数据分库

场景问题 

当系统的访问量达到上百万用户时，系统的性能达到了上限，系统已经做了一轮轮优化：

（1）应用集群

（2）程序优化

（3）数据库优化（SQL优化、集群）

（4）数据缓存

（5）网络优化（加大带宽、多个网卡）

（6）操作系统优化 

       但是，系统到了又一个瓶颈，在怎么优化都没有什么效果了。通过性能跟踪，发现是数据库的数据量太大了（几张表都达到了10亿条数据了），而且随着系统的用户访问数据是不停的往上增加。SQL无论怎么优化，数据操作的时间已经达到了一个极限了。

       发现数据库服务器的CPU和IO已经都达到了100％，可见，当前机器的硬件情况已经到达了极限，接下来怎么办呢?有人说，把机器换成一台更加强大的机器，磁盘做磁盘阵列。没错，这些做完后，缓解了性能的瓶颈，但是，随着数据量的增加，性能瓶颈又一次出现了。机器又达到极限了。再换更强大的机器，以此类推。机器真的能无止境的变强下去吗?

       我们看到了应用可以集群，那么数据为什么不能集群呢？了解后才发现，数据的集群不是那么回事，虽然访问的是多台机器了，但数据还是同一份。最终IO的瓶颈还是会出现。

       能不能仿照应用集群那样，有一个HTTP服务器和多个应用服务器。数据也有一个总控制器和多个数据服务器？那就需要将数据进行切分成一块块的，分布在不同的机器上。这样我们可以无限制的进行数据切分，无限制的增加数据服务器。

      这个时候我们又遇到新的问题：怎么切分才是合理的？怎么才能找到对应的数据块呢？下面我们介绍怎么通过数据分库来解决以上的问题。

数据分库：基于性能考虑，将数据存放到不同的数据库服务器中，一般可以按两个纬度来拆分数据:

垂直拆分：是指按功能模块拆分，比如CRM可以将客户信息、订单信息、产品信息存放在不同的数据库中，这种方式多个数据库之间的表结构不同。

水平拆分：而水平拆分是将同一个表的数据进行分块保存到不同的数据库中，比如：可以将客户信息按照不同市分别存放在不同的数据库中，这些数据库中的表结构完全相同。