垂直分表

需求：商品表字段太多，每个字段访问频次不⼀样，浪费了IO资源，需要进行优化
也就是“大表拆小表”，基于列字段进行的

拆分方法

1. ⼀般是表中的字段较多，将不常用的或者数据较大，长度较长的拆分到扩展表如text类型字段；
2. 访问频次低、字段大的商品描述信息单独存放在⼀张表中，访问频次较高的商品基本信息单独放在⼀张表中；
3. 把不常用的字段单独放在⼀张表； 把text，blob等大字段拆分出来放在附表中；
4. 业务经常组合查询的列放在⼀张表中

举例

//拆分前
CREATE TABLE `product` (
 `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
 `title` varchar(524) DEFAULT NULL COMMENT '视频标题',
 `cover_img` varchar(524) DEFAULT NULL COMMENT '封⾯图',
 `price` int(11) DEFAULT NULL COMMENT '价格,分',
 `total` int(10) DEFAULT '0' COMMENT '总库存',
 `left_num` int(10) DEFAULT '0' COMMENT '剩余',

 `learn_base` text COMMENT '课前须知，学习基础',
 `learn_result` text COMMENT '达到⽔平',
 `summary` varchar(1026) DEFAULT NULL COMMENT '概述',
 `detail` text COMMENT '视频商品详情',
 PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

//拆分后
CREATE TABLE `product` (
 `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
 `title` varchar(524) DEFAULT NULL COMMENT '视频标题',
 `cover_img` varchar(524) DEFAULT NULL COMMENT '封⾯图',
 `price` int(11) DEFAULT NULL COMMENT '价格,分',
 `total` int(10) DEFAULT '0' COMMENT '总库存',
 `left_num` int(10) DEFAULT '0' COMMENT '剩余',
 PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

CREATE TABLE `product_detail` (
 `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
 `product_id` int(11) DEFAULT NULL COMMENT '产品主键',
 `learn_base` text COMMENT '课前须知，学习基础',
 `learn_result` text COMMENT '达到⽔平',
 `summary` varchar(1026) DEFAULT NULL COMMENT '概述',
 `detail` text COMMENT '视频商品详情',
 PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

垂直分库

需求：C端项目里面，单个数据库的CPU、内存长期处于90%+的利用率，数据库连接经常不够，需要进行优化

1. 垂直分库针对的是⼀个系统中的不同业务进行拆分， 数据库的连接资源比较宝贵且单机处理能力也有限
2. 没拆分之前全部都是落到单⼀的库上的，单库处理能力成为瓶颈，还有磁盘空间，内存，tps等限制
3. 拆分之后，避免不同库竞争同⼀个物理机的CPU、内存、网络IO、磁盘，所以在高并发场景下，垂直分库⼀定程度上能够突破IO、连接数及单机硬件资源的瓶颈
4. 垂直分库可以更好解决业务层面的耦合，业务清晰，且方便管理和维护

⼀般从单体项目升级改造为微服务项目，就是垂直分库

但是，垂直分库分表可以提高并发，但是依然没有解决单表数据量过大的问题

水平分表

需求：当⼀张表的数据达到几千万时，查询⼀次所花的时间长，需要进行优化，缩短查询时间

1. 把⼀个表的数据分到⼀个数据库的多张表中，每个表只有这个表的部分数据
2. 核心是把⼀个大表，分割N个小表，每个表的结构是⼀样的，数据不⼀样，全部表的数据合起来就是全部数据
3. 针对数据量巨⼤的单张表（比如订单表），按照某种规则（RANGE,HASH取模等），切分到多张表里面去
4. 但是这些表还是在同⼀个库中，所以单数据库操作还是有IO瓶颈，主要是解决单表数据量过⼤的问题
5. 减少锁表时间，没分表前，如果是DDL(create/alter/add等)语句，当需要添加⼀列的时候mysql会锁表，期间所有的读写操作只能等待

水平分库

需求：高并发的项目中，水平分表后依旧在单个库上面，1个数据库资源瓶颈 CPU/内存/带宽等限制导致响应慢，需要进行优化

1. 把同个表的数据按照⼀定规则分到不同的数据库中，数据库在不同的服务器上
2. 水平分库是把不同表拆到不同数据库中，它是对数据行的拆分，不影响表结构
3. 每个库的结构都⼀样,但每个库的数据都不⼀样，没有交集，所有库的并集就是全量数据
4. 水平分库的粒度，比水平分表更大

小结

垂直角度（表结构不一样）

垂直分表: 将⼀个表字段拆分多个表，每个表存储部分字段
好处： 1. 避免IO时锁表的次数，分离热点字段和⾮热点字段，避免⼤字段IO导致性能下降
原则： 1. 业务经常组合查询的字段⼀个表；不常⽤字段⼀个表；text、blob类型字段作为附属表

垂直分库：根据业务将表分类，放到不同的数据库服务器上
好处： 1. 避免表之间竞争同个物理机的资源，比如CPU/内存/硬盘/网络IO
原则： 1. 根据业务相关性进行划分，领域模型，微服务划分⼀般就是垂直分库

水平角度（表结构一样）

水平分库：把同个表的数据按照⼀定规则分到不同的数据库中，数据库在不同的服务器上
好处： 1. 多个数据库，降低了系统的IO和CPU压力

原则： 1. 选择合适的分片键和分片策略，和业务场景配合
2. 避免数据热点和访问不均衡、避免⼆次扩容难度大

水平分表：同个数据库内，把⼀个表的数据按照⼀定规则拆分到多个表中，对数据进⾏拆分，不影响表结构

单个表的数据量少了，业务SQL执行效率⾼，降低了系统的IO和CPU压力
原则：1. 选择合适的分片键和分片策略，和业务场景配合
2. 避免数据热点和访问不均衡、避免⼆次扩容难度大