数据库优化学习之分库分表

注：本篇为学习笔记，欢迎批评指正。

1. 为什么数据库需要优化？

随着数据量的增长，CURD操作时间开销大。
IO,MEM,CPU资源是有限的
数据处理能力受到了影响

2. 数据库的优化方法有哪些策略？

数据库连接数，如开源数据库mysql一般支持500-700连接
数据库服务器自身的资源有限
数据库量越来越大

• 查询越来越慢怎么办？

索引--要有开销的（空间换时间）--【btree和b+tree的区别】
分区--冷热数据区分--【业务熟悉】
读写分离--读和写服务器分开 MYSQL主从同步--
加硬件--向上扩展（专业名词）
分库分表--减轻每张表的数据量--【怎么分】
缓存--redis数据库，QPS-10W+ --【和mangoDB的区别，各自应用场景，各自的问题，还能应用别的场景吗？】
专业数据库--大数据(hadoop,hbase),ES

• 分库分表
  在其他条件不变情况下，如何通过分库分表策略，提高数据库的并发量，提高数据库的查询效率，提高用户感知度？

垂直切分：
功能上：指的是按功能不同，切分为不同的数据库；
表上面：指的是将表切分为主表和其他表。
优点：划分规则规则简单，明了；管理方便，整合容易。
缺点：查询需要关联其他表；事务的处理复杂；维护性收到限制；对于交易量很大且访问频繁的主表，没有好的办法。

• 水平拆分（对单表进行拆分）

按照主键取值范围进行拆分；例如用户表数据量1500W，可以拆分为三张500W的表
按照时间进行拆分；例如拆分为12个张表，每月一张
按照取模进行拆分；
按照枚举值；例如主表某字段取值固定的，如地名。

优点：
库内进行关联操作；
切分规则定好，很难遇见瓶颈；（单数据库服务，单实例；单数据库服务，多实例；多数据服务，多实例）；
应用程序改动较少；

缺点：
复杂度提高了，维度难度增加了；
抽象出一个切分规则，很难；
没有解决耦合性，后续拆分很困难；
Union

• 水平拆分和垂直拆分是如何解压的？
  垂直拆分:通过对功能拆分，转移数据库的压力
  水平拆分：通过相同的表、库、服务共同分担压力。

• 联合切分存在的问题？

垂直切分和水平切分优缺点，都要继承
架构十分复杂，维护成本高。

• 怎么管理数据库资源

每个应用程序直接管理自己的数据库资源（多个），直接访问各个数据库，在模块里进行数据整合；
通过中间代理层（数据库中间件）进行数据库的管理。

数据库中间件 mycat
cobar--mycat
原因
BIO--NIO 
BIO(客户端向服务器端发送请求，服务器端就会起线程)
NIO同步非阻塞(客户端向服务器端发送请求，到多路复用器，有IO请求时，)
AIO异步非阻塞
结果进行整合，group by,order by