所有概念均以“用户中心”举例。
1 单库架构
单库架构，是业务初期最常见的数据库架构。
- user-service：用户中心服务，对调用者提供友好的RPC接口
- user-db：一个库进行数据存储
2 分组架构
数据库分组架构，即最常见的一主多从，主从同步，读写分离数据库架构：
- user-service：依旧是用户中心服务
- user-db-M(master)：主库，提供数据库写服务
- user-db-S(slave)：从库，提供数据库读服务
主和从构成的数据库集群称为“一组”。
同一个组里的数据库集群：
- 主从之间通过binlog进行数据同步
- 多个实例数据库结构完全相同
- 多个实例存储的数据也完全相同，本质上是将数据进行复制
数据库分组架构究竟解决什么问题？大部分互联网业务读多写少，数据库的读往往最先成为性能瓶颈，如果希望：
- 线性提升数据库读性能
- 通过消除读写锁冲突提升数据库写性能
- 通过冗余从库实现数据的“读高可用”
此时可以使用分组架构，需要注意的是，分组架构中，数据库的主库依然是写单点。
一句话总结，分组解决的是“数据库读写高并发量高”问题，常实施的架构设计。
3 分片架构
数据库分片架构，是大伙最常说的水平切分(sharding)：
- user-service：依旧是用户中心服务
- user-db1：水平切分成2份中的第一份
- user-db2：水平切分成2份中的第二份
分片后，多个数据库实例也会构成一个数据库集群。水平切分，到底是分库还是分表？强烈建议分库，因为：
- 分表依然公用一个数据库文件，仍然有磁盘IO的竞争
- 分库能够很容易的将数据迁移到不同数据库实例，甚至数据库机器上，扩展性更好
画外音：当然，分库后，数据库连接数会更多。
如何进行水平切分？
常见的方法是“范围法”和“哈希法”：
范围法如上，以用户中心的业务主键uid为划分依据，将数据水平切分到两个数据库实例上去。
哈希法如上，也是以用户中心的业务主键uid为划分依据，将数据水平切分到两个数据库实例上去。
画外音：本例中哈希算法是“取模”。
哈希法在互联网数据库架构中，使用较为广泛。 分片架构，同一个集群里的各个分片：
- 多个实例之间本身不直接产生联系，不像主从间有binlog同步
- 多个实例数据库结构，也完全相同
- 多个实例存储的数据之间没有交集，所有实例间数据并集构成全局数据
分片架构究竟解决什么问题？大部分互联网业务数据量很大，单库容量容易成为瓶颈，此时通过分片可以：
- 线性提升数据库写性能，需要注意的是，分组架构是不能线性提升数据库写性能的
- 降低单库数据容量
一句话总结，分片解决的是“数据库数据量大”问题，常实施的架构设计。
4 分组+分片架构
如果业务读写并发量很高，数据量也很大，通常需要实施分组+分片的数据库架构：
- 通过分片来降低单库的数据量，线性提升数据库的写性能
- 通过分组来线性提升数据库的读性能，保证读库的高可用
画外音：大部分线上的真实架构，是这样子的。
5 垂直切分
数据库垂直切分，也是一类常见的数据库架构设计，垂直切分一般和业务结合比较紧密。
还是以用户中心为例，可以这么进行垂直切分：
User_Base(uid, uname, passwd, sex, age, …)User_EX(uid, intro, sign, …)
- 垂直切分开的表，主键都是uid
- 登录名，密码，性别，年龄等属性放在一个垂直表（库）里
- 自我介绍，个人签名等属性放在另一个垂直表（库）里
如何进行垂直切分？
根据业务对数据进行垂直切分时，一般要考虑属性的“长度”和“访问频度”两个因素：
- 长度较短，访问频率较高的放在一起
- 长度较长，访问频度较低的放在一起
这是因为，数据库会以行(row)为单位，将数load到内存(buffer)里，在内存容量有限的情况下，长度短且访问频度高的属性，内存能够load更多的数据，命中率会更高，磁盘IO会减少，数据库的性能会提升。
垂直切分和水平切有相似的地方，又不太相同：
- 多个实例之间也不直接产生联系，即没有binlog同步
- 多个实例数据库结构，都不一样
- 多个实例存储的数据之间至少有一列交集，一般来说是业务主键，所有实例间数据并集构成全局数据
垂直切分解决什么问题？
垂直切分即可以降低单库的数据量，还可以降低磁盘IO从而提升吞吐量，但它与业务结合比较紧密，并不是所有业务都能够进行垂直切分的。
文章较长，简单总结：
- 业务初期用单库
- 读压力大，读高可用，用分组
- 数据量大，写线性扩容，用分片
- 属性短，访问频度高的属性，垂直拆分到一起
99 直接读这些牛人的原文
【数据库架构】
【数据库-容量】
【数据库中间件】
