聊聊分库分表

如何分库或分表？

类型	拆的是什么	拆的方式	举例
✅ 垂直分库	按“业务模块”拆库	不同模块放不同库	用户库、订单库、日志库
✅ 水平分库	按“数据量”拆库	相同结构，分布到多个库	用户数据分到 user_db_0, user_db_1
✅ 垂直分表	按“表结构”拆表	一张大表拆成多个小表	用户表拆成：user_base + user_login
✅ 水平分表	按“数据量”拆表	同结构，数据按规则分布	order_0, order_1, ..., order_15

图解理解

垂直分库：                     水平分库：

[原始DB]                      [原始DB]
 ├─ user                     ├─ user (1亿)
 ├─ order                   => 拆成
 ├─ product                  ├─ user_0 (0~5000万)
 ↓                           └─ user_1 (5000万~1亿)

拆成：
[user_db] → user             [user_db_0] → user
[order_db] → order           [user_db_1] → user
垂直分表：                  水平分表：

[User]                      [Order] (10亿)
 ├─ id                     =>
 ├─ name                    ├─ order_0
 ├─ email                   ├─ order_1
 ├─ password                ...
 ↓
拆成：
[user_base] → id, name, email
[user_login] → user_id, password

每种方式的目的和适用场景

1. 垂直分库

场景	内容
拆分维度	业务模块或功能模块
目的	解耦、减轻数据库压力、方便运维
举例	用户模块放 user_db，订单模块放 order_db，日志模块放 log_db

👉 适合中台系统、模块化微服务架构，让各模块独立开发、部署、扩展。

2. 水平分库

场景	数据量非常大，单库压力大
拆分维度	相同结构的表，按规则拆到多个库中
举例	user 表有 2 亿数据 → 分到 4 个库，每库 5000 万

👉 通常结合分表一起使用（水平分库 + 水平分表）。

3. 垂直分表

场景	表字段太多、部分字段访问频率极低
拆分方式	把冷字段拆出去，按字段功能分类
举例	用户表拆成 user_profile、user_login、user_settings 表

👉 适用于做冷热分离、读写优化、字段稀疏的场景。

4. 水平分表

场景	单表数据量太大（>千万），查询慢
拆分方式	按 ID、时间、用户ID 等维度将一张大表拆为多个小表
举例	order 表按月份分成 order_202401 ~ order_202412

👉 最常见的拆分方式，适用于订单、日志、告警、交易流水等海量数据表。

总结对比表

类型	拆分维度	目标	难度	常见场景
垂直分库	按模块	解耦+并发	中等	用户、订单分库
水平分库	按数据	扩展性	高	超大用户/订单表
垂直分表	按字段	热冷分离	低	用户信息表
水平分表	按数据	降低单表压力	中等	日志、订单、记录表

最佳实践建议

1. 优先做垂直分库：随着业务模块增加，自然会拆出多个模块库。
2. 热点大表做水平分表：例如订单、日志等，千万级时开始规划。
3. 使用 ShardingSphere 等中间件：简化路由、分库分表维护。
4. 统一 ID 生成器：所有分库分表都需要全局唯一 ID（如雪花算法）。

学习参考

• 读写分离和分库分表详解 | JavaGuide (opens new window)