水平分库：可以把一个表的数据 (按数据行) 分到多个不同的库，每个库只有这个表的部分数据，这些库可以分布在不同服务器，从而使访问压力被多服务器负载，极大的提升性能。它 不仅要解决跨库带来的所有复杂问题，还要解决数据路由的问题(数据路由问题后边介绍)。
水平分库是把同一个表的数据按一定规则拆到不同的数据库中，每个库可以放在不同的服务器上。
它带来的提升是： 解决了单库大数据，高并发的性能瓶颈。 提高了系统的稳定性及可用性。
稳定性体现在 IO 冲突减少，锁定减少，可用性指某个库出问题，部分可用 `
为什么大字段 IO 效率低：第一是由于数据量本身大，需要更长的读取时间；第二是跨页，页是数据库存储单位，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，单页内存储行数少，因此 IO 效率较低。第三，数据库以行为单位将数据加载到内存 中，这样表中字段长度较短且访问频率较高，内存能加载更多的数据，命中率更高，减少了磁盘 IO，从而提升了数据库性能。
尝试水平分库，将店铺 ID 为单数的和店铺 ID 为双数的商品信息分别放在两个库中。
也就是说，要操作某条数据，先分析这条数据所属的店铺 ID。如果店铺 ID 为双数，将此操作映射至 RRODUCT_DB1(商品库 1)；如果店铺 ID 为单数，将操作映射至 RRODUCT_DB2(商品库 2)。此操作要访问数据库名称的表达式为 RRODUCT_DB[店铺 ID%2 1] 。
经过思考，他把原有的 SELLER_DB(卖家库)，分为了 PRODUCT_DB(商品库) 和 STORE_DB(店铺库)，并把这两个库分散到不同服务器，如下图：
由于商品信息与商品描述业务耦合度较高，因此一起被存放在 PRODUCT_DB(商品库)；而店铺信息相对独立，因此单独被存放在 STORE_DB(店铺库)。
把不常用的字段单独放在一张表; 把 text，blob 等大字段拆分出来放在附表中; 经常组合查询的列放在一张表中;
通过垂直分表性能得到了某些特定的程度的提升，但是还未达到要求，并且磁盘空间也快不够了，因为数据还是始终限制在一台服务器，库内垂直分表只解决了单一表数据量过大的问题， 但没有将表分布到不同的服务器上，因此每个表还是竞争同一个物理机的 CPU、内存、网络 IO、磁盘。
经过垂直分库后，数据库性能问题得到某些特定的程度的解决，但是随着业务量的增长，PRODUCT_DB(商品库) 单库存储数据已超出预估。粗略估计，目前有 8w 店铺，每个店铺平均 150 个不一样的规格的商品，再算上增长，那商品数量得往 1500w 上预估，并且 PRODUCT_DB(商品库) 属于访问非常频繁的资源，单台服务器已经没办法支撑。此时该如何优化？
用户在浏览商品列表时，只有对某商品感兴趣时才会查看该商品的详细描述。因此，商品信息中商品描述字段访问频次较低，且该字段存储占用空间较大，访问单个数据 IO 时间较 长；商品信息中商品名称、商品图片、商品的价值等其他字段数据访问频次较高。
将访问频次低的商品描述信息单独存储放置在一张表中，访问频次较高的商品基础信息单独放在一张表中。
随着公司业务加快速度进行发展，数据库中的数据量猛增，访问性能也变慢了，优化迫在眉睫。分析一下问题出现在哪儿呢？ 关系型数据库本身非常容易成为系统瓶颈，单机存储容量、连接 数、解决能力都有限。当单表的数据量达到 1000W 或 100G 以后，由于查询维度较多，即使添加从库、优化索引，做很多操作时性能仍下降严重。 方案 1：
垂直分表定义：将一个表按照字段分成多表，每个表存储其中一部分字段。 它带来的提升是：
为了避免 IO 争抢并减少锁表的几率，查看详情的用户与商品信ห้องสมุดไป่ตู้浏览互不影响 充分的发挥热门数据的操作效率，商品信息的操作的高效率不会被商品描述的低效率所拖累。
一般来说，某业务实体中的各个数据项的访问频次是不一样的，部分数据项可能是占用存储空间比较大的 BLOB 或是 TEXT。例如上例中的商品描述。所以，当表数据量很大时，可 以将表按字段切开，将热门字段、冷门字段分开放置在不同库中，这些库可以放在不同的存储设备上，避免 IO 争抢。垂直切分带来的性能提升大多分布在在热门数据的操作效率上，而 且磁盘争用情况减少。
垂直分库是指按照业务将表进行分类，分布到不同的数据库上面，每个库可以放在不同的服务器上，它的核心理念是专库专用。
它带来的提升是： 解决业务层面的耦合，业务清晰 能对不同业务的数据来进行分级管理、维护、监控、扩展等 高并发场景下，垂直分库某些特定的程度的提升 IO、数据库连接数、降低单机硬件资源的瓶颈 垂直分库通过将表按业务分类，然后分布在不同数据库，并能将这些数据库部署在不同服务器上，进而达到多个服务器共同分摊压力的效果，但是依然没解决单表数据量过大的问 题。
水平分表：可以把一个表的数据 (按数据行) 分到多个同一个数据库的多张表中，每个表只有这个表的部分数据，这样做能小幅提升性能，它仅仅作为水平分库的一个补充优化。
一般来说，在系统模块设计阶段就应该依据业务耦合松紧来确定垂直分库，垂直分表方案，在数据量及访问压力不是特别大的情况，首先考虑缓存、读写分离、索引技术等方案。若数据量 极大，且持续增长，再考虑水平分库水平分表方案。
它带来的提升是： 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
库内的水平分表，解决了单一表数据量过大的问题，分出来的小表中只包含一部分数据，从而使得单个表的数据量变小，提高检索性能。
垂直分表：可以把一个宽表的字段按访问频次、是否是大字段的原则拆分为多个表，这样既能使业务清晰，还能提升部分性能。拆分后，尽量从业务角度避免联查，否则性能方面将得 不偿失。
当一个应用难以再细粒度的垂直切分，或切分后数据量行数巨大，存在单库读写、存储性能瓶颈，这时候就有必要进行水平分库了，经过水平切分的优化，往往能解决单库存储量及性能 瓶颈。但由于同一个表被分配在不同的数据库，需要额外进行数据操作的路由工作，因此极大的提升了系统复杂度。
按照水平分库的思路对他把 PRODUCT_DB_X(商品库) 内的表也能够直接进行水平拆分，其目的也是为解决单表数据量大的问题，如下图：
通过提升服务器硬件能力来提高数据处理能力，比如增加存储容量 、CPU 等，这种方案成本很高，并且如果瓶颈在 MySQL 本身那么提高硬件也是有很的。
把数据分散在不同的数据库中，使得单一数据库的数据量变小来缓解单一数据库的性能问题，进而达到提升数据库性能的目的，如下图：将电商数据库拆分为若干独立的数据库，并且 对于大表也拆分为若干小表，通过这一种数据库拆分的方法来解决数据库的性能问题。
下边以电商系统中的例子来说明，下图是电商系统卖家模块的表结构： 通过以下 SQL 可以获取到商品相关的店铺信息、地理区域信息：
分库分表就为了解决由于数据量过大而导致数据库性能降低的问题，将原来独立的数据库拆分成若干数据库组成 ，将数据大表拆分成若干数据表组成，使得单一数据库、单一数据 表的数据量变小，进而达到提升数据库性能的目的。
分库分表包括分库和分表两个部分，在生产中通常包括：垂直分库、水平分库、垂直分表、水平分表四种方式。 先说 垂直分表： 通常在商品列表中是不显示商品详情信息的，如下 图：
与水平分库的思路类似，不过这次操作的目标是表，商品信息及商品描述被分成了两套表。如果商品 ID 为双数，将此操作映射至商品信息 1 表；如果商品 ID 为单数，将操作映射至 商品信息 2 表。此操作要访问表名称的表达式为商品信息 [商品 ID%2 1] 。
