資料庫訪問量很小時，資料庫無需優化，直接使用即可。

但隨著資料量以及訪問量越來越高，在人們的智慧中一步步誕生了如下方案：

1、快取+垂直拆分

使用快取（Memcached、Redis）來緩解資料庫壓力【資料庫的查詢操作次數要遠遠大於增刪改，我們將經常查詢的資料放在快取中，將大大緩解資料庫的壓力】，優化資料庫結構和索引，垂直拆分（當資料量過於龐大，一個數據庫放不下，則需要根據需求，例如根據業務進行拆分，業務1、業務2、業務3...）。

2、主從複製、讀寫分離

主資料庫做動作，從資料庫立即做相同動作與主資料庫保持一致【主從複製，目的：容災】。讀：查；增刪改：寫。

讀寫分離，寫的操作都放在主庫，然後從庫會立刻同步，讀的操作都放在從庫，減小資料庫的壓力。

3、分庫分表+水平拆分+叢集

在增加快取以及主從複製、讀寫分離基礎上，資料庫主庫寫壓力開始出現瓶頸。不論多麼高配置的資料庫，都會有自己的物理上限。

水平分割（包括庫內分表 和 分庫分表）：例如一個600萬資料的表，由於資料量大會使效能下降，假設分割成三個表，每個表兩百萬條。

資料庫分多少張表取決於單張表容量，庫內分表能夠解決單張表資料很大的查詢效率問題，但是無法給資料庫的併發操作帶來效率上的提高，因為分表的實質還是在一個數據庫上進行的操作，很容易受資料庫IO效能的限制。

分庫分表是將一張表的資料經過演算法拆分後，放到不同的庫中。例如hash演算法。