一、概述
当数据量过大的时候对于数据库的性能将是很大的考验，因此将会选择进行分库或者分表，或者分库分表结合进行来减少单一数据库的压力，进而提高数据库的性能。从某种程度上说分库分表是一种分治法，将大量数据变成小量数据，大表拆分为小表，从而操作数量少的一部分。
数据的拆分（Sharding）根据其拆分规则的类型，可以分为两种拆分模式。
一种是按照不同的表（或者Schema）来拆分到不同的数据库（主机）之上，这种拆分可以称为数据的垂直（纵向）拆分；
另外一种则是根据表中的数据的逻辑关系，将同一个表中的数据按照某种条件拆分到多台数据库（主机）上面，这种拆分称为数据的水平（横向）拆分。
分库分表包括分库和分表两个部分，在生产中通常包括：垂直分库、水平分库、垂直分表、水平分表四种方式。
分库分表是为了解决由于数据量过大而导致数据库性能降低的问题，将原来独立的数据库拆分成若干数据库， 将数据大表拆分成若干数据表，使得单一数据库、单一数据表的数据量变小，从而达到提升数据库性能的目的。
二、垂直拆分
垂直拆分:即根据业务分类来进行拆分
垂直拆分优点：1、拆分后业务清晰，拆分规则明确；2、系统之间整合或扩展容易；3、数据维护简单。
垂直拆分缺点：1、部分业务表无法join，只能通过接口方式解决，提高了系统复杂度；2、受每种业务不同的限制存在单库性能瓶颈，不易数据扩展和性能提高；3、事务处理复杂。
垂直拆分又分为垂直分库和垂直分表。
垂直分库：指按照业务将表进行分类，分布到不同的数据库上面，每个库可以放在不同的服务器上，从而达到多个服务器共同分摊压力的效果。它的核心理念是专库专用。
垂直分库带来的提升：1、解决业务层面的耦合，使业务更加清晰；2、能对不同业务的数据进行分级管理、维护、监控、扩展等；3、高并发场景下，垂直分库在一定程度的提升IO、数据库连接数、降低单机硬件资源的瓶颈。
垂直分表定义：将一个表按照字段分成多表，每个表存储其中一部分字段。也就是说将字段非常多的表拆分成多个表，每个表中分别存放一些字段信息，从而减少数据量，因为把数据量都分散在了多个表中。将使用频率高的字段存放在一个表中，使用频率低的字段放在另一个表中。
垂直分表带来的好处是：1.避免IO争抢并减少锁表的几率；2.充分发挥热门数据的操作效率，操作频率高的数据为热门数据，操作频率低的数据为冷数据。
垂直拆分带来的性能提升主要集中在热门数据的操作效率上，磁盘争用情况减少。
为什么大字段IO效率低？
第一、由于数据量本身大，需要更长的读取时间；第二、跨页问题，页是数据库存储单位，很多查找及定位操作都是以页为单位，单页内的数据行越多数据库整体性能越好，而大字段占用空间大，单页内存储行数少，因此IO效率较低；第三，数据库以行为单位将数据加载到内存中，这样表中字段长度较短且访问频率较高，内存能加载更多的数据，命中率更高，减少了磁盘IO从而提升了数据库性能。
通常我们按以下原则进行垂直拆分:
1、把不常用的字段单独放在一张表；2、把text，blob等大字段拆分出来放在附表中；3、经常组合查询的列放在一张表中。
由于垂直拆分是按照业务的分类将表分散到不同的库，所以有些业务表会过于庞大，存在单库读写与存储瓶颈，所以就需要采用水平拆分来解决垂直拆分的不足之处。
三、水平拆分
相对于垂直拆分，水平拆分不是将表做分类，而是按照某个字段的某种规则来分散到多个库之中，每个表中包含一部分数据。简单来说，我们可以将数据的水平拆分理解为是按照数据行的拆分，就是将表中的某些行拆分到一个数据库，而另外的某些行又拆分到其他的数据库中。
几种典型的拆分分片规则包括：1、按照用户ID求模，将数据分散到不同的数据库，具有相同数据用户的数据都被分散到一个库中；2、按照日期，将不同月甚至日的数据分散到不同的库中；3、按照某个特定的字段求摸，或者根据特定范围段分散到不同的库中。
水平拆分优点：1、拆分规则抽象好，join操作基本可以数据库做；2、不存在单库大数据，高并发的性能瓶颈；3、应用端改造较少；4、提高了系统的稳定性和负载能力。
水平拆分缺点：1、拆分规则难以抽象；2、分片事务一致性难以解决；3、数据多次扩展难度和维护量极大；4、跨库join性能较差。
水平分库是把同一个表的数据按一定规则拆到不同的数据库中，每个库可以放在不同的服务器上。水平分库是把同一个表拆到不同数据库中，它是对数据行的拆分，不影响表结构。
它带来的提升：1、解决了单库大数据，高并发的性能瓶颈；2、提高了系统的稳定性及可用性。（稳定性体现在IO冲突减少，锁定减少，可用性指某个库出问题，部分可用。）
水平分表是在同一个数据库内，把同一个表的数据按一定规则拆分到多个表中。
它带来的提升：1、优化单一表数据量过大而产生的性能问题；2、避免IO争抢并减少锁表的几率。
库内的水平分表，解决了单一表数据量过大的问题，分出来的小表中只包含一部分数据，从而使得单个表的数据量变小，提高检索性能。
四、拆分共同的问题
前面讲了垂直拆分跟水平拆分的不同和优缺点，会发现每种拆分方式都有缺点，但共同的缺点有：1、引入分布式事务的问题；2、跨节点Join的问题；3、跨节点合并排序分页问题；4、多数据源管理问题。
一般来讲业务存在着复杂join的场景是难以拆分的，往往业务独立的易于拆分。如何拆分，拆分到何种程度是考验技术架构的一个难题。
拆分的一些原则：
第一原则：能不拆分尽量不要拆分。
第二原则：如果要拆分一定要选择合适的拆分规则，提前规划好。
第三原则：数据拆分尽量通过数据冗余或表分组（Table Group）来降低跨库Join的可能。
第四原则：由于数据库中间件对数据Join实现的优劣难以把握，而且实现高性能难度极大，业务读取尽量少使用多表Join。
五、由数据库的拆分引申的数据源管理思考
主要有两种思路：A、客户端模式，在每个应用程序模块中配置管理自己需要的一个（或者多个）数据源，直接访问各个数据库，在模块内完成数据的整合；B、通过中间代理层来统一管理所有的数据源，后端数据库集群对前端应用程序透明。
六、总结
垂直分表：可以把一个宽表的字段按访问频次、是否是大字段的原则拆分为多个表，这样既能使业务清晰，还能提升部分性能。拆分后，尽量从业务角度避免联查，否则性能方面将得不偿失。
垂直分库：可以把多个表按业务耦合松紧归类，分别存放在不同的库，这些库可以分布在不同服务器，从而使访问压力被多服务器负载，大大提升性能，同时能提高整体架构的业务清晰度，不同的业务库可根据自身情况定制优化方案。但是它需要解决跨库带来的所有复杂问题。
水平分库：可以把一个表的数据(按数据行)分到多个不同的库，每个库只有这个表的部分数据，这些库可以分布在不同服务器，从而使访问压力被多服务器负载，大大提升性能。它不仅需要解决跨库带来的所有复杂问题，还要解决数据路由的问题。
水平分表：可以把一个表的数据(按数据行)分到多个同一个数据库的多张表中，每个表只有这个表的部分数据，这样做能小幅提升性能，它仅仅作为水平分库的一个补充优化。
一般来说，在系统设计阶段就应该根据业务耦合松紧来确定垂直分库，垂直分表方案。在数据量及访问压力不是特别大的情况，首先考虑缓存、读写分离、索引技术等方案。若数据量极大且持续增长再考虑水平分库、分表方案。
七、参考博文
（1） https://blog.csdn.net/weixin_44062339/article/details/100491744?depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-7&utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-7
（2） https://blog.csdn.net/mingover/article/details/71108852
（3） https://blog.csdn.net/CrankZ/article/details/84679742?depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-3&utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-3 （比较详细）