1、为什么对数据库做优化

对数据库架构进行优化是为了提高数据库系统的性能、可扩展性、稳定性和可维护性。MySQL官方说：单表2000万数据，性能就达到瓶颈了，为了保证查询效率需要让每张表的大小得到控制。
再来说，为什么要提高查询效率呢？

除了普通的用户查询操作，增、删、改操作都包含查询操作，所以说，在一个应用中，查询操作是占比最高的，提高了查询效率，整体性能都会有所提升。

下面介绍几种常见方案

2、双主架构

它旨在提高数据库的可用性和负载均衡。在双主架构中，有两个主数据库实例（也称为主节点），每个主数据库都可以处理读写操作，而不仅仅是一个主数据库处理写操作，另一个主数据库处理读操作。

双主架构的工作方式如下：

数据同步：两个主数据库之间需要建立数据同步机制，以保持数据的一致性。通常使用主从复制或双向复制来实现数据同步。这意味着任何一个主数据库上的写操作都会同步到另一个主数据库，从而保持数据的同步。
读写操作：由于双主架构允许两个主数据库都处理读写操作，因此应用程序可以同时向这两个主数据库发送写操作和读操作。这可以减轻单个主数据库的负载。
故障切换：如果其中一个主数据库发生故障，应用程序可以切换到另一个正常运行的主数据库，以保持系统的可用性。故障切换时，应该确保切换后的主数据库是最新的，并且可以快速地切换到备用主数据库。

双主架构的优势包括：

高可用性：双主架构可以提供较高的可用性，因为即使一个主数据库发生故障，另一个主数据库仍然可以继续处理读写操作。
负载均衡：两个主数据库可以分摊读写负载，从而提高数据库的性能和响应性能。
容错性：如果一个主数据库出现问题，可以快速切换到另一个主数据库，从而减少系统的停机时间。

但是一般不用这种架构，原因是：

这种架构只是做了负载均衡，当写操作频繁时，会导致两个主数据库之间的数据同步压力增大。还有就是，现实中，一天可能就会产生1000w条数据，两个主数据库的单表会很大，影响读和写的性能。

3、主从复制

主从复制是一种常见的数据库复制技术，用于在多个MySQL数据库之间实现数据同步。在主从复制中，有一个主数据库（主节点）负责处理写操作，而一个或多个从数据库（从节点）将主数据库的数据复制到自身，用于处理读操作。

主从复制和双主架构都实现了负载均衡，但主从复制将读操作和写操作进行了分离，主数据库只承担写操作，从数据库只承担读操作，从而减轻主库的负载。对于频繁的写操作场景，将读操作分散到从库可以提高主库的性能，从而更好地处理写入请求。

主从复制的工作方式如下：

主库（主节点）：主库负责处理所有的写操作，如插入、更新和删除操作。主库上的写操作会被记录在二进制日志（binary log）中，这是一个记录数据库变更的日志文件。
从库（从节点）：从库通过读取主库的二进制日志，将主库的写操作逐一复制到自身。从库会保持与主库的数据一致性。从库可以用于处理查询操作，从而分担主库的负载。

主从复制的优势包括：

高可用性：主从复制提供了一种冗余备份，如果主库发生故障，可以切换到从库以保持系统的可用性。
负载均衡：从库可以用于处理读操作，从而减轻主库的负载，提高数据库的性能和响应性。
数据备份：从库可以用于数据备份和恢复，因为它保留了与主库相同的数据。

主从复制的缺点

不满足强一致性
在MySQL中，主节点入库的时候可以选择采用某种方式来判定入库成功
1. 主节点入库以后，不管从节点是否同步成功，直接返回sql执行成功。 这种方式的特点就是快，但是不满足强一致性：由于延迟和复制过程中的一些异常情况，从库和主库之间可能会出现数据不一致的问题。在复制链路上发生故障或者复制操作出现错误时，可能会导致从库数据与主库不一致。 在存储一些不太敏感的数据（操作记录，日志）时，可以采用。
2. 主节点入库以后，等所有的从节点都同步完成以后，才返回sql执行成功，当有一个从节点落库失败，返回执行失败。 这种方式可以满足强一致性，会比较慢。对于存储敏感数据（跟钱有关），采用这种方式。
同步延迟问题
我刚提交了订单就去查询订单列表，这时主库刚入库，从库还没去主库同步。有可能看不到我新下的订单。还有可能是，我去申请退款并且已经显示了退款成功，我去查订单列表，由于从库还没有同步主库的数据，还会显示购买成功。
可以采用分布式全局锁，等查询从库的时候，如果退款状态是false（未退款），再去redis中查看分布式全局锁是否存在，如果存在就说明主库已经完成退款操作，只是从库还没同步过来，可以通知用户后台正在处理，请稍后再试。如果redis中不存在这个锁，就说明该订单的确未退款。

上述的主从复制对读、写操作进行了分离，将读操作平摊给了注册的从数据库，分担了主数据库的查询压力。但是没有解决表大小的问题，当单表的数据达到2000w后，主数据库的写操作（包含查询）达到瓶颈，从数据库的读操作也达到了瓶颈。针对表大下，于是有了下面的架构

就是将原本要装几千万数据的单表，进行拆分，如下图：
在这里插入图片描述
就是在执行入库或查询之前，可以通过数据的id%主库的数量，将操作均分到每个主从复制单位上。

当数据量过亿时，此时要是延续上面的方案，至少需要10个数据库，当数据量再多，过10亿时，至少需要100个数据库,这是不现实的。那么好（哈哈哈哈）下面就来介绍一下，当数据量破亿后，该如何优化。

4、冷热分离

表数据量增长速度快或数据量较大时，我们就该考虑是否使用冷热分离解决方案了

冷数据

这是不经常被访问的数据（好比打入冷宫），通常是历史数据或者很少被查询的数据。冷数据不需要频繁的访问速度，因此可以存储在较慢但成本更低的存储介质中，如磁盘存储或者分布式文件系统。冷数据可以通过归档、压缩等手段来节省存储空间。
好比你要查询美团外卖的订单，你应该很少或者从不去查询1年以前或者更久远的订单吧。这种冷数据如果和其他表没有关联的话可以直接扔es，es在数据量1TB的情况下，单次查询可达到秒级。