概念介绍
垂直拆分
　　垂直拆分就是要把表按模块划分到不同数据库表中（当然原则还是不破坏第三范式），这种拆分在大型网站的演变过程中是很常见的。当一个网站还在很小的时候，只有小量的人来开发和维护，各模块和表都在一起，当网站不断丰富和壮大的时候，也会变成多个子系统来支撑，这时就有按模块和功能把表划分出来的需求。其实，相对于垂直切分更进一步的是服务化改造，说得简单就是要把原来强耦合的系统拆分成多个弱耦合的服务，通过服务间的调用来满足业务需求看，因此表拆出来后要通过服务的形式暴露出去，而不是直接调用不同模块的表，淘宝在架构不断演变过程，最重要的一环就是服务化改造，把用户、交易、店铺、宝贝这些核心的概念抽取成独立的服务，也非常有利于进行局部的优化和治理，保障核心模块的稳定性。如下图 
缺点 垂直拆分单表在大数据量的表中依然存在性能瓶颈

 以上的表格进行垂直拆分，会变成一下两个表格（就是个例子，具体还要根据实际情况分析）

通常会按照一下原则拆分 
1. 把不常⽤的字段单独放在⼀张表; 
2. 把text，blob等⼤字段拆分出来放在附表中; 
3. 经常组合查询的列放在⼀张表中;

垂直拆分更多时候就应该在数据表设计之初就执⾏的步骤，然后查询的时候⽤jion关键起来即可; 
如果系统过于庞大，拆分的表可以放在不同的数据库中，甚至不同的Server中，怎样划分Server就要根据功能模块和项目实际划分。而有些频繁使用的数据也一定要做读写分离；

比如微博和阿里。读和写都比较频繁，肯定会做读写分离。 
如果日志信息也放在了数据库中的一张表中，每天近千万条的日志，那么一天表中的数据量就会很大，在做查询或者其他更新数据时，就会很缓慢，那这时就要考虑水平拆分了。

水平拆分
　　上面谈到垂直切分只是把表按模块划分到不同数据库，甚至数据库也分为了不同Server，但没有解决单表大数据量的问题，而水平切分就是要把一个表按照某种规则把数据划分到不同表或数据库里。例如像计费系统和日志系统。通过按时间来划分表就比较合适，因为系统都是处理某一时间段的数据。而像SaaS应用，通过按用户维度来划分数据比较合适，因为用户与用户之间的隔离的，一般不存在处理多个用户数据的情况，简单的按user_id范围来水平切分

通俗理解：水平拆分行，行数据拆分到不同表中； 垂直拆分列，表数据拆分到不同表中

 一段时间或者满足最初定义的规则后，进行水平拆分，也就进行数据的行拆分，表的结构不发生变化

拆分原则 
通常情况下，我们使⽤取模的⽅式来进⾏表的拆分;⽐如⼀张有400W的⽤户表users，为提高其查询效率我们把其分成4张表users1，users2，users3，users4 ，通过用id取模的方法把数据分散到四张表内Id%4+1 = [1,2,3,4]然后查询，更新，删除。 
例如：id = 17,17%4 + 1 = 2, $tableName = ‘users’.’2’ 
Select * from users2 where id = 17; 
在insert时还需要⼀张临时表uid_temp来提供自增的id,该表的唯⼀⽤处就是提供⾃增的ID;

insert into uid_temp values(null);

得到⾃增的ID后,又通过取模法进行分表插⼊; 
注意：进行水平拆分后的表,字段的列和类型和原表保持一致,但是要记得去掉auto_increment自增长。

另外部分业务逻辑也可以通过地区，年份等字段来进行归档拆分

进行拆分后的表，只能满足部分查询的高效查询需求，这时我们就要在产品策划上，从界⾯上约束用户查询⾏为。 
比如我们是按年来进行归档拆分的，这个时候在页⾯设计上就约束⽤户必须要先选择年,然后才能进行查询; 
在做分析或者统计时，由于是自己公司内部工作的需求，多点等待其实是没关系的，并且并发很低，这个时候可以⽤union把所有表都组合成⼀张视图来进⾏查询，然后再进⾏查询;

使用场景
垂直与水平联合切分
　　由上面可知垂直切分能更清晰化模块划分，区分治理，水平切分能解决大数据量性能瓶颈问题，因此常常就会把两者结合使用，这在大型网站里是种常见的策略

案例： 
以mysql为例，简单购物系统暂设涉及如下表： 
1. 产品表（数据量10w，稳定） 　 
2. 订单表（数据量200w，且有增长趋势） 　 
3. 用户表 （数据量100w，且有增长趋势）　 
垂直拆分： 
　　解决问题： 表与表之间的io竞争 
　　不解决问题： 单表中数据量增长出现的压力 
　　方案：

 水平拆分： 
　　解决问题： 单表中数据量增长出现的压力 
　　不解决问题： 表与表之间的io争夺 
　　方案：