因为公司是做短信业务的，随着数据量的增加每天新增数据将近200w+，数据全部存放至Mongodb中，总数据量将近3.2亿，业务查询相关出现缓慢，于是决定将一周以前的数据存储至Mysql中并对其进行优化处理。
公司内部方案
- 方案一：采用Tidb进行查询优化
优点：支持高并发、高可用支持无限水平扩展。
详细可见：（https://pingcap.com/docs-cn/dev/key-features/#%e6%b0%b4%e5%b9%b3%e6%89%a9%e5%b1%95）。
数据量少时没什么明显，千万级别出现明显优化查询但是大批量分页查询还是会比较迟钝的，如：分页查询仍然会比较慢，比如查询至9000页以上数据出现仍然很慢
缺点：维护成本高，服务器配置要求较高
2. 方案二：Oracle采用“物化视图”进行优化
详细见：https://docs.oracle.com/cd/B19306_01/server.102/b14200/statements_2001.htm
3. 方案二：Mysql采用水平分表、垂直分表优化（采取方案）
优点：维护成本低，门槛低人人可维护，如果后期需要转移则可直接将Mysql数据转移至Tidb中
业务：将Mongodb中一周以前的数据转移至Mysql，每天将近300w+数据量，双十一高峰时期一天1000W+数据量，转移至Mysql中。
MyISAM水平分表优化：https://blog.csdn.net/qq_31150503/article/details/105450236
分区优化：https://blog.csdn.net/qq_31150503/article/details/105451273
解决方案：
采用定时任务每天将Mongodb中的数据查询并迁移保存至Mysql中
实现方案：
https://blog.csdn.net/qq_31150503/article/details/105451876
存储方案：
https://blog.csdn.net/qq_31150503/article/details/105451273
