不管是io瓶頸，還是cpu瓶頸，最終都會導致資料庫的活躍連線數增加，進而逼近甚至達到資料庫可承載活躍連線數的閾值。在業務service來看就是，可用資料庫連線少甚至無連線可用。接下來就可以想象了吧（併發量、吞吐量、崩潰）。
1、io瓶頸
第一種：磁碟讀io瓶頸，熱點資料太多，資料庫快取放不下，每次查詢時會產生大量的io，降低查詢速度 -> 分庫和垂直分表。
第二種：網路io瓶頸，請求的資料太多，網路頻寬不夠 -> 分庫。
2、cpu瓶頸
第一種：sql問題，如sql中包含join，group by，order by，非索引字段條件查詢等，增加cpu運算的操作 -> sql優化，建立合適的索引，在業務service層進行業務計算。
第二種：單錶資料量太大，查詢時掃瞄的行太多，sql效率低，cpu率先出現瓶頸 -> 水平分表。
1、水平分庫
1.概念：以字段為依據，按照一定策略（hash、range等），將乙個庫中的資料拆分到多個庫中。2.結果：
每個庫的結構都一樣;
每個庫的資料都不一樣，沒有交集;
所有庫的並集是全量資料;
3.場景：系統絕對併發量上來了，分表難以根本上解決問題，並且還沒有明顯的業務歸屬來垂直分庫。4.分析：庫多了，io和cpu的壓力自然可以成倍緩解。
2、水平分表
1.概念：以字段為依據，按照一定策略（hash、range等），將乙個表中的資料拆分到多個表中。2.結果：
每個表的結構都一樣
每個表的資料都不一樣，沒有交集;
所有表的並集是全量資料;
3.場景：系統絕對併發量並沒有上來，只是單錶的資料量太多，影響了sql效率，加重了cpu負擔，以至於成為瓶頸。4.分析：表的資料量少了，單次sql執行效率高，自然減輕了cpu的負擔。
3、垂直分庫
1.概念：以表為依據，按照業務歸屬不同，將不同的表拆分到不同的庫中。2.結果：
每個庫的結構都不一樣；
每個庫的資料也不一樣，沒有交集；
所有庫的並集是全量資料；
3.場景：系統絕對併發量上來了，並且可以抽象出單獨的業務模組。4.分析：到這一步，基本上就可以服務化了。例如，隨著業務的發展一些公用的配置表、字典表等越來越多，這時可以將這些表拆到單獨的庫中，甚至可以服務化。再有，隨著業務的發展孵化出了一套業務模式，這時可以將相關的表拆到單獨的庫中，甚至可以服務化。
4、垂直分表
1.概念：以字段為依據，按照欄位的活躍性，將表中字段拆到不同的表（主表和擴充套件表）中。2.結果：
每個表的結構都不一樣；
每個表的資料也不一樣，一般來說，每個表的字段至少有一列交集，一般是主鍵，用於關聯資料；
所有表的並集是全量資料；
3.場景：系統絕對併發量並沒有上來，表的記錄並不多，但是欄位多，並且熱點資料和非熱點資料在一起，單行資料所需的儲存空間較大。以至於資料庫快取的資料行減少，查詢時會去讀磁碟資料產生大量的隨機讀io，產生io瓶頸。
4.分析：可以用列表頁和詳情頁來幫助理解。垂直分表的拆分原則是將熱點資料（可能會冗餘經常一起查詢的資料）放在一起作為主表，非熱點資料放在一起作為擴充套件表。這樣更多的熱點資料就能被快取下來，進而減少了隨機讀io。拆了之後，要想獲得全部資料就需要關聯兩個表來取資料。但記住，千萬別用join，因為join不僅會增加cpu負擔並且會講兩個表耦合在一起（必須在乙個資料庫例項上）。關聯資料，應該在業務service層做文章，分別獲取主表和擴充套件表資料然後用關聯字段關聯得到全部資料。
sharding-sphere：jar，前身是sharding-jdbc；
tddl：jar，taobao distribute data layer；
mycat：中介軟體。
注：工具的利弊，請自行調研，官網和社群優先。
根據容量（當前容量和增長量）評估分庫或分表個數 -> 選key（均勻）-> 分表規則（hash或range等）-> 執行（一般雙寫）-> 擴容問題（儘量減少資料的移動）。
1、非partition key的查詢問題（水平分庫分表，拆分策略為常用的hash法）
端上除了partition key只有乙個非partition key作為條件查詢
對映法基因法
注：寫入時，基因法生成userid，如圖。關於xbit基因，例如要分8張表，23=8，故x取3，即3bit基因。根據userid查詢時可直接取模路由到對應的分庫或分表。根據username查詢時，先通過usernamecode生成函式生成username_code再對其取模路由到對應的分庫或分表。id生成常用snowflake演算法。
端上除了partition key不止乙個非partition key作為條件查詢
對映法冗餘法
注：按照orderid或buyerid查詢時路由到dbobuyer庫中，按照sellerid查詢時路由到dbo_seller庫中。感覺有點本末倒置！有其他好的辦法嗎？改變技術棧呢？
後台除了partition key還有各種非partition key組合條件查詢
nosql法
冗餘法2、非partition key跨庫跨表分頁查詢問題（水平分庫分表，拆分策略為常用的hash法）
注：用nosql法解決（es等）。
3、擴容問題（水平分庫分表，拆分策略為常用的hash法）
1.水平擴容庫（公升級從庫法）
注：擴容是成倍的。
2.水平擴容表（雙寫遷移法）
第一步：（同步雙寫）應用配置雙寫，部署；第二步：（同步雙寫）將老庫中的老資料複製到新庫中；第三步：（同步雙寫）以老庫為準校對新庫中的老資料；第四步：（同步雙寫）應用去掉雙寫，部署；
注：雙寫是通用方案。
分庫分表，首先得知道瓶頸在**，然後才能合理地拆分（分庫還是分表？水平還是垂直？分幾個？）。且不可為了分庫分表而拆分。
選key很重要，既要考慮到拆分均勻，也要考慮到非partition key的查詢。
只要能滿足需求，拆分規則越簡單越好。
Mysql分庫分表方案
1.為什麼要分表 當一張表的資料達到幾千萬時，你查詢一次所花的時間會變多，如果有聯合查詢的話，我想有可能會死在那兒了。分表的目的就在於此，減小資料庫的負擔，縮短查詢時間。mysql中有一種機制是表鎖定和行鎖定，是為了保證資料的完整性。表鎖定表示你們都不能對這張表進行操作，必須等我對錶操作完才行。行鎖...
mysql分庫分表方案
分庫分表的幾種方式 1 把乙個例項中的多個資料庫拆分到不同的例項 2 把乙個庫中的表分離到不同的資料庫中 3 對乙個庫中的相關表進行水平拆分到不同的例項資料庫中 如何選擇分割槽鍵 1 分割槽鍵要能盡量避免跨分片查詢的發生 2 分割槽鍵要能盡量使各個分片中的資料平均 如何儲存無需分片的表 1 每個分片...
MySQL分庫分表方案
什麼是最好的mysql分庫分表方案？我想到的有 應用層切分？mysql 層切分？提供查詢資料庫分片的中心服務？你們知道任何這方面有趣的專案或者工具嗎？當你寫乙個應用時，你通常都想要最快的開發速度。只有必要時，你才開始優化延時，提高吞吐量，你切分資料庫的原因無非因為資料庫的讀或者寫 只有這時，你才需要...