分库分表：
- 提升数据库访问速度
- 缓解数据压力
- 容量
垂直拆分的问题：
跨库的关联查询：
（1）冗余
（2）数据同步 系统之间： http、etl
（3）全局表（广播表）、字典表、基础数据、行名行号表，全局表即多个节点中都有相同的多份数据，更新在多个节点也都会更新
（4）绑定表（E-R表）
oder_info order_id=1001
order_detail order_id=1001 order_detail_id=80001
（5）数据组装 中间件如：mycat的/*catlet data dn1 dn2
分布式事务
ACID
（1）两阶段提交 XA
TCC-Fescar-seata
LCN
Atomikos
水平拆分的问题
分页、排序
全局ID auto_increment
（1）redis原子递增
（2）雪花算法snowflake
（3）UUID
（4）table +1 for update
（5）ZK
多数据源
（1）编码层（AbstractDataSource）
（2）框架层ORM 插件-Interceptor-动态代理
（3）驱动层（Sharding-JDBC）前身为当当网框架、现在为apache开源组件
（4）代理层 proxy mycat
（5）服务层 一些特殊的sql版本
划分数据的规则
user_id % 3 =1 -> dn1
user_id %3 =2 -> dn2
user_id % 3 =0 ->dn0
分片算法：
Hash、取模、范围（0-1000w、1000w-2000w）、时间段（按周、按月分布）、复合、一致性哈希（基于哈希环，java中可以用TreeMap实现哈希环）
实践：基于Sharding-JDBC的实现
扫描二维码关注公众号，回复：
8779435 查看本文章
