分库分表

一、分库分表的时机

1. 业务数据量激增：单表数据量达到1000万或数据文件超过20G。
2. 常规优化失效：主从读写分离、索引优化等方式已无法解决性能问题。
3. 系统出现瓶颈：磁盘IO、网络IO或CPU瓶颈（如聚合查询慢、连接数过多）。

---

二、拆分策略

1. 垂直拆分

• 垂直分库：按业务模块将不同表拆分到不同数据库，如用户、订单、商品表分库。
  • 特点：按业务分级管理，提高高并发下的磁盘IO和连接数。
• 垂直分表：按字段属性拆分，如将不常用字段、text/blob大字段单独成表。
  • 特点：冷热数据分离，减少IO争抢。

2. 水平拆分

• 水平分库：将一个库的数据拆分到多个库，按ID取模、范围路由等规则分发数据。
  • 特点：解决单库大数据量和高并发瓶颈，提升系统稳定性。
• 水平分表：将一个表的数据拆分到多个表（可在同一库内），按ID取模分发数据。
  • 特点：优化单表数据量过大的性能问题，减少锁表几率。

---

三、核心问题与中间件

1. 分库后的问题

• 分布式事务一致性问题
• 跨节点关联查询、分页排序问题
• 主键避重问题

2. 分库分表中间件

• ShardingSphere：主流分库分表中间件，支持多种拆分策略
• MyCat：开源数据库中间件，实现分库分表与读写分离

---

面试相关问题

1. 问：你们项目用过分库分表吗？答： 用过。当时项目订单业务单表数据量超过1000万，主从和索引优化已无法支撑，采用了水平分库+分表的方案，用ShardingSphere实现，按订单ID取模拆分到多个库表，解决了高并发和大数据量的性能瓶颈。

2. 问：分库分表的拆分策略有哪些？答： 分为垂直拆分和水平拆分。垂直拆分包括按业务分库和按字段分表；水平拆分包括按ID取模、范围路由等分库分表，具体根据业务场景选择。

3. 问：分库分表会带来什么新问题？怎么解决？答： 会带来分布式事务、跨节点关联查询、主键避重等问题。通常用分布式事务框架解决一致性问题，通过中间件实现跨节点路由，用雪花算法等方式生成全局唯一主键。