前我們講過利用數據庫的讀寫分離提升數據庫的讀寫性能，今天我們再來聊一聊數據庫優化的另外一個重量級武器，分庫分表。
我們先來想想這樣的一個業務場景，我們有一個數據庫，存放著用戶的訂單數據，隨著我們的業務的發展，訂單的數據越來越多，由此會引來一系列的問題。
首先，單庫的數據量會變得越來越大，占據大量的磁盤空間，在進行數據遷移、備份、恢複所需要的時間都會越來越長。
其次，系統的容災性將變差，沒有萬無一失的系統，也沒有萬無一失的機器，更沒有萬無一失的運維工程師與程序員，一旦我們的數據庫遭遇到破壞，將會牽連所有的業務與用戶。
最後，是系統的性能會大大降低，讀寫速度會變慢，即便是我們使用了索引，也會發現讀寫的速度越來越慢，這是爲什麽呢？有兩個主要的原因，一是隨著數據量的增多，掃描數也會增多，一旦我們的索引不合理，或者沒有命中索引，將帶來災難性的結果，另外一個重要的原因，是索引會變得越來越大，每次變更索引的變更也會消耗時間，並且可能因爲索引過大，無法直接存放在內存，每次都需要從磁盤中加載索引，造成速度變慢。
從另外一個角度看，單台機器的性能都是有限的，即便我們可以使用多個從庫，但也會造成數據的冗余與浪費。分庫分表，可以幫我們非常好的解決這個問題。分庫分表，顧名思義，就是把數據分散存儲在不同的數據庫與數據表中。我們有兩種常見的分庫分表方法：
垂直切分，垂直切分，既按照不同的功能，將不同業務的數據，存放到不同的數據庫中，我們仍然以電商系統爲例，我們可以將用戶性別、收貨地址、賬號等存放在用戶庫中，將商品的圖片、描述、詳情存放在商品數據庫中，將用戶的訂單數據存放在交易數據庫中，不同的數據庫之間可以互相隔離，互補影響，這樣子，可以做到一方出故障的時候，對其他影響最小。
水平切分，水平切分，即同一個功能按照一定的維度切割，將他們放到不同的表中。我以阿裏巴巴的淘寶天貓數據爲例，不同用戶之間的交易數據，一般都是不互通的，也少有需要跨表查詢場景，于是可以用戶的ID哈希，將其分布在不同的數據庫數據表中，商品的數據，最常見的場景，便是一個店鋪下所有的商品，我們極少需要跨店鋪去查詢商品的數據（搜索頁、推薦頁等的不算，這種場景一般也不是走數據庫查詢），所以通常是以商家ID進行分表的。
通過分庫分表，我們可以讓數據庫每一張表的數據都比較可控，從而提高數據庫的效率。當然，分庫分表也並非十全十美，也會帶來一些問題，例如，在某些業務場景，我們可能需要查詢跨表的數據，將會變得非常麻煩。同時，如果數據庫需要一些連接操作，也會變得箱單麻煩。想要知道如何解決這些問題的麽？歡迎大家關注我，共同學習，共同進步。大家的支持是我繼續唠嗑的動力。同名公衆號（沙茶敏碎碎念）