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。
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。
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。
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：
2.1、每個表的結構都不一樣；
2.2、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；
2.3、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。
資料庫之分庫分表 垂直？水平？
原文 資料庫之分庫分表 垂直？水平？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 第一種 磁碟讀io瓶頸，熱點資料太多，資料庫...
什麼是垂直分庫分表，水平分庫分表
垂直分片 按照業務拆分的方式稱為垂直分片，又稱為縱向拆分，它的核心理念是專庫專用。在拆分之前，乙個資料庫由多個資料表構成，每個表對應著不同的業務。而拆分之後，則是按照業務將表進行歸類，分布到不同的資料庫中，從而將壓力分散至不同的資料庫。下圖展示了根據業務需要，將使用者表和訂單表垂直分片到不同的資料庫...
資料庫水平分庫，垂直分庫的新理解
水平分庫 當資料量巨大時，將資料放到不同的表中，比如表1，表2，表3，垂直分庫 當一張表的字段太多，可拆分出一張或多張分表，根據主鍵唯一標示 新理解 垂直分庫 當一張表中字段不多，當某些字段長度過長，表占用空間很大，檢索表的時候需要執行大量的io 資料庫檢索的本質是對硬碟中的檔案進行io訪問 此時可...