克拉玛依市网站建设_网站建设公司_Spring_seo优化

一、常见的分库分表策略包括：

1）水平分表（Row-based Sharding）

将同一张表的数据按行拆分到多张结构相同的表中，常见按某个分片键（如user_id）取模或区间划分。

示例：
user_0、user_1、user_2……

适合：单表数据量过大

2）垂直分表（Column-based Split）

将一张表的不同字段拆分到多张表中，每张表存储部分字段，通常按照访问频率或字段体量拆分。

示例：

• user_base（id、name、phone）

• user_profile（avatar、intro、address）

适合：字段多、宽表、冷热数据明显

3）水平分库（Database Sharding）

将相同表结构的数据分散到多个数据库实例中，每个库都包含完整表结构，用于分摊读写压力。

示例：
db_user_0、db_user_1

适合：并发高、单库 QPS 扛不住

4）垂直分库（Business-based Split）

按照业务模块或功能维度将数据拆分到不同数据库中，不同库之间的表结构通常不同。

示例：

• 用户库

• 订单库

• 支付库

适合：业务复杂、模块解耦

二、四种分库分表对比速记表（面试杀器）

📌一句口诀：

行多用水平，列多用垂直；
库扛不住再分库，业务复杂先垂直。

三、第一步：垂直分表（最温和、最先做）

1️⃣ 场景判断

用户表字段 40+，而 80% 查询只用到基础信息。

📌这是典型“宽表”问题

2️⃣ 表结构拆分

user_base-id-username-phone-status-create_time user_profile-user_id-avatar-address-intro-birthday

设计要点

• user_base高频访问

• user_profile低频访问

• 一对一，用user_id关联

🧠收益

• 索引更小

• 查询更快

• 热数据更集中

3️⃣ Java 层怎么查？

UserBasebase=userBaseMapper.selectById(id);UserProfileprofile=userProfileMapper.selectByUserId(id);

四、第二步：水平分表（真正的性能拐点）

1️⃣ 场景判断

order 表数据量：

1 天：200 万 1 年：7 亿+

🚨 单表必炸

2️⃣ 分表策略

分片键选择

👉 user_id

原因：

查询订单基本按用户查 避免跨表扫描

表设计

order_00 order_01...order_15

user_id%16

3️⃣ ShardingSphere 配置示例

spring:shardingsphere:datasource:names:ds0ds0:type:com.zaxxer.hikari.HikariDataSourcejdbc-url:jdbc:mysql://localhost:3306/order_dbusername:rootpassword:rootrules:sharding:tables:t_order:actual-data-nodes:ds0.t_order_${0..15}table-strategy:standard:sharding-column:user_idsharding-algorithm-name:order-inlinesharding-algorithms:order-inline:type:INLINEprops:algorithm-expression:t_order_${user_id % 16}

📌代码层完全无感知
Mapper 还是t_order

4️⃣ 插入 & 查询

orderMapper.insert(order);// 自动路由orderMapper.selectByUserId(userId);// 精准命中

四、第三步：垂直分库（系统级演进）

1️⃣ 场景判断

• 用户模块

• 订单模块

• 支付模块

强耦合在一个库，影响稳定性

2️⃣ 分库方案

user_db order_db pay_db

🎯一个服务一个库

3️⃣ 服务拆分

• user-service → user_db

• order-service → order_db

• pay-service → pay_db

📌好处

• 故障隔离

• 独立扩容

• 更适合微服务

五、第四步：水平分库 + 分表（高并发终极形态）

订单库升级

order_db_0 order_db_1

每一个库：

t_order_0 ~ t_order_15

路由规则

user_id % 2 → 库 user_id % 16 → 表

六、分库分表带来的“坑”（面试必问）

1️⃣ 跨库 Join 怎么办？

❌ 不支持

✅ 解决方案：

• 业务聚合

• 冗余字段

• ES / Redis 辅助查询

2️⃣ 分布式事务？

❌ 强一致难

✅ 常用方案：

• 本地事务 + 消息最终一致

• Seata（慎用）

3️⃣ 主键 ID 怎么生成？

❌ 自增 ID 不行

✅ 方案：

• 雪花算法

• 号段模式

• Redis 原子递增