数据库的分库、分表有哪些？

阿芬认为，现在很多开发者都喜欢研究一些新技术，但数据能否真正应用到公司的环境中还很难说。毕竟有些东西使用起来，一旦出现问题，就会导致一系列的生产事故。今天我要学习Sharding，就是分库分表的实际做法。接下来我们就来了解一下什么是分库分表，什么是Sharding。

什么是分片？

分库，显然就是将一个数据库分成多个数据库，部署到不同的机器上。

分表就是将一个数据库表分成多个表。

那为什么要分库分表呢？

为什么需要分库分表？

首先我们需要明确一个问题，单一的数据库是否能够满足公司目前在线业务的需求。比如我们的用户表可能有千万甚至上亿的数据。阿芬只是说有可能。有这么多用户，肯定是一家大公司。所以这个时候如果你不分表或者分库，那么当数据上来的时候，一不小心，MySQL单机磁盘容量就会爆裂，但是如果拆成多个数据库，磁盘占用情况大大减少。

这将减少磁盘使用量。这是通过硬件的形式来解决问题，就像阿芬一样。如果你的数据量很大，这时候如果SQL没有命中索引，就会导致一种情况，查这张表的SQL语句直接把数据库搞崩溃了。

即使SQL命中了索引，如果表的数据量超过1000万，查询也会明显变慢。这是因为索引一般是B+树结构。如果数据是千万级的，B+树的高度就会增加，查询自然会变慢。当然，这是题外话。

那我们就得说说如何进行分库分表操作了。今天讲一下如何进行分库分表操作。

分库分表方案

分库分表方案无非两种，一种是垂直切分，一种是水平切分。

但是总有开发者不知道垂直分割和水平分割是什么样的，为什么垂直分割，为什么水平分割，什么时候应该选择垂直分割，什么时候应该选择水平分割？分割。

有人这么说，垂直切分就是按照业务来切分数据库。同一类型业务的数据表拆分到一个独立的数据库中，其他类型的数据表拆分到其他数据库中。

有些人不明白这一点。事实上，垂直细分也有划分。上面介绍的是数据库的垂直切分，可能很多人都很难理解，但是如果是表的垂直切分的话，那绝对是100%90后的人都能理解的。

我们还有另一个包含许多记录的订单表。比如我们设计了这样一个简单的表格。

字段如下。

以上是我们简化版的订单表。如果我们想垂直分割的话，该怎么处理呢？

直接分成2个表。这时候就一分为二，点击一下分成两个表？

订单1

订单2

这时候我们的主键ID保持一致，这个操作就是垂直拆分和分表操作。

既然讲了垂直分割，那就必然有水平分割。

什么是水平分割？

其实如果横拆的话，真的只是一句话。

根据数据拆分

水平分库：将一张表的数据（按照数据行）划分到多个不同的数据库中。每个数据库的表结构都是一样的。每个数据库只有这个表中的部分数据，当单表数据量过大时，如果继续使用水平分片，数据库实例数量会不断增加，不利于系统运行和维护。这时候就必须使用水平分片。

水平分表：将一张表的数据（按照数据行）分配到同一个数据库的多个表中，每个表只有一部分数据。

我们来看看如果Order表水平分割的话会是什么样子。

订单1

订单2

其实表格数据是横向分成两部分的，所以看起来很容易理解。

分库分表带来的问题

事务问题首先，分库分表最大的隐患就是事务的一致性。当我们需要更新的内容同时分布在不同的库中时，不可避免地会出现跨库事务问题。事实证明，在数据库中操作时，可以控制本地事务。数据库划分后，一个请求可能需要访问多个数据库。如何保证交易的一致性，目前还没有简单的解决方案。

无法join表的问题

还有一个问题就是无法查询join表，因为，一些原本在一个数据库中的表分散到了多个数据库中，而这些数据库可能不在数据库中还相同的数据库。有服务器，查询无法关联。因此，对应的业务代码可能会更多。

分页问题

跨数据库并行查询时，如果使用分页，每个数据库返回的结果集将是无序的。只能先取出多个数据库中的数据，然后按照字段排序存入内存。如果查询结果太大，也会消耗大量资源。

有粉丝曾经使用过一次分页，可以直接将在线CPU瞬间提升到峰值。所以，要小心。

分库分表技术

目前比较流行的有两种，一种是MyCat，一种是Sharding-jdbc，两者都可以分片。

MyCat是一个数据库中间件，Sharding-jdbc是一个jdbc框架，以jar包的形式提供服务。

如果让阿凡选的话，阿凡一定会选择最方便快捷的方式，就是以jar包的形式来操作。

Mycat 和 Sharding-jdbc 的实现原理也不同。

Mycat原理中最重要的动词是“拦截”。它拦截用户发送的SQL语句。首先对SQL语句进行一些具体的分析：如库表分析、路由分析、读写等。单独分析，缓存分析等，然后将这条SQL发送到后端真实数据库，对返回结果进行适当的处​​理，最后返回给用户。

Sharding-JDBC的原理是，当接收到一条SQL语句时，会依次执行SQL解析=>查询优化=>SQL路由=>SQL重写=>SQL执行=>结果合并，最后返回执行结果。