数据库分片技术

垂直切🈹️  存放在同一目录 数据中的的数据分散存放到多个数据库 

1. 1.一种是按照不同的表（或者Schema）来切分到不同的数据库（主机）之上，这种切可以称之为数据的垂直（纵向）切分
2. 
3. 另外一种则是根据表中的数据的逻辑关系，将同一个表中的数据按照某种条件拆分到多台数据库（主机）上面，这种切分称之为数据的水平（横向）切分。

水平切割 把不同一张表存放在不同的数据中，解决单表数据过大的情况。

mycat 水平分割  解决 水平切割的问题：

cobar :阿里

schema 逻辑库  与  mysql 中的 dabase 对应 

逻辑库中定义了 的table

 table  表，

 

1. 逻辑库(schema) ：
   1. 数据库中间件可以被看做是一个或多个数据库集群构成的逻辑库。

 

1. 逻辑表（table）：
2. 那么就会有逻辑表，分布式数据库中，对应用来说，读写数据的表就是逻辑表。逻辑表，可以是数据切分后，分布在一个或多个分片库中，也可以不做数据切分，不分片，只有一个表构成

3. 分片表：是指那些原有的很大数据的表，需要切分到多个数据库的表，这样，每个分片都有一部分数据，所有分片构成了完整的数据。 总而言之就是需要进行分片的表。

   非分片表：一个数据库中并不是所有的表都很大，某些表是可以不用进行切分的，非分片是相对分片表来说的，就是那些不需要进行数据切分的表

4. 分片节点(dataNode)
5. 数据切分后，一个大表被分到不同的分片数据库上面，每个表分片所在的数据库就是分片节点（dataNode）。
6. 节点主机(dataHost) 
7. 数据切分后，每个分片节点（dataNode）不一定都会独占一台机器，同一机器上面可以有多个分片数据库，这样一个或多个分片节点（dataNode）所在的机器就是节点主机（dataHost）,为了规避单节点主机并发数限制，尽量将读写压力高的分片节点（dataNode）均衡的放在不同的节点主机（dataHost）。
8. 分片规则(rule) 
9. 个大表被分成若干个分片表，就需要一定的规则，这样按照某种业务规则把数据分到某个分片的规则就是分片规则，数据切分选择合适的分片规则非常重要，将极大的避免后续数据处理的难度。
10.  
11.  
12. schema.xml
13. Schema.xml作为MyCat中重要的配置文件之一，管理着MyCat的逻辑库、表、分片规则、DataNode以及DataSource。

14. schema 标签用于定义MyCat实例中的逻辑库

    Table 标签定义了MyCat中的逻辑表

    dataNode 标签定义了MyCat中的数据节点，也就是我们通常说所的数据分片。

    dataHost标签在mycat逻辑库中也是作为最底层的标签存在，直接定义了具体的数据库实例、读写分离配置和心跳语句。

15. 1. 1. Server.xml介绍

16. server.xml几乎保存了所有mycat需要的系统配置信息。最常用的是在此配置用户名、密码及权限。

17. 1. rule.xml

    2. rule.xml里面就定义了我们对表进行拆分所涉及到的规则定义。我们可以灵活的对表使用不同的分片算法，或者对表使用相同的算法但具体的参数不同。这个文件里面主要有tableRule和function这两个标签。在具体使用过程中可以按照需求添加tableRule

        

    3. 和function。MySQL来说，标准的读写分离是主从模式，一个写节点Master后面跟着多个读节点，读节点的数量取决于系统的压力，通常是1-3个读节点的配置

18. Mycat读写分离和自动切换机制，需要mysql的主从复制机制配合

19. 1. Mysql的主从复制 数据同步 binlog