数据切分
关系型数据库本身容易成为系统瓶颈，单机存储容量、连接数、处理能力有限，当单标的数据量达到了100W或者100G以后，由于查询维度较多，即使添加从库、优化索引，做很多操作时性能仍下降严重。此时就要考虑对其进行切分了，切分的目的就在于减少数据库的负担，缩短查询时间。
数据库分布式的核心无非就是数据切分，以及切分之后对数据的定位、整合。数据切分就是将数据分散存储到多个数据库中，使得单一数据库中的数据量变小，通过扩充主机的数量环节单一数据库的性能问题，从而达到提升数据库操作性操作性能的目的，数据库根据其企鹅而烦恼的类型分为两种方式:垂直切分以及水平切分。
什么是垂直切分
垂直切分常见有垂直分库和垂直分表
垂直分库就是根据业务的耦合性，将关联度低的不同表存储在不同的数据库。做法与大系统查分为多个小系统类似，按业务分类进行独立划分，与“微服务治理”的做法相似，每一个微服务使用单独的数据库。
垂直分表是基于数据库的“列”进行，某个字段较多，可以新建一张扩展表，将不经常使用或字段长度较大的字段拆分出去到扩展表中，在字段很多的情况下（例如一个大表有100多个字段），通过“大表拆小表”，更便于开发和维护，也能避免跨页问题，MySQ底层是通过数据页存储的，一条记录占用空间过大会导致跨页，造成额外的性能开销。另外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，内存能够加载更多的数据，命中率更高，减少了磁盘的io，从而提升了数据库性能。
垂直切分的优点：
- 解决了业务系统层面的耦合，业务清晰。
- 与微服务的治理类似，也能对不同业务的数据进行分级管理、维护、监控、扩展。
- 在高并发场景下，垂直切分一定程度提升IO,数据库连接数，单机硬件资源的瓶颈。
缺点： - 部分表无法join，智能通过接口耦合方式解决，提升了开发的复杂度。
- 分布式事务处理复杂
- 依然存在单表数据量过大的问题（需要水平切分）
什么是水平（横向）切分
当一个应用难以再细粒度的垂直切分，或切分后数据量行数巨大，存在单库读写、存储性能瓶颈，这时候就需要进行相应的水平切分。
水平切分分为库内分表和分库分表，是根据表内数据内在的逻辑关系，将同一个表按不同条件分散到多个数据库中，每个表只包含一部分的数据，从而使得单个表的数据量变小从而达到分布式的效果。
库内存分表值解决了单一表数据量过大的问题，但没有将表分布到不同机器的库上，因此对于减轻MySQL数据库的压力来说，帮助不是很大，大家还是竞争同一个物理机的CPU 内存 网络IO 最好通过分库分表来解决。
水平切分的有点：
- 不存在单库数据量过大，高并发的性能瓶颈，提升系统稳定性和负载能力。
- 应用端改造较小，不需要拆分业务模型。
缺点： - 跨分区的事务难以保证一致性
- 数据多次扩展难度和维护量极大