片又分为垂直分片和水平分片，下面我们对二者进行简单的分析。

垂直分片

我们的一个数据库中通常是有很多数据表的，不过可能由于我们的分类不到位，就会出现涝的涝死旱的旱死的局面，比如某些数据表的读写操作十分频繁，而我的这个库中大量的集中了这种
读写操作频繁的表，那么整体的吞吐量就会降低，而某个库中又集中了读写不频繁的表，吞吐量十分的高(但是好像没什么卵用)，所以我们应该合理的分配，以保证整理的吞吐量达到最大值，
下图将数据表各分到了一个数据库中。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4yhwVI6s-1658768918201)(https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/a0acf5679c0d4073871067070a9ccc73~tplv-k3u1fbpfcp-zoom-1.image)]

不过垂直分片不能从根本上解决读写瓶颈，因为不管你再怎么分，所有的数据始终都集中在一张表里面，就算数据库的性能再好，也解决不了这个问题。所以我们需要进行
更加细粒度的划分，下面我们来讲解水平分片。