为何分表
当一张表的数据达到千万级时甚至亿级时，查询一次所花的时间会变多，如果有联合查询的话可能会死在那儿了。分表的目的就在于此，减小数据库的负担，缩短查询时间。
大数据量并且访问频繁的表，将其分为若干个表:
比如对于某些网站平台的数据库表，数据量很大，这种能预估出来的大数据量表，我们就事先分出个N个表，这个N是多少，根据实际情况而定。
某网站现在的数据量假设是5000万条，可以设计每张表容纳的数据量是500万条，也就是拆分成10张表。
那么如何判断某张表的数据是否容量已满呢?可以在程序段对于要新增数据的表，在插入前先做统计表记录数量的操作，当<500万条数据，就直接插入，当已经到达阀值，可以在程序段新创建数据库表（自动扩容），再执行插入操作。
数据库架构
1.简单的数据库（PG/MySQL)主从复制:
数据库的主从复制解决了数据库的读写分离，（一主多备）能很好的提升读的性能，其图如下：
但是，主从复制也带来其他一系列性能瓶颈问题：
:---------:1.写入无法扩展
:---------:2.写入无法缓存
:---------:3.复制延时
:---------:4.锁表率上升
:---------:5.表变大，缓存率下降
那问题产生总得解决的，这就产生下面的优化方案，一起来看看。
1、垂直分区
如果把业务切割得足够独立，那把不同业务的数据放到不同的数据库服务器将是一个不错的方案，而且万一其中一个业务崩溃了也不会影响其他业务的正常进行，并且也起到了负载分流的作用，大大提升了数据库的吞吐能力。经过垂直分区后的数据库架构图如下：
已经足够独立了，但是有些业务之间或多或少总会有点联系，如用户，基本上都会和每个业务存在关联，况且这种分区方式，也不能解决单张表数据量暴涨的问题。
2、水平分区(Sharding)
将用户按一定规则(按id哈希)分组，并把该组用户的数据存储到一个数据库分片中，即一个sharding，这样随着用户数量的增加，只要简单地配置一台服务器即可，原理图如下：
如何来确定某个用户所在的shard呢，这个时候我们可以建一张用户和shard对应的数据表，每次请求先从这张表找用户的shard id，再从对应shard中查询相关数据，如下图所示：
单库单表
单库单表是最常见的数据库设计，例如，有一张用户(user)表放在数据库db中，所有的用户都可以在db库中的user表中查到
单库多表
随着用户数量的增加，user表的数据量会越来越大，当数据量达到一定程度的时候对user表的查询会渐渐的变慢，从而影响整个DB的性能。还有一个更严重的问题是，事务提交会锁表，期间所有的读写操作只能等待。
一主多备
在实际的应用中，大部分情况都是读远大于写。DB提供了读写分离的机制，所有的写操作都必须对应到Master，读操作可以在 Master和Slave机器上进行，Slave与Master的结构完全一样，一个Master可以有多个Slave,甚至Slave下还可以挂 Slave,通过此方式可以有效的提高DB集群的 QPS.
所有的写操作都是先在Master上操作，然后同步更新到Slave上，所以从Master同步到Slave机器有一定的延迟，当系统很繁忙的时候，延迟问题会更加严重，Slave机器数量的增加也会使这个问题更加严重。
此外，可以看出Master是集群的瓶颈，当写操作过多，会严重影响到Master的稳定性，如果Master挂掉，整个集群都将不能正常工作。