一、为什么要分库分表?
随着业务的不断发展，数据量不断增加，因此数据操作，如增删改查的开销也会越来越大，原来基于单库单表的设计已经不能满足存储需求，数据库随时面临爆库风险；

再加上物理服务器的资源有限（CPU、磁盘、内存、IO 等）。最终数据库所能承载的数据量、数据处理能力都将遭遇瓶颈。

二、如何解决?
1、增加存储这只能暂时缓解，但也可能是一种性价比比较高的方案

2、数据实现动静分离，定时备份到达终态数据，缓解存储压力

例:

热数据：3个月内的订单数据，查询实时性较高;(mysql中分库分表)

冷数据A：3个月 ~ 12个月前的订单数据，查询频率不高;(es中)

冷数据B：1年前的订单数据，几乎不会查询，只有偶尔的查询需求;(hive)

3、数据库分表可以解决单表海量数据的查询性能问题，分库可以解决单台数据库的并发访问压力问题。有时候，我们需要同时考虑这两个问题，因此，我们既需要对单表进行分表操作，还需要进行分库操作，以便同时扩展系统的并发处理能力和提升单表的查询性能，就是我们使用到的分库分表。

三、分库分表的实现方案
拆分的方式有两种，一种是水平拆分，一种是垂直拆分，分库分表是对数据库拆分的解决方案；根据分库分表方案中实施切片逻辑不同，我们将分库分表的实现方案分成三大类：客户端，代理分片，分布式数据库

1、客户端
客户端分片就是使用分库分表数据库的应用层直接操作分片逻辑，分片规则需要在同一应用的多个模块进行同步，每个应用嵌入一个操作分片的逻辑实现，一般都通过依赖jar实现，具体的实现方式分为三种：一种在应用层直接实现，第二通过ORM框架实现；第三通过定制JDBC协议实现；

应用层实现：这是一种通用的简单的实现方案，直接在应用层读取分片规则实现路由逻辑，然后应用层自己决定访问那个实例，那个库，那个表，那个字段等等。架构如下：

这种方案虽然侵入了业务，但是实现比较简单，适合快速上手，出问题也比较好查，目前有一些开源实现dbsplit方案

ORM框架实现：
通过定制ORM框架中或者通过框架的扩展机制来实现分库分表的逻辑，现在很多公司通过mybatis配置文件的SQL中的表索引的参数来实现分片；

mybatis实现分库分表方式：

此方案也是推荐方案

JDBC协议实现：
我们通过定制JDBC协议来实现，针对业务提供JDBC一致的接口，让业务方无需关系分库分表的实现，让分库分表规则在JDBC内部实现，对业务方透明；

架构如下：

ShardingSphere-JDBC体系结构

这种解决方案对业务透明，不侵入业务，让开发人员更大限度聚焦在逻辑实现上，但开发人员需要理解并使用JDBC协议；现在流行的框架:shardingsphere,前身是sharding-jdbc由当当开发，现目前已经交给apahce了

https://github.com/apache/incubator-shardingsphere

使用限制：

对于部分SQL语法不支持，比如：having,union,or,批量插入insert into values(v1,v2),(v3,v4)，distinct,不支持子查询

2、代理分片
代理层是在应用层和数据库层增加一个代理层，把分片规则配置在代理层，代理层对外提供与JDBC兼容的接口给应用层，业务也不用关系分片规则

这种方案的优点是对业务透明，缺点是增加一层网络代理，对性能有损失；

3、分布式数据库
通过将分片功能在DB内部实现来实现分布式存储，对业务透明；

架构如下：

业界的开源实现，阿里的OceanBase,开源的tidb和度小满nesiodb

四、案例分析
1、billing模块t_bill_record数据超两千万条

水平拆分,以周为单位,提前建好两年的表t_bill_record_yyyymmdd
新增数据根据当前时间进入对应的表中
查询数据根据时间跨度,联合查询的表数据
数据迁移(尽量不要影响正在使用中的表,如果有影响,对于insert/update/delete，每次处理1000行数据，执行commit，之后sleep 1秒。对于select，每次查询2000行数据，之后sleep1秒)

2、亿级订单系统设计
订单表为例，在订单表中，订单id肯定是不可重复的，因此将该字段当做shard key 是非常适合的,其他表类似。
例:单张order表分为10个库,每个库100个表
中间变量 = shard_key / (库数量*单个库的表数量)
库序号 = 取整(中间变量/单个库的表数量)
表序号 = 中间变量 % 单个库的表数量,

如果shard_key 不是整数类型，可以先hash 在进行取模，

例如： hash(shard_key) % 库容量

数据迁移(双写迁移方案)
就是在线上系统，之前所有写库的地方，增删改操作，除了对旧库增删改，都加上对新库的增删改，这就是所谓双写 — 同时写俩库(旧库和新库)
同时起一个job,同步旧库数据到新库,接着当数据完全一致了,上线所有操作到新库服务