1、分库分表的原因
关系性数据库易成为系统性能瓶颈、单机存储容量、连接数、处理能力等都很有限，而数据的四大特性要求又导致了数据库没法向web应用服务器那样易于扩展，在大数据量情况下就有了分库分表（也成为Sharding、分片），流行的分布式系统中间件（MongoDB、ElasticSearch等）均可以友好的支持Sharding。
2、分库分表的原则
能不分就不分：因为数据库表之间的关联也映射了业务逻辑，任何分库分表行为都会倒置业务更加复杂；而且分库分表之后还要涉及到做业务时数据的合并、查询或更新等多种问题；所以能从升级硬件、网络、读写分离、负载均衡解决的就不要使用分库分表；
（1）影响数据库的备份，单表或单个实例太多；
（2）数据量大到对数据库做ddl操作时会锁住全表，这个期间会影响业务正常访问；
（3）数据访问和更新频繁，经常导致死锁，但是却没有能力修改源码拉解决，那么只能降低锁的粒度；
（4）表设计不合理，需要对某些字段垂直拆分；
比如一张user表：
id 用户id
name 用户姓名
last_login_time 最近登陆时间
personal_info 私人信息
该表的用户数从100w飙升到1亿，在用户登陆时需要频繁的更改last_login_time，导致数据库压力非常大，那么就可以做垂直拆分，把该字段拆分出去；如果做水平拆分，那么是没有作用的，因为修改时还是需要做每一张表做修改；
（5）某些数据表无穷增长：水平拆分；
（6）安全性和可用性考虑
如果数据库出现问题，那么希望不要影响到100%的用户，希望能够降低这个影响，那么可以做水平切分，如：把用户、订单、库存等本来在同一资源库的进行切分。每个小的数据库实例承担一小部分业务，以此提高整体的可用性；
（7）业务耦合性
如购买火车票 和点外卖这样不同的业务，可以放在不同的库催触；
3、分库分表方案
（1）垂直拆分
垂直拆分有：垂直分库和垂直分表，垂直分表较常见如：大表拆小表；该拆分是基于“列（字段）”进行的，可以将不常用的字段拆分到另一个表中，垂直拆表如下：
垂直拆库：
在微服务中按照业务模块来划分出不同的数据库，也是一种垂直拆库的做法。如在电商服务中，将整个业务分为：用户库、订单库、库存库等；
a、垂直拆分的优点
使数据行数变小，一个数据块就能存储更多的数据，可以减少查询时I/O次数（每次查询的block块会减少）；
最大化利用cache，拆分时可以将不常变的字段放在一起，经常变的放在一起；
数据库的连接资源比较宝贵而且单机处理能力也有限，在高并发情况下，垂直分库一定程度上能突破IO、连接数及单机资源的瓶颈；
b、垂直拆分的缺点
主键冗余、表之间的join（增加cpu开销）可通过在业务服务器上进行join来减轻数据库压力；
依然存在单表数据量过大的问题（需要水平拆分）、事务处理复杂；
（2）水平拆库
通过某种策略将数据分片存储，分为库内分表和分库分表两部分，每片数据会分散到不同的MySql表或者库上；
库内分表：仅仅解决了单一表数据过大的问题，并没有把数据分布到不同的机器，对于减轻mysql服务器的压力来说并没有太大的作用，还是需要竞争同一物理机上的IO、CPU、网络；对于该问题通过分库分表即可解决；
分表有【静态分表】和【动态分表】：
静态分表：提前计算好需要分多少张表，根据hash值来计算；
动态分表：避免了静态分表的后遗症，在系统中使用“冷热数据分离”（将一些历史数据迁移到其他的数据库中，在业务上只提供热点数据的查询），分库分表能够有效缓解单机和单库的性能瓶颈和压力；
缺点：分片事务一致性难以解决；跨节点join 性能差，逻辑复杂；数据多次扩展难度与维护量大；
解决跨库join的问题：
（1）全局表：将这类表在其他每个数据库中均保存一份，同时这种数据几乎很少发生修改；
（2）字段冗余：是一种以空间换时间的做法，比较适合依赖字段少的情况；
（3）数据同步：定时a库中的tab_a 表和b库中的tab_b有关联，可定时将指定表做同步，通常使用etl来实现；
解决跨库导致的分布式事务问题：通过xa接口和两阶段提交完成；
4、常见分片规则和策略
（1）分布式全局唯一id的生成策略
1. Twitter的Snowflake（又名“雪花算法”）
2. UUID/GUID（一般应用程序和数据库均支持）
3. MongoDB ObjectID（类似UUID的方式）
4. Ticket Server（数据库生存方式，Flickr采用的就是这种方式）
（2）分片字段如何选择：选择最频繁被使用或者最重要的字段来作为分片字段；常见的分片策略有“随机分片”和“连续分片”两种；
（4）数据迁移、容量规划、扩容等问题
对历史数据分片：一般做法是通过程序先读出历史数据，然后按照指定的分片规则将数据写入到各个分片节点中，一般单个分片上的单表数据量不超过1千万；如果采用随机分片则要考虑扩容，如果采用范围分片则只需添加节点就可以自动扩容
5、分库分表组件Sharding-JDBC介绍
(1)、应用层分还是中间层分？
应用层可以在JDBC驱动层、DAO层，如：iBatis/Mybatis /JPA上完成，
如当当的sharding-jdbc是jdbc驱动层实现，而阿里的cobar-client是基于dao层框架ibatis实现的