表分区
分区：数据库分区是一种物理数据库设计技术，主要目的是为了在特定的SQL操作中减少数据读写的总量以缩减响应时间；
当表中的数据量不断增大，查询数据的速度就会变慢，应用程序的性能就会下降，这时就应该考虑对表进行分区。表进行分区后，逻辑上表仍然是一张完整的表，只是将表中的数据在物理上存放到多个表空间(物理文件上)，这些区块可以在同一个磁盘上，也可以在不同的磁盘上，这样查询数据时，不至于每次都扫描整张表
表分区有以下优点：
1、改善查询性能：对分区对象的查询可以仅搜索自己关心的分区，提高检索速度。
2、增强可用性：如果表的某个分区出现故障，表在其他分区的数据仍然可用；
3、维护方便：如果表的某个分区出现故障，需要修复数据，只修复该分区即可；
4、均衡I/O：可以把不同的分区映射到磁盘以平衡I/O，改善整个系统性能；
5、已经存在的表没有方法可以直接转化为分区表；
表分区类型
- RANGE分区
- LIST分区
- HASH分区
- KEY分区
- 复合分区
分库
对数据库进行拆分从而提高数据库写入能力，即分库
数据库分库分为垂直分库和水平分库
垂直分库
按照业务模块来划分出不同的数据库，而不是像早期一样将所有的数据表都放到同一个数据库中；
垂直切分的依据原则是：将业务紧密，表间关联密切的表划分在一起，例如同一模块的表水平分库
将同一个库按照数据的某一维度拆分为多个库
分表
对于访问极为频繁且数据量巨大的单表来说，首先需要减少单表的记录条数，以便减少数据查询所需要的时间，提高数据库的吞吐，这就是分表；
使用场景：单表数据量非常庞大且访问频繁
分表包含垂直分表
垂直分表
垂直分表在日常开发和设计中比较常见，通俗的说法叫做“大表拆小表”，拆分是基于关系型数据库中的“列”（字段）进行的。通常情况，某个表中的字段比较多，可以新建立一张“扩展表”，将不经常使用或者长度较大的字段拆分出去放到“扩展表”中水平分表
水平分表也称为横向分表，比较容易理解，就是将表中不同的数据行按照一定规律分布到不同的数据库表中（这些表保存在同一个数据库中），这样来降低单表数据量，优化查询性能。最常见的方式就是通过主键或者时间等字段进行Hash和取模后拆分
分库&分区&分表
分区：主要目的是为了在特定的SQL操作中减少数据读写的总量以缩减响应时间；
分库：降低了单点机器的负载(主要解决写入问题和物理IO性能瓶颈)；
分表：提高了数据操作的效率(解决单表查询性能)
分库分表的难点
跨库join的问题
在拆分之前，系统中很多列表和详情页所需的数据是可以通过sql join来完成的。而拆分后，数据库可能是分布式在不同实例和不同的主机上，join将变得非常麻烦。而且基于架构规范，性能，安全性等方面考虑，一般是禁止跨库join的
- 字段冗余
这是一种典型的反范式设计，在互联网行业中比较常见，通常是为了性能来避免join查询；
举个电商业务中很简单的场景：
“订单表”中保存“卖家Id”的同时，将卖家的“Name”字段也冗余，这样查询订单详情的时候就不需要再去查询“卖家用户表”。
字段冗余能带来便利，是一种“空间换时间”的体现；
缺点是冗余的数据如何更新；
多维度查询问题
分库分表拆分维度
比如针对订单的分库分表，分库和分表的拆分以userId进行拆分，那么用户维度的查询订单请求没有问题(根据userid进行hash路由)；如果以订单为维度的查询呢，那么可以在订单号上做文章，订单号以用户末4位开头，这样以订单号为维度查询时，先取订单号上的userId，然后根据userId进行路由；使用mapping关联表
还是以订单为例，分库分表以订单号为维度进行拆分，但是建立订单号和userId的mapping表，当需要查询某个用户的订单的时候，先查询mapping表；
缺点：mapping表可能会成为新的瓶颈数据异构
订单的分库分表以订单为维度拆分，同时同步复制订单数据到另一个库，以用户ID进行拆分，当查询用户的订单信息时直接查另一张用户维度的订单表；数据的同步可以采用数据同步的一些中间件，比如canal/databus等；
分页与复杂查询问题
- 数据库分库分表后分页与复杂查询建议不走在数据库查询，可以走搜索引擎；
【总结】
- 并非所有表都需要水平拆分，要看增长的类型和速度，水平拆分是大招，拆分后会增加开发的复杂度，不到万不得已不使用。
- 在大规模并发的业务上，尽量做到在线查询和离线查询隔离，交易查询和运营/客服查询隔离。
- 拆分的维度的选择很重要，要尽可能在解决拆分前的问题的基础上，便于开发。
- 数据库没你想象的那么坚强，需要保护，尽量使用简单的、良好索引的查询，这样数据库整体可控，也易于长期容量规划以及水平扩展。
【参考资料】数据分库中间件
sharding-jdbc ##当当网
Atlas ## 360
mycat ## 开源社区
DBProxy ## 美团
dbsplit ## github上有开源