在大中型專案中，在資料庫設計的時候，考慮到資料庫最大承受資料量，通常會把資料庫或者資料表水平切分，以降低單個庫，單個表的壓力。我這裡介紹兩個我們專案中常用的資料表切分方法。當然這些方法都是在程式中使用一定的技巧來路由到具體的表的。首先我們要確認根據什麼來水平切分？在我們的系統(sns)中，使用者的uid貫穿系統，唯一自增長，根據這個字段分表，再好不過。
方法一：使用md5雜湊
做法是對uid進行md5加密，然後取前幾位(我們這裡取前兩位)，然後就可以將不同的uid雜湊到不同的使用者表(user_xx)中了。
通過這個技巧，我們可以將不同的uid分散到256中使用者表中，分別是user_00,user_01 …… user_ff。因為uid是數字且遞增，根據md5的演算法，可以將使用者資料幾乎很均勻的分別到不同的user表中。
但是這裡有個問題是，如果我們的系統的使用者越來越多，勢必單張表的資料量越來越大，而且根據這種演算法無法擴充套件表，這又會回到文章開頭出現的問題了。
方法二：使用移位
具體方法是：
這裡，我們將uid向右移動20位，這樣我們就可以把大約前100萬的使用者資料放在第乙個表user_0000,第二個100萬的使用者資料放在第二個表user_0001中，這樣一直下去，如果我們的使用者越來越多，直接新增使用者表就行了。由於我們保留的表字尾是四位，這裡我們可以新增1萬張使用者表，即user_0000,user_0001 …… user_9999。一萬張表，每張表100萬資料，我們可以存100億條使用者記錄。當然，如果你的使用者資料比這還多，也不要緊，你只要改變保留表字尾來增加可以擴充套件的表就行了，如如果有1000億條資料，每個表存100萬，那麼你需要10萬張表，我們只要保留表字尾為6位即可。
上面的演算法還可以寫的靈活點：
總結：上面兩種方法，都要對我們當前系統的使用者資料量做出可能最大的預估，並且對資料庫單個表的最大承受量做出預估。
比如第二種方案，如果我們預估我們系統的使用者是100億，單張表的最優資料量是100萬，那麼我們就需要將uid移動20來確保每個表是100萬的資料，保留使用者表(user_***x)四位來擴充套件1萬張表。
又如第一種方案，每張表100萬，md5後取前兩位，就只能有256張表了，系統總資料庫就是：256*100萬；如果你系統的總資料量的比這還多，那你實現肯定要md5取前三位或者四位甚至更多位了。
兩種方法都是將資料水平切分到不同的表中，相對第一種方法，第二種方法更具擴充套件性。。。
資料庫 流量切分 資料庫水平切分方法
在大中型專案中，在資料庫設計的時候，考慮到資料庫最大承受資料量，通常會把資料庫或者資料表水平切分，以降低單個庫，單個表的壓力。我這裡介紹兩個我們專案中常用的資料表切分方法。當然這些方法都是在程式中使用一定的技巧來路由到具體的表的。首先我們要確認根據什麼來水平切分？在我們的系統 sns 中，使用者的u...
資料庫切分之水平切分
資料庫切分之水平切分 水平切分的目的是為了控制單錶記錄數，從而保證同一型別的資料雜湊到不同的表或者不同的庫中。資料庫水平切分就是對某個表按照路由規則儲存在多個表中，如表t會拆分成t1,t2,t3這些表也有可能儲存在不同的庫中，也有可能儲存在同乙個庫中，如t表分別存在server1.t,server2...
資料庫水平切分法
在大中型專案中，在資料庫設計的時候，考慮到資料庫最大承受資料量，通常會把資料庫或者資料表水平切分，以降低單個庫，單個表的壓力。我這裡介紹兩個我們專案中常用的資料表切分方法。當然這些方法都是在程式中 使用一定的技巧來路由到具體的表的。首先我們要確認根據什麼來水平切分？在我們的系統 sns 中，使用者的...