分库分表
MySQL存放超过几百万条数据后就有了性能问题
互连网应用：大多都是读多写少
垂直拆分
垂直分库
将一个数据库按照业务分类拆分为多个数据库。比如订单的、会员的、商品的、用户的、后台的、、
垂直分表
有的业务场景下不需要用户的所有信息，不需要查询所有字段
将用户的部分信息拆分出来到子表中
总结
- 每个库（表）的结构都不一样
- 每个库（表）的数据都（至少有一列，通常是记录 id）一样
- 每个库（表）的并集是全量数据。因为是从原来的库（表）进行拆分的，同理也可以合为全量数据。
优点：
- 拆分后业务清晰（专库专用按业务拆分，隔离性好）
- 便于维护数据
缺点：
- 受某种业务来决定、或者被限制。一个业务往往会影响到数据库的瓶颈（性能问题）。比如果双11，订单的业务操作量很大，此时会限制其他业务的使用。
- 部分业务无法关联。比如垂直分库中不同的数据库的表无法关联（join），只能通过 java 程序接口去调用，提高了开发复杂度。
水平拆分
水平分库
创建 10 个表，假设每个表最多存放 500 w条数据，根据用户 id 的最后一位决定使用那张表。
这样容量从原来的 500w 扩充到了 5000w。试想，随着业务规模扩大，总数据量超过 5000w，怎么做？
水平分表
分页怎么做？
总结
- 每个库（表）的结构都一样
- 每个表的数据都不一样
- 每个库（表）的并集是全量数据
优点：
- 单库（表）的数据保持在一定的量（减少），有助于性能提高
- 提高了系统的稳定性和负载能力。
- 分出的表的结构相同、程序的改造比较小。每个表记录都用 pojo 存储，当表字段改动时，根据业务进行垂直拆分的表需要改动的 pojo 类更多，而垂直拆分因为所有表都用一个结构，修改的 pojo 类较少。
缺点：
- 数据扩容有难度。每个库或表的存储能力都有上限，当最初水平拆分的表或库存满后，扩容很困难。
垂直拆分和水平拆分
垂直拆分：按字段进行拆分。少表多字段拆成多表少字段。
水平拆分：按照数据（内容）拆分。比如 id 尾号为 1 放在 db_1 库，id 尾号为 2 放在 db_2 库、、
前期垂直拆分，后期水平拆分。
前期主要做业务的拆分，分库更加直观
后期主要做数据的拆分。
分库分表带来的问题
- 增加了开发成本和维护成本。相比于单表单库来说。。
- 跨库join查询。
- 分布式事务。原来的 ACID。。
- 分布式全局唯一 ID，需要使用程序设计 ID
开源框架
mycat、shardingsphere、tddl、mysql-proxy 等等
分类：
- JDBC 应用层。
shardingsphere、tddl。在程序中实现 - PROXY 代理层。
mycat、mysql-proxy。
JDBC 应用层分片，代表 shardingsphere （之前叫 Sharding-JDBC） ，底层原理：
以前的 shardings-jdbc 是基于 jdbc 的，只能通过 java 语言使用
目前支持 proxy分片 https://shardingsphere.apache.org/index_zh.html
Proxy代理层分片，MyCat
比较：
JDBC应用层分片
优点：
- 性能好
- 支持跨数据库。
缺点：
- 增加了开发难度。需要依赖 jar 包，需要修改配置
- 只支持 Java 语言使用。
Proxy代理层分片
优点：
- 可供多种语言使用。python、c、php、、、
- 开发无感知。逻辑在代理层实现，对程序员开发要求降低，不用关心背后的节点，开发只用面向代理层，像一个黑盒子。
缺点：
- 性能下降。增加了代理层，增加了数据传递次数
- 只支持 mysql，不支持 oracle。
实战
参考
https://www.bilibili.com/video/BV1pQ4y1r7FV?p=1
博客：
https://blog.csdn.net/azhuyangjun/article/details/86976568