分库分表学习

分久必合合久必分

1. 垂直分表 (Vertical Partitioning)

定义：

• 垂直分表 是将一个表中的列分成多个子表，每个子表包含不同的列。每个表中的记录（行）会保持一致，但每个表存储的列不同，通常是根据功能模块或使用频率来进行划分。

应用场景：

• 当某些列的数据访问频繁，而某些列的数据不常用，或者某些列需要特别的处理时，可以采用垂直分表。

示例：
假设有一个用户表：

在垂直分表中，可能会根据访问模式将其分为以下两张表：

• 用户基本信息表：

• 用户联系信息表：

这样，频繁访问用户基本信息的操作不需要扫描较大的数据集，避免了冗余数据的存储。

2. 垂直分库 (Vertical Sharding or Vertical Database Partitioning)

定义：

• 垂直分库 是指将数据库中的不同模块（表或功能区域）分配到不同的数据库中。每个数据库可能包含不同的业务模块，每个模块的数据存储独立，通常是根据模块的功能划分。

应用场景：

• 当数据库内不同模块之间的业务访问不相同，且某些模块需要单独进行优化时，可以使用垂直分库。

示例：
假设有一个电商系统，数据库包含 用户信息 和 订单信息 两个功能模块。你可以将这两个模块的数据存储在不同的数据库中：

• 用户数据库：存储用户信息，如用户名、邮箱等。
• 订单数据库：存储订单信息、订单详情等。

这样，用户模块和订单模块的数据分开存储，可以针对性地优化不同模块的查询性能，并减少数据库负载。

3. 水平分库 (Horizontal Sharding or Horizontal Database Partitioning)

定义：

• 水平分库 是将一张大表的记录（行）根据某种规则进行拆分，分布到多个不同的数据库中。每个数据库包含的是相同结构的表，但每个数据库中存储的数据是不同的子集。通常是根据某个字段（如用户ID、时间戳等）进行拆分。

应用场景：

• 当表中的数据量过大时，单一数据库无法承载所有数据，或者数据库的查询性能下降时，水平分库可以帮助将数据分散到多个数据库中，从而提升系统的性能和可伸缩性。

示例：
假设有一个用户表，通过 用户ID 来进行水平分库，将用户表拆分成多个数据库：

• 数据库1：存储ID为1-1000的用户数据
• 数据库2：存储ID为1001-2000的用户数据
• 数据库3：存储ID为2001-3000的用户数据

这样，当查询某个ID范围的用户时，只需查询对应的数据库，减少了查询的时间和数据库的负载。

4. 水平分表 (Horizontal Partitioning or Horizontal Table Sharding)

定义：

• 水平分表 是将一张大表的数据根据某种规则（如时间、ID范围等）拆分成多张表。每个表包含相同结构的记录，但存储的数据不同。通常，水平分表会把数据拆分到多个物理表中，每个表的数据存储一部分，所有表的结构一致。

应用场景：

• 当一张表的数据量过大时，通过水平分表可以将数据分散到不同的表中，提升查询效率，并避免表数据过多导致的性能问题。

示例：
假设有一个电商系统的 订单表，每个订单包含订单ID、用户ID、商品ID等字段。通过 按年份进行分表，可以将订单表分成多个小表：

• 订单表_2021：存储2021年的所有订单数据
• 订单表_2022：存储2022年的所有订单数据
• 订单表_2023：存储2023年的所有订单数据

当查询某一年份的订单时，可以直接查询对应的表，而不需要扫描整个订单表，提升查询效率。

总结：

• 垂直分表：将表的列根据功能或使用频率分开存储，优化查询。
• 垂直分库：将不同业务模块的数据存储到不同的数据库中，优化性能。
• 水平分库：将一张大表的数据按某种规则分布到多个数据库中，提升系统性能和可伸缩性。
• 水平分表：将一张大表的数据按某种规则分布到多个物理表中，优化查询和性能。

这四种分库分表方式在大规模系统中都有广泛应用，能够有效地提升系统的扩展性和性能。