一、前言

我们在上篇 Spring Boot集成ShardingSphere实现数据分片（一） | Spring Cloud 40 介绍了数据分片的背景及面临的挑战，本章我们结合实际业务场景来描述各数据分片类型的优缺点。

二、数据分片类型

在上篇中已知数据分片的拆分方式分为垂直分片和水平分片。而在实际的业务场景中可以分为：垂直分表、垂直分库、水平分表、水平分库。

ShardingSphere支持的分片算法请见：https://shardingsphere.apache.org/document/current/cn/dev-manual/sharding/

2.1 垂直分表

2.1.1 基本概念

将一个表中的字段按照业务进行归类拆分成多个表，每个表存储其中一部分字段。

2.1.2 优点

拆分后业务清晰，拆分规则明确
系统之间整合或扩展容易
为了避免IO争抢并减少锁表的几率
充分发挥热门数据的操作效率，热门字段和冷门字段分开存储，比如一个人员基本信息表、一个人员详细信息表，大字段一定要放在冷门字段的表中
为什么大字段IO效率低？
- 数据本身长度过长，需要更长的读取时间；
- 跨页，页是数据库存储基本单位，很多查找及定位操作都是以页为单位，单页内的数据行越多数据库整体性能越好，而大字段占用空间大，单页存储数据少，因此IO效率低；
- 数据以行为单位将数据加载到内存中，如果字段长度短，内存就可以加载更多的数据，减少磁盘IO，从而提高数据库性能；

2.1.3 缺点

无法解决拆分后单表数据量过大问题

2.2 垂直分库

2.2.1 基本概念

垂直分表只解决了单一表数据量大的问题，并没有将表分布到不同的服务器上，因此每张表还是竞争同一台宿主机的CPU、内存、网络IO和磁盘。

垂直分库就是按照业务将表进行归类，分布到不同的数据库中，从而将压力分散至不同的数据库，它的核心理念是专库专用。

2.2.2 优点

拆分后业务清晰，拆分规则明确
系统之间整合或扩展容易
数据维护简单，能对不同业务的数据进行分级管理、维护、监控、扩展等
在高并发场景下，能适当提高业务的吞吐量，减少单机硬件资源瓶颈存在的影响

2.2.3 缺点

无法解决拆分后单表数据量过大问题
跨库业务表无法 JOIN，只能通过接口方式解决，提高了系统复杂度
跨库事务处理复杂
受每种业务不同的限制存在单库性能瓶颈，不易数据扩展跟性能提高

2.3 水平分表

2.3.1 基本概念

水平分表是通过某个字段（或某几个字段），根据某种规则将数据分散至多个表中，每个分片表仅存储数据的一部分。

2.3.2 优点

优化单一表数据量过大而产生的性能问题
避免IO争抢并减少锁表的几率

2.3.2 缺点

跨表JOIN/分页/排序性能低

2.3.4 常用水平分表的方式

Hash取模分表

数据库分表一般都是采用这种方式，比如一个order表，根据orderId%4，并按照结果分为4张表
- 优点
  - 数据分片较为均匀，并容易出现热点和并发访问的瓶颈
- 缺点
  - 容易产生跨分片查询的复杂问题
数据Range分表

按照时间区间或字段的区间进行拆分
- 优点
  - 单表大小可用
  - 易于扩展
  - 有效避免跨分片查询的问题
- 缺点
  - 热点数据可能成为性能瓶颈

2.4 水平分库

2.4.1 基本概念

水平分表只解决了单一表数据量大的问题，并没有将表分布到不同的服务器上，因此每张表还是竞争同一台宿主机的CPU、内存、网络IO和磁盘。

水平分库是把同一个表的数据按照一定规则拆分到不同的数据库中，从而将压力分散至不同的数据库。

2.4.2 优点

优化单一表数据量过大而产生的性能问题
避免IO争抢并减少锁表的几率

2.4.3 缺点

跨库JOIN/分页/排序性能低

Spring Boot集成ShardingSphere实现数据分片（二） | Spring Cloud 41