思考与总结：数据分片的一些问题

伴随业务发展的越来越好，必然引起数据量的不断增加，当数据量到达一定程度后，会导致数据库性能下降，此时，可以考虑使用数据分片。对于新库新表，一定依据数据增量评估结果决定是否需要分片，不要误用分片导致增加开发和维护的难度与成本。

数据分片的原因？

数据库数据量(1TB)超过阈值、数据表数据量超过阈值，影响数据库性能。

数据分片的评估标准？

• 数据库数据大小，1TB
• 数据表数据量，与索引深度有关，如3层，数据量1千万左右

数据分片方式？

• 纵向分片 按照业务维度，将表分到不同的数据库。
• 横向分片 按照某种规则，将一类数据分散存储到具有相同表结构的一批表中。

数据分片路由规则？

• 分片数据列
• 分片算法

分布式主键？

• UUID
• 雪花算法
• 序列服务+一次性获取批量序列

如何处理crud sql？

• 最好针对单表且条件中提供分片列数据
• 表关联，笛卡尔积
• 排序分页，map-reduce的过程

数据分片的实现方式？

• 客户端
• 代理
• mysql插件

数据分片的事务支持？

• 本地事务
• XA事务，两阶段事务提交，如seata
• 基于BASE的柔性事务，保证最终一致性

数据分片解决方案？ 

• ShardingSphere

数据分片 :: ShardingSpherehttps://shardingsphere.apache.org/document/current/cn/features/sharding/