引言

微服务、分布式大行其道的当下，中、高级Java工程师面试题中高并发、大数据量、分库分表等已经成

了面试的高频词汇，这些知识不了解面试通过率不会太高。你可以不会用，但你不能不知道，就是这么

一种现状。技术名词大多晦涩难懂，不要死记硬背理解最重要，当你捅破那层窗S g V户纸，发现其实它也就

那么回事。

一、为什么要分库分表

关系型数据库以MySK 1 0 ` ` : j fQL为例，单机的8 u & ? 8存储能力、连接数是有限的，它自身就很容易会成为系统的瓶

颈。当单表数据量在百万以 - k H ; C l ^里时，我们还t ; V A C ;可以通过添加从库、优化索引提升性能。一旦数据量朝着千万

以上趋势增长，再怎么优化数据库，很多操作性能仍下降严重。为了减少数据库的 V |负担，提升数据库响

应速度，缩短查询时间，这时候就需要进行分库分表。

二、如何分库分表

分库分表就是要将大量数据分散到多个数据库中，使每个数据库中数据量小响应速度快，以此来提升数

据库整体性能。核心理念就是对数据进行切分P x { : @ x（Sharding），以及切分后如何对数据的快速定位与整合。

针对数据切分类型，大致可以分为：垂直（纵向）切分和水平（横向）切分两种。

1、垂直切分

垂直切分又细分为垂直分库和垂直分表

垂直分库

垂直分库是基于业务分类的，和我们常听到的微服务治理观念很相似，每一个独c k ) 4立的服务都拥有自己的

数据库，需要不同业务的数据需接口调用。而垂直分库也是按照业务分类进行划分，每个业务有独立数

据库，这个比) P 3 a较好理解。

垂直分表

垂直& l & + q分表是基于数据表的列为依据切分的，是一种大表拆小O [ # ~ 7 2表的模式。

例如：一个order表有很多字段，把T = h 4 y O l长度较大且访问不频繁的字段，拆分出来创建一个单独的扩展表work_extend进行存储。

order表：

拆分后

数据库是以行为单位将U M = * | Q 8 S数据加载到内存中，这样拆分以后核心表大多是访问频率较高的P H g 6 Z字段，而且字段

长度也都较短，可以加载更多数据到5 ! % ~ j C G内存中，增加查询的命中率，减少磁盘IO，以此来提升数据库性能。z @ /

优点：

• 业务间解耦，不同业务的数据进行独立的维护、监控、扩展
• 在高并发场景下，一定程度上缓解了数据库的压力

缺点：

• 提升了开发M ~ f ~ 9 [ x的复杂度，由于业务的隔离性，很多F s ) 6 8 v 2 c表无法直接访问，必须通过接口方式聚合数据，
• 分布式事务管理难度增加
• 数据库还是存在单表数据量过大的问题，并未根本上解决，需要配合水平切分

2、水平切分

前边说了垂直切分还是会存& F ) E B e A .在单表数据) Q g量过大的问题，当我们的应用已3 R ~ . q经无法在细粒度的垂直切分时，依旧存在单库读写、存储性能瓶颈，这时就$ ? /要配合水平切分一起了。

水平切分将一张大数据量的表，切分成多个表结构相同，而每个表只占原表一8 3 / C G 7 ~ J -部分` r X数据，然后按不同的条件分散到多个数据库中。

假如一张order表有2000万数据，水平切分后出来四个表，order_1、order_2、order_3、order_4，每张表数据500万，以此类推。

order_1表：

水平切分S ^ y

唯一，所以此时一个能够生成全局唯一ID的系统是非常必要的。那么这个全局唯一ID就叫分布式ID。可

以n k , ! i G j参考我之前写的这篇文章《一口气说出 9种 分布式ID生成方式，面试官有点懵了》

五、分库分表工具？

自己开发分库分表工具的工作量是巨大的，好在业界已经有了很多比较成熟的分库分表中间件，我们可

以将更多的时间放在业务实现上

• sharding-jdbc（当当）
• TShg B M N iarding（蘑菇街）
• Atlas（奇虎360）
• Cobar（阿里巴巴）
• MyCAT（基于Cobar）
• Ocei 1 d g manus（58同城） Vitess（谷k ` & g s % O ,歌）

作者：程序员内点a n 4 U g 9 ?事
链5 , ^ @接：htC ) / u h # btps://juejin.im/post/5e53aa67a $ E P N G - *f265da573L 5 w ub0da9f6