这篇文章主要介绍“数据库分库和分表是什么意思”，在日常操作中，相信很多人在数据库分库和分表是什么意思问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”数据库分库和分表是什么意思”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

一、什么情况下拆

• 数据量不断增加的情况下，当前单个的数据库和数据表已经无法满足海量数据。索引压力大。

• 数据库的吞吐量达到了瓶颈。

• 希望在后期扩容时，对应用层的配置改变最少。

这个时候，就需要重新设计，一个字，拆！

二、常见的拆分手法

拆分的总思想：分而治之

1. 水平拆分

保留原有的数据库（表）结构，将一个库（表）拆分为多个库（表）。比如t_user表拆分为t_user1、t_user2。

优点：

• 单库（表）的数据保持的一定数量级范围内，保证性能

• 切分时结构相同，代码改造少

• 提高了系统的稳定性和负载能力

分片纬度

• 哈希

数据切片比较均匀，压力被分散了。 但是，查询就需要进行聚合了。

• 时间

适用于有明显时间特点的。针对不同时间段的数据访问频率不同，可以配置不同的硬件资源来节约成本。也方便归档。

2. 垂直拆分

根据业务的纬度，将原本的一个库（表）拆分为多个库（表），每个库（表）和原来的结构不同。比如t_user表拆分为t_user_basic、t_user_detail。

优点：

• 业务逻辑更清晰

• 动静分离、冷热分离

冷数据查询多，可以考虑MyISAM引擎；热数据更新多，可以考虑InnoDB引擎。

读多写少的数据，可以多配置几个从库；对于热数据，可以使用多个主库构建分库分表的结构。

对于特殊的活跃数据，可以考虑使用redis等缓存，等累计到一定数据量时再更新数据库。

• 数据维护简单

• 按照成本、应用的等级、应用的类型将表放到不同的机器上，方便管理

两种方式统一的缺点：

• 分布式事务的问题

• join的问题

• 跨节点的排序、分页问题

• 多数据源的管理问题

三、实现方案

1. 客户端分片

2. 代理层分片

3. 支持事务的分布式数据库（TiDB、OceanBase）

四、带来的问题

1. 扩容

• 操作繁琐

• 迁移数据时，数据量大会导致不一致，要先清洗旧数据，洗完之后再使用新规则，再做全量对比。

• 金融交易数据，将数据动静分离。历史数据不会被更新，可以拉长双写的时间窗口，当过了这个窗口后，直接迁移那些不会被更新的历史数据。

• 数据量大时，抽样对比。

2. 查询问题

• 难支持多维度查询，可以做数据异构冗余。或者搜索引擎。

• 买家下单后的商品信息查询时不能和下单前不一致，这个时候需要做快照。

3. 事务问题

4. 同组数据的跨库问题

• 尽量把同一组数据放到同一台数据库服务器上。

五、实战

去年2018年，在*美时，做的一个物流电商项目，其中在存储运单时，由于每个月的运单数当时已经成型（百万）。所以，将订单表按照时间分片，并且将主键和复杂查询数据存储至es。这样，在以时间维度查询时直接走DB，在其他查询条件时，先走es查询出主键，再根据主键信息查询DB。

• 这样建表，有个好处是表可以无限制的根据时间创建并使用。

• 同时，也会带来坏处，当业务猛增，数据量暴增时，按月分可能无法满足，这个时候就需要改变路由策略。

• 最大的坏处是，这样会产生冷数据问题，比如一年前、两年前、甚至更久的数据可能已经几乎不会再访问。这种情况可以走es或者离线hive

到此，关于“数据库分库和分表是什么意思”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注天达云网站，小编会继续努力为大家带来更多实用的文章！