在Java面试中，分库分表是解决数据库性能瓶颈和扩展性问题的常见方案。分库策略主要关注如何将数据水平拆分到多个数据库实例中，以下是详细的分库策略解析：
一、分库策略的核心目标
- 负载均衡：分散数据存储和查询压力，避免单库成为性能瓶颈。
- 扩展性：支持业务增长，通过增加数据库实例线性提升系统容量。
- 业务适配：根据查询模式和数据特性选择最优拆分方式，减少跨库操作。
二、常见的分库策略
1. 哈希分库（Hash Sharding）
- 原理：根据分库键（如用户ID）计算哈希值，按数据库实例数取模，确定数据归属。
int dbIndex = Math.abs(userId.hashCode()) % dbCount; - 适用场景：
- 数据分布均匀，无明确范围查询需求（如用户表、订单表）。
- 需要避免热点问题（如电商系统中用户订单分散存储）。
- 优点：
- 数据分布均匀，各库负载相对均衡。
- 直接路由，查询效率高。
- 缺点：
- 扩容复杂：新增库时需重新哈希，数据迁移成本高。
- 跨库查询困难：如按非分库键字段查询需扫描所有库。
</
)
)
