一、背景
當今互聯網大爆炸的時代，業務越來越多和大，單庫單表數據超出數據庫支持容量，數據庫I/O操作次數會越來越多和慢，數據庫的整體性能就會急劇下降。
二、如何優化
這裡我想到幾種優化的方法
- 減少數據庫訪問壓力
- 使用緩存技術，對數據庫的信息進行緩存，減少數據庫訪問壓力
- 使用Nginx進行靜態資源的獲取，對一些高訪問的網頁，一次訪問時可以先生成靜態頁面存到本地中，用戶再次訪問就會直接返回，這樣減少與數據庫的交互和渲染頁面的操作，提高效率
- 讀寫分離
互聯網業務一般讀多寫少，讀寫比例基本是10:1。比如訂單業務，顧客購買商品生成一次訂單後，就會多次查看訂單情況。這時可以採用主從架構，主庫負責DML(增刪改)操作，從庫負責DQL(查看操作)，一個主庫可以有多個從庫，極大減輕讀寫壓力
- 提升數據庫性能
- 可以從機器性能入手，內存不夠加內存條，外存( 如硬盤 )不夠加外存，這樣即使數據量在大，也不會影響I/O讀寫速率，但是，數據量大會增加I/O的次數，數據庫性能依舊會下降，不推薦，成本太高，沒錢花，/(ㄒoㄒ)/~~
- 優化數據庫索引，數據庫語句，這個我將會寫篇博客，具體介紹
- 分庫分表
分庫分表要按業務進行拆分，具體後面會說。主要是打破單庫單表的情況，數據存在多庫多表中。打個比方，100W條數據存在10個庫中，10個庫有10張相同的表，那麼一張表存的數據就會1W條左右，這樣減低數據庫的容量，提升I/O操作速率，提高數據庫的性能
三、什麼是分庫分表
分庫分表，顧名思義就是拆分數據庫和拆分數據表。問題就來了，要怎麼拆分數據庫和數據表呢？
這裡用一張電商的數據庫的ER圖拆分
- 垂直拆分( 以電商ER圖拆分 )
- 垂直拆庫：按照業務拆分，業務耦合性低的數據表拆分到不同數據庫中。比如電商數據庫拆分成用戶庫、商品庫、訂單庫…但是，不是什麼表都可以分庫的，例如：訂單庫有訂單表和訂單明細表，這兩張表耦合性高，必須放在一起
- 垂直拆表：按照數據表的字段熱點(就是使用頻率高)和字段存儲類型進行拆分。比如電商中商品不是有文字描述嗎？可是我們一般看商品的標題，價格，圖片，對於文字描述字段一般點進去才看(查看頻率不如前者高)，那麼我們可以把商品表除文字描述這些大字段拆分出另一張表使用，提高查詢性能
PS：拆分大字段還有另一個原因，因為大字段讀取時間長，數據量大的話，影響I/O的讀取效率
- 特點：
- 每個庫（表）的結構都不一樣
- 每個庫（表）的數據都（至少有一列）一樣
- 每個庫（表）的並集是全量數據
- 水平拆分( 以電商ER圖拆分)
- 水平拆庫：把單個數據庫的數據拆分成多個相同結構數據庫存儲
- 水平拆表：把單表的數據量拆分成多個相同結構表存儲
- 以上兩者合併達到分庫分表
- 特點：
- 每個庫（表）的結構都不一樣
- 每個庫（表）的數據都（至少有一列）一樣
- 每個庫（表）的並集是全量數據
四、優勢和弊端
- 優點：
- 減少數據庫的訪問壓力和單個存儲容量
- 弊端：
- 增加了我們維護成本，畢竟多個數據庫和數據表維護
- 分佈式事務（跨庫事務），比如：處理一個業務需要執行多條插入語句，每條在不同機器的不同數據庫中，出現問題，如何回滾
- 跨庫join，因為在不同數據庫中，就無法使用join命令獲取信息
原文鏈接：https://blog.csdn.net/weixin_39147889/article/details/104042687
分享到:
閱讀更多 學java的小亂 的文章
