資料庫的垂直拆分和水平拆分
當我們使用讀寫分離、快取後，資料庫的壓力還是很大的時候，這就需要使用到資料庫拆分了。
資料庫拆分簡單來說，就是指通過某種特定的條件，按照某個維度，將我們存放在同一個資料庫中的資料分散存放到多個數據庫（主機）上面以達到分散單庫（主機）負載的效果。
切分模式： 垂直（縱向）拆分、水平拆分。
垂直拆分
專庫專用
一個數據庫由很多表的構成，每個表對應著不同的業務，垂直切分是指按照業務將表進行分類，分佈到不同的資料庫上面，這樣也就將資料或者說壓力分擔到不同的庫上面，如下圖：
優點：
1. 拆分後業務清晰，拆分規則明確。
2. 系統之間整合或擴充套件容易。
3. 資料維護簡單。
缺點：
1. 部分業務表無法join，只能通過介面方式解決，提高了系統複雜度。
2. 受每種業務不同的限制存在單庫效能瓶頸，不易資料擴充套件跟效能提高。
3. 事務處理複雜。
水平拆分
垂直拆分後遇到單機瓶頸，可以使用水平拆分。相對於垂直拆分的區別是：垂直拆分是把不同的表拆到不同的資料庫中，而水平拆分是把同一個表拆到不同的資料庫中。
相對於垂直拆分，水平拆分不是將表的資料做分類，而是按照某個欄位的某種規則來分散到多個庫之中，每個表中包含一部分資料。簡單來說，我們可以將資料的水平切分理解為是按照資料行的切分，就是將表中 的某些行切分到一個數據庫，而另外的某些行又切分到其他的資料庫中，主要有分表，分庫兩種模式，如圖：
優點：
1. 不存在單庫大資料，高併發的效能瓶頸。
2. 對應用透明，應用端改造較少。
3. 按照合理拆分規則拆分，join操作基本避免跨庫。
4. 提高了系統的穩定性跟負載能力。
缺點：
1. 拆分規則難以抽象。
2. 分片事務一致性難以解決。
3. 資料多次擴充套件難度跟維護量極大。
4. 跨庫join效能較差。
拆分的處理難點
兩張方式共同缺點
1. 引入分散式事務的問題。
2. 跨節點Join 的問題。
3. 跨節點合併排序分頁問題。
針對資料來源管理，目前主要有兩種思路：
A. 客戶端模式，在每個應用程式模組中配置管理自己需要的一個（或者多個）資料來源，直接訪問各個 資料庫，在模組內完成資料的整合。
優點：相對簡單，無效能損耗。
缺點：不夠通用，資料庫連線的處理複雜，對業務不夠透明，處理複雜。
B. 通過中間代理層來統一管理所有的資料來源，後端資料庫叢集對前端應用程式透明；
優點：通用，對應用透明，改造少。
缺點：實現難度大，有二次轉發效能損失。
拆分原則
1. 儘量不拆分，架構是進化而來，不是一蹴而就。(SOA)
2. 最大可能的找到最合適的切分維度。
3. 由於資料庫中介軟體對資料Join 實現的優劣難以把握，而且實現高效能難度極大，業務讀取 儘量少使用多表Join -儘量通過資料冗餘，分組避免資料垮庫多表join。
4. 儘量避免分散式事務。
5. 單表拆分到資料1000萬以內。
切分方案
範圍、列舉、時間、取模、雜湊、指定等
===============================================================================
案例分析
場景一
建立一個歷史his系統，將公司的一些歷史個人遊戲資料儲存到這個his系統中，主要是寫入，還有部分查詢，讀寫比約為1:4；由於是所有資料的歷史存取，所以併發要求比較高；
分析：
歷史資料
寫多都少
越近日期查詢越頻繁？
什麼業務資料？使用者遊戲資料
有沒有大規模分析查詢？
資料量多大？
保留多久？
機器資源有多少？
方案1：按照日期每月一個分片
帶來的問題：1.資料熱點問題（壓力不均勻）
方案2：按照使用者取模， --by Jerome 就這個比較合適了
帶來的問題：後續擴容困難
方案3：按使用者ID範圍分片（1-1000萬=分片1，xxx）
帶來的問題：使用者活躍度無法掌握，可能存在熱點問題
場景二
建立一個商城訂單系統，儲存使用者訂單資訊。
分析：
電商系統
一號店或京東類？淘寶或天貓？
實時性要求高
存在瞬時壓力
基本不存在大規模分析
資料規模？
機器資源有多少？
維度？商品？使用者？商戶？
方案1：按照使用者取模，
帶來的問題：後續擴容困難
方案2：按使用者ID範圍分片（1-1000萬=分片1，xxx）
帶來的問題：使用者活躍度無法掌握，可能存在熱點問題
方案3：按省份地區或者商戶取模
資料分配不一定均勻
場景3
上海公積金，養老金，社保系統
分析：
社保系統
實時性要求不高
不存在瞬時壓力
大規模分析？
資料規模大
資料重要不可丟失
偏於查詢？
方案1：按照使用者取模，
帶來的問題：後續擴容困難
方案2：按使用者ID範圍分片（1-1000萬=分片1，xxx）
帶來的問題：使用者活躍度無法掌握，可能存在熱點問題
方案3：按省份區縣地區列舉
資料分配不一定均勻