1. 什么是分库分表？

分库分表是一种数据库扩展技术，通过将数据拆分到多个数据库（分库）或多个表（分表）中来解决单一数据库或表带来的性能瓶颈。分库分表可以有效提升系统的可扩展性、性能和高并发处理能力，避免单一数据库或表的负载过重。

1.1 什么是分库？

分库指的是将数据分散到多个数据库实例中，以减轻单一数据库的负载。分库可以有两种方式：垂直分库和水平分库。

• 垂直分库：

  • 垂直分库是指根据业务模块的不同，将不同模块的数据存储到不同的数据库中。例如，将用户数据存储在 user_db 中，将订单数据存储在 order_db 中，将商品数据存储在 product_db 中。每个数据库只负责一部分业务数据。
  • 适用场景： 适用于系统中各个模块的数据量差异很大，或者需要对不同模块进行独立管理的场景。

• 水平分库：

  • 水平分库是指将同一业务的不同数据根据某些规则（如时间、地域等）拆分到多个数据库中。例如，按照地区划分，将美国的用户数据存储在 db_us 中，将欧洲的用户数据存储在 db_eu 中，或者按照时间将数据按年、月划分到不同的数据库中。
  • 适用场景： 适用于数据量巨大，且需要根据某些标准进行数据拆分的场景。

1.2 什么是分表？

分表是指将同一张表中的数据拆分到多个表中，以避免单个表过大而导致性能问题。分表也有两种方式：垂直分表和水平分表。

• 垂直分表：

  • 垂直分表是指将一张表中的不同列分拆到多个表中。通常是将表中的列根据功能或访问频率进行划分。例如，将一个包含用户详细信息的表，按照访问频率将常用字段（如用户名、密码等）拆分成 user_basic 表，而将不常用的字段（如用户画像、日志等）拆分成 user_extra 表。
  • 适用场景： 适用于表中包含大量列，但并非所有列都会频繁访问的场景。

• 水平分表：

  • 水平分表是指将表中的数据按照某些规则（如ID范围、时间等）拆分到多个表中。例如，用户表的数据根据用户ID范围分拆成多个表，如 user_1, user_2, user_3 等，或者按时间拆分成 user_2023, user_2024 等。
  • 适用场景： 适用于数据量过大，导致单表查询性能低下的情况。

2. 分库分表场景

2.1 什么场景分表？

分表适用于以下场景：

• 单表数据量过大： 当某个表的记录数达到千万级，查询时可能会非常缓慢，尤其是涉及全表扫描的操作，分表可以有效提高查询效率。
• 高并发读写： 单表无法承载高并发的查询和写入请求时，可以通过水平分表将压力分散到多个表上。
• 单表的数据结构复杂，且访问频繁的列较少： 在这种情况下，垂直分表可以将高频访问的列提取到单独的表中，提高性能。

2.2 什么场景分库？

分库适用于以下场景：

• 数据库连接数不足： 单个数据库的连接数上限（如 MySQL 默认为 4000 个连接）无法满足高并发的请求时，可以通过分库将连接请求分散到多个数据库实例上。
• 数据库资源瓶颈： 当单个数据库的 CPU、内存、磁盘等资源无法满足需求时，分库可以将数据分布到多个数据库实例上，从而避免单点故障和资源瓶颈。
• 高并发读写： 当需要处理大量并发请求时，单个数据库无法支撑，需要通过分库将请求分散到多个数据库节点上。

2.3 什么场景分库分表？

分库分表适用于以下场景：

• 数据量巨大且访问量大： 当数据量达到数千万甚至更大，且访问量高时，单库单表无法满足存储、查询和写入需求。此时，分库分表能有效地提高查询性能和扩展系统能力。
• 高并发写入和查询： 在高并发的业务场景中，单库单表的性能瓶颈可能导致系统无法处理所有请求。分库分表能够将数据分布在不同的物理节点上，提高系统的并发处理能力。
• 资源瓶颈和高可用性需求： 当数据库实例的资源有限，且为了保证高可用性，必须将数据分散到多个数据库和表中，避免单点故障和资源耗尽。

3. 什么是 ShardingSphere？

ShardingSphere 是一个开源的分布式数据库中间件，提供数据库分片、分库分表、数据路由、分布式事务、数据脱敏等功能。它可以在不修改应用代码的情况下，为应用提供透明的分库分表支持，简化了分布式数据库的管理和维护。

ShardingSphere 的主要特点包括：

• 数据分片： 支持灵活的分库分表策略，可以根据用户需求定制分片规则。
• 分布式事务： 提供跨库跨表的分布式事务管理，确保数据一致性。
• 读写分离： 提供读写分离功能，将读请求路由到从库，提高系统性能。
• 弹性扩展： 支持动态添加新的数据源，帮助系统应对数据增长带来的压力。

4. 数据分片核心概念

4.1 表

• 逻辑表： 应用层面上的虚拟表，实际数据存储在多个物理表中。
• 真实表： 存储在数据库中的实际表，数据按分片规则分布在不同的物理表中。
• 绑定表： 多个表之间具有外键关系或逻辑关联，需要绑定在一起进行分片操作。
• 广播表： 一些小型表（如配置表、字典表等）将数据广播到所有数据库节点中，不进行分片。
• 单表： 不需要分片的表，数据存储在单个表中。

4.2 数据节点

• 均匀分布： 数据均匀地分布到多个数据节点中。
• 自定义分布： 开发者可以定义特定的分布规则，决定数据如何在不同的数据节点上分布。

4.3 分片

• 分片键： 决定数据如何分配到不同分片的字段，通常选择具有唯一性、分布均匀的数据字段作为分片键。
• 分片算法： 根据分片键和预定义的算法将数据分配到不同的分片上，常见的算法有哈希分片、范围分片等。
• 自动化分片算法： 系统自动根据配置的分片规则选择合适的分片算法。
• 自定义分片算法： 开发者可以定义自己的分片算法，以满足特定的业务需求。
• 分片策略： 定义了数据如何进行分片，包括按ID、时间、范围等不同策略进行数据划分。
• 强制分片路由： 强制要求某些操作使用特定的分片策略进行路由，通常用于特定业务需求。

4.4 行表达式

行表达式是指描述分片规则的表达式，帮助系统决定某一行数据应该放入哪个分片。

4.5 分布式主键

分布式主键确保在多个数据库和表中生成全局唯一的主键，避免出现主键冲突，通常通过全局唯一ID生成策略来实现。