分库分表

之前我们讲过利用数据库的读写分离提升数据库的读写性能，今天我们再来聊一聊数据库优化的另外一个重量级武器，分库分表。

我们先来想想这样的一个业务场景，我们有一个数据库，存放着用户的订单数据，随着我们的业务的发展，订单的数据越来越多，由此会引来一系列的问题。
首先，单库的数据量会变得越来越大，占据大量的磁盘空间，在进行数据迁移、备份、恢复所需要的时间都会越来越长。
其次，系统的容灾性将变差，没有万无一失的系统，也没有万无一失的机器，更没有万无一失的运维工程师与程序员，一旦我们的数据库遭遇到破坏，将会牵连所有的业务与用户。
最后，是系统的性能会大大降低，读写速度会变慢，即便是我们使用了索引，也会发现读写的速度越来越慢，这是为什么呢？有两个主要的原因，一是随着数据量的增多，扫描数也会增多，一旦我们的索引不合理，或者没有命中索引，将带来灾难性的结果，另外一个重要的原因，是索引会变得越来越大，每次变更索引的变更也会消耗时间，并且可能因为索引过大，无法直接存放在内存，每次都需要从磁盘中加载索引，造成速度变慢。
从另外一个角度看，单台机器的性能都是有限的，即便我们可以使用多个从库，但也会造成数据的冗余与浪费。分库分表，可以帮我们非常好的解决这个问题。分库分表，顾名思义，就是把数据分散存储在不同的数据库与数据表中。我们有两种常见的分库分表方法：
垂直切分，垂直切分，既按照不同的功能，将不同业务的数据，存放到不同的数据库中，我们仍然以电商系统为例，我们可以将用户性别、收货地址、账号等存放在用户库中，将商品的图片、描述、详情存放在商品数据库中，将用户的订单数据存放在交易数据库中，不同的数据库之间可以互相隔离，互补影响，这样子，可以做到一方出故障的时候，对其他影响最小。
水平切分，水平切分，即同一个功能按照一定的维度切割，将他们放到不同的表中。我以阿里巴巴的淘宝天猫数据为例，不同用户之间的交易数据，一般都是不互通的，也少有需要跨表查询场景，于是可以用户的ID哈希，将其分布在不同的数据库数据表中，商品的数据，最常见的场景，便是一个店铺下所有的商品，我们极少需要跨店铺去查询商品的数据（搜索页、推荐页等的不算，这种场景一般也不是走数据库查询），所以通常是以商家ID进行分表的。
通过分库分表，我们可以让数据库每一张表的数据都比较可控，从而提高数据库的效率。当然，分库分表也并非十全十美，也会带来一些问题，例如，在某些业务场景，我们可能需要查询跨表的数据，将会变得非常麻烦。同时，如果数据库需要一些连接操作，也会变得箱单麻烦。想要知道如何解决这些问题的么？欢迎大家关注我，共同学习，共同进步。大家的支持是我继续唠嗑的动力。同名公众号（沙茶敏碎碎念）