1、垂直分库
根据业务耦合性，将关联度低的不同表存储在不同的数据库。做法与大系统拆分为多个小系统类似，按业务分类进行独立划分。与“微服务治理”的做法相似，每个微服务使用单独的一个系统。如图：
2、垂直分表
基于数据表中的“列”进行划分。某个表字段较多，可以新建一张扩展表，将不经常用或者字段长度较大的字段拆分出去。
3、水平分割
水平分割分为“库内分表”和“分库分表”，是根据表内数据内在的逻辑关系，将同一个表按照不同条件分散到多个数据库或多个表中，每个表中只包含一部分数据，从而使得单个表的数据量变小，达到分布式的效果。如图：
库内分表只是解决了单一表数据量过大的问题，但没有将表分表到不同机器的库上，因此对减轻MySQL数据库的压力来说，帮助不是很大，大家还是竞争同一个物理机的CPU、内存、网络IO，最好通过分库分表来解决。
4、水平分割方法
a、根据数值范围：按照时间区间或ID区间来切分。
b、根据数值取模：一般采用hash取模mod的切分方式。
5、分库分表解决问题
解决了单库单表数据过大，高并发的性能瓶颈，提升系统的稳定性和负载能力。
6、注意事项
a、事务一致性问题
1）分布式事务：
一般可使用“XA协议”和“两阶段提价”处理。分布式事务能最大限度保证了数据库操作的原子性。但在提交事务时需要协调多个节点，推后了提交事务的时间点，延长了事务的执行时间。导致事务在访问共享资源时发生冲突或死锁的概率增高。随着数据库的节点增大，这种趋势会越来越严重，从而成为系统在数据库层面上水平扩展的枷锁。
2）最终一致性：
对性能要求很高，但对一致性要求不要的系统，可采用事务补偿的方式。与事务在执行中发生错误后立即回滚的方式不同，事务补偿是一种事后检查补救的措施，一些常见的实现方法有：对数据进行对账检查，基于日志进行对比，定期同标准数据来源进行同步等等。
b、跨节点关联查询join问题
1）全局表：
系统中所有模块都可能依赖的一些表，每个数据库中都保存一份。这些数据通常很少进行修改，所以也不担心一致性问题。
2）字段冗余：
一种典型的反范式设计，利用空间换时间。如订单表保存userID时，也将userName冗余保存一份。但应用场景也有限，比较适用于依赖字段较少的情况。冗余字段的数据一致性也较难保证，比如用户修改了userName后，是否需要在历史订单上同步更新。
3）数据组装：
在系统层面，分两次查询，最后将数据进行字段拼装。
4）ER分片：
将存在关联关系的表记录存放在同一个分片上，就能较好的避免跨分片join问题。如图：
c、跨节点分页、排序、函数问题
1）先在不同的分片节点中将数据进行排序并返回，然后将不同分片返回的结果集进行汇总和再次排序，最终返回给用户。如图：
上图中只是取第一页的数据，对性能影响还不是很大。但是如果取得页数很大，情况则变得复杂很多，因为各分片节点中的数据可能是随机的，为了排序的准确性，需要将所有节点的前N页数据都排序好做合并，最后再进行整体的排序，这样的操作时很耗费CPU和内存资源的，所以页数越大，系统的性能也会越差。
2）在使用Max、Min、Sum、Count之类的函数进行计算的时候，也需要先在每个分片上执行相应的函数，然后将各个分片的结果集进行汇总和再次计算，最终将结果返回。如图：
