前言
生产环境中,当单表数据达到一定的量级的时候,查询性能的瓶颈迟早会暴露出来,这个时候,解决思路可以考虑两种,一是从架构上对当前应用进行优化,比如使用es或mongodb等非关系型数据库进行配合使用,当然这种方式需要考虑一定的改造成本和团队开发人员的学习成本,另一种就是分库分表
我们常说分库分表,但是具体怎么分?为什么要分?以及使用什么样的技术进行分?这些都是需要提前考虑的问题,下面介绍一个行业中应用比较成熟的分库分表的中间件sharding-jdbc,由当当网开源的一款用于实现分库分表、读写分离等功能的中间件
基本概念
数据表切分方式
- 水平切分
- 垂直切分
考虑在应用中有一张这样的表,t_order表,即用于保存订单数据的表,当数据量比较小,可以直观的认为数据量在100万以下的时候,查询的时候,对于5.7以上的mysql引擎来说问题不是很大,但是当量级达到1000万甚至更大的时候,单表的读写性能会因为数据量过大带来的IO性能瓶颈越来越严重
这时候单纯从优化查询的性能考虑,可以有2种思路