本文探讨了分库分表的使用场景，包括因数据量大而进行的分库、分表操作，以及水平和垂直拆分的策略。提到了常见的分库分表中间件如sharding-jdbc、Mycat等，并列举了分库分表可能遇到的事务一致性、跨节点查询和ID生成等挑战。最后，文章讨论了UUID、COMB和雪花算法这三种ID处理方式的优缺点。
目录
1、分库分表使用场景
分库，当表的数量很多导致数据系统的单个数据库很大，这时候需要根据不同业务将表拆分到多个数据库中；分表，当表中的数据太多的时候导致单个表的太大，这时候需要将表中的数据拆分到多个表中。
所以分库分表在实际操作中可以分为三种实现：分库、分表、分库分表。
2、常见的分库分表方案
水平分库：以字段为依据，按照一定策略（hash、range等），将一个库中
的数据c到多个库中。
水平分表：以字段为依据，按照一定策略（hash、range等），将一个表中的
数据拆分到多个表中。
垂直分库：以表为依据，按照业务归属不同，将不同的表拆分到不同的库中。
垂直分表：以字段为依据，按照字段的活跃性，将表中字段
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
