一、背景
当今互联网大爆炸的时代，业务越来越多和大，单库单表数据超出数据库支持容量，数据库I/O操作次数会越来越多和慢，数据库的整体性能就会急剧下降。
二、如何优化
这里我想到几种优化的方法
- 减少数据库访问压力
- 使用缓存技术，对数据库的信息进行缓存，减少数据库访问压力
- 使用Nginx进行静态资源的获取，对一些高访问的网页，一次访问时可以先生成静态页面存到本地中，用户再次访问就会直接返回，这样减少与数据库的交互和渲染页面的操作，提高效率
- 读写分离
互联网业务一般读多写少，读写比例基本是10:1。比如订单业务，顾客购买商品生成一次订单后，就会多次查看订单情况。这时可以采用主从架构，主库负责DML(增删改)操作，从库负责DQL(查看操作)，一个主库可以有多个从库，极大减轻读写压力
- 提升数据库性能
- 可以从机器性能入手，内存不够加内存条，外存( 如硬盘 )不够加外存，这样即使数据量在大，也不会影响I/O读写速率，但是，数据量大会增加I/O的次数，数据库性能依旧会下降，不推荐，成本太高，没钱花，/(ㄒoㄒ)/~~
- 优化数据库索引，数据库语句，这个我将会写篇博客，具体介绍
- 分库分表
分库分表要按业务进行拆分，具体后面会说。主要是打破单库单表的情况，数据存在多库多表中。打个比方，100W条数据存在10个库中，10个库有10张相同的表，那么一张表存的数据就会1W条左右，这样减低数据库的容量，提升I/O操作速率，提高数据库的性能
三、什么是分库分表
分库分表，顾名思义就是拆分数据库和拆分数据表。问题就来了，要怎么拆分数据库和数据表呢？
这里用一张电商的数据库的ER图拆分
- 垂直拆分( 以电商ER图拆分 )
- 垂直拆库：按照业务拆分，业务耦合性低的数据表拆分到不同数据库中。比如电商数据库拆分成用户库、商品库、订单库…但是，不是什么表都可以分库的，例如：订单库有订单表和订单明细表，这两张表耦合性高，必须放在一起
- 垂直拆表：按照数据表的字段热点(就是使用频率高)和字段存储类型进行拆分。比如电商中商品不是有文字描述吗？可是我们一般看商品的标题，价格，图片，对于文字描述字段一般点进去才看(查看频率不如前者高)，那么我们可以把商品表除文字描述这些大字段拆分出另一张表使用，提高查询性能
PS：拆分大字段还有另一个原因，因为大字段读取时间长，数据量大的话，影响I/O的读取效率
- 特点：
- 每个库（表）的结构都不一样
- 每个库（表）的数据都（至少有一列）一样
- 每个库（表）的并集是全量数据
- 水平拆分( 以电商ER图拆分)
- 水平拆库：把单个数据库的数据拆分成多个相同结构数据库存储
- 水平拆表：把单表的数据量拆分成多个相同结构表存储
- 以上两者合并达到分库分表
- 特点：
- 每个库（表）的结构都不一样
- 每个库（表）的数据都（至少有一列）一样
- 每个库（表）的并集是全量数据
四、优势和弊端
- 优点：
- 减少数据库的访问压力和单个存储容量
- 弊端：
- 增加了我们维护成本，毕竟多个数据库和数据表维护
- 分布式事务（跨库事务），比如：处理一个业务需要执行多条插入语句，每条在不同机器的不同数据库中，出现问题，如何回滚
- 跨库join，因为在不同数据库中，就无法使用join命令获取信息
原文链接：https://blog.csdn.net/weixin_39147889/article/details/104042687
分享到:
閱讀更多 學java的小亂 的文章
