目录分库分表全面总结分库分表的本质分库分表方式示例1：垂直分库（按业务拆分到不同数据库）示例2：垂直分表（按列拆分到不同表）示例3：水平分库（数据分布到不同数据库的同名表）示例4：水平分表（数据分布到同库的不同表）历史演进选择指南（超简单版）一句话记忆口诀MySQL的分库分表和redis的分库分表Redis简单分库分表实例方案一：最简分库（按业务隔离）方案二：最简单分表（按Key前缀+取模）
分库分表全面总结
分库分表的本质
分库分表是将单一数据库或表拆分为多个数据库或表，以提升系统性能的手段；分库分表主要用于解决单库单表数据量过大、并发压力高、存储瓶颈等问题。
空间换时间：通过增加存储架构的复杂度，换取性能和扩展性的提升。
分库分表方式
示例1：垂直分库（按业务拆分到不同数据库）
-- 原来的综合业务数据库
CREATE DATABASE ecommerce;
USE ecommerce;
CREATE TABLE users (...); -- 用户表
CREATE TABLE products (...); -- 商品表
CREATE TABLE orders (...); -- 订单表
CREATE TABLE payments (...); -- 支付表
CREATE TABLE logs (...); -- 日志表
-- 垂直分库后
CREATE DATABASE user_db; -- 用户相关数据库
USE user_db;
CREATE TABLE users (...);
CREATE TABLE user_profiles (...);
CREATE DATABASE product_db; -- 商品相关数据库
USE product_db;
CREATE TABLE products (...);
CREATE TABLE categories (...);
CREATE DATABASE order_db; -- 订单相关数据库
USE order_db;
CREATE TABLE orders (...);
CREATE TABLE order_items (...);
示例2：垂直分表（按列拆分到不同表）
-- 原来的用户大宽表
CREATE TABLE users (
id BIGINT PRIMARY KEY,
username VARCHAR(50),
password VARCHAR(100),
email VARCHAR(100),
phone VARCHAR(20),
address TEXT,
avatar_url VARCHAR(200),
bio TEXT,
created_at DATETIME,
updated_at DATETIME,
last_login DATETIME,
login_count INT
);
-- 垂直分表后（热点冷数据分离）
-- 热点表：经常查询的字段
CREATE TABLE user_base (
id BIGINT PRIMARY KEY,
username VARCHAR(50),
password VARCHAR(100),
email VARCHAR(100),
created_at DATETIME,
updated_at DATETIME,
INDEX idx_username (username),
INDEX idx_email (email)
);
-- 冷数据表：不常查询的字段
CREATE TABLE user_detail (
user_id BIGINT PRIMARY KEY,
phone VARCHAR(20),
address TEXT,
avatar_url VARCHAR(200),
bio TEXT,
last_login DATETIME,
login_count INT
);
示例3：水平分库（数据分布到不同数据库的同名表）
-- 原来的单库单表
CREATE DATABASE main_db;
USE main_db;
CREATE TABLE orders (
order_id BIGINT PRIMARY KEY,
user_id BIGINT,
amount DECIMAL(10,2),
status VARCHAR(20)
);
-- 水平分库后（按用户ID分库）
-- 数据库1（用户ID为偶数的订单）
CREATE DATABASE order_db_0;
USE order_db_0;
CREATE TABLE orders (...); -- 存储user_id%2=0的订单
-- 数据库2（用户ID为奇数的订单）
CREATE DATABASE order_db_1;
USE order_db_1;
CREATE TABLE orders (...); -- 存储user_id%2=1的订单
示例4：水平分表（数据分布到同库的不同表）
-- 原来的单表
CREATE TABLE order_2023 (
order_id BIGINT PRIMARY KEY,
user_id BIGINT,
amount DECIMAL(10,2),
order_date DATE
);
-- 水平分表后（按月分表）
CREATE TABLE order_202301 (...); -- 2023年1月订单
CREATE TABLE order_202302 (...); -- 2023年2月订单
CREATE TABLE order_202303 (...); -- 2023年3月订单
-- ... 以此类推
历史演进
实际案例：电商系统演进
# 阶段1：单库单表（初创期）
database: ecommerce
tables:
- users
- products
- orders
- payments
- logs
# 阶段2：读写分离（用户增长）
master: ecommerce_master
slaves:
- ecommerce_slave1
- ecommerce_slave2
# 阶段3：垂直分库（业务复杂化）
databases:
user_db: # 用户服务
tables: [users, user_profiles]
product_db: # 商品服务
tables: [products, categories, brands]
order_db: # 订单服务
tables: [orders, order_items]
payment_db: # 支付服务
tables: [payments, refunds]
# 阶段4：水平分表（单表数据量大）
order_db:
tables:
- orders_0 # user_id%4=0
- orders_1 # user_id%4=1
- orders_2 # user_id%4=2
- orders_3 # user_id%4=3
# 阶段5：水平分库分表（海量数据）
order_db_0: # 数据库分片0
tables: [orders_00, orders_01]
order_db_1: # 数据库分片1
tables: [orders_10, orders_11]
选择指南（超简单版）
问：业务模块太多，互相影响？
答：用【垂直分库】✅
问：表字段太多，有的常用有的不常用？
答：用【垂直分表】✅
问：单张表数据太多，查询太慢？
答：用【水平分表】✅
问：单个数据库服务器撑不住了？
答：用【水平分库】✅
问：上面问题都有？
答：先垂直再水平，一步步来！
一句话记忆口诀
垂直分库：不同业务不同库（按功能分）
垂直分表：冷热字段分开存（按频率分）
水平分表：数据太多分开放（按数据分）
水平分库：机器不够加机器（按机器分）
记住：垂直是"分类"，水平是"分堆"
MySQL的分库分表和redis的分库分表
所有分库分表，无论MySQL还是Redis，终极目标就是：突破单机限制！
MySQL的"分库分表"：是真的把数据库拆分成多个物理上独立的部分，每个部分都是完整的数据库实例。
Redis的"分库分表"：是一个容易引起误解的说法。Redis的：
"分库"（SELECT 0-15）更像命名空间隔离
额外知识点：
Redis默认：1个实例 = 16个抽屉（0-15），不同抽屉的东西完全独立！就像是16个数据库。
Redis抽屉的实现原理 = 16个完全独立的dict哈希表 + 客户端db指针切换
就像16个独立的HashMap，SELECT只是告诉Redis："现在用第几个HashMap"
如果不选：所有数据都默认放在第0个抽屉（db0）
要换抽屉：用 select 数字 命令切换
"分表"（Cluster分片）是数据分布策略
它们只是恰巧用了相似的词汇，但解决的问题、实现方式、设计理念完全不同。
简单说：
MySQL分库分表：是"真刀真枪"的数据库拆分
Redis分库分表：是"巧立名目"的缓存隔离
Redis简单分库分表实例
方案一：最简分库（按业务隔离）
核心思想：存数据时，程序自己来判断放到对应的redis库里（这个库可以是不同的redis服务，也可以是同一个redis服务的"抽屉"（db=0 ， 1 ，2...））
import redis
# 创建不同业务的Redis连接
# 虽然物理上是一个Redis，但逻辑上用不同db号隔离
# DB 0：用户缓存
user_redis = redis.Redis(host='localhost', port=6379, db=0) # 第0个抽屉
# DB 1：商品缓存
product_redis = redis.Redis(host='localhost', port=6379, db=1) # 第1个抽屉
# DB 2：订单缓存
order_redis = redis.Redis(host='localhost', port=6379, db=2) # 第2个抽屉
# 使用示例
# 存用户数据到DB 0
user_redis.set('user:1001', '张三')
# 存商品数据到DB 1
product_redis.set('product:2001', 'iPhone15')
# 它们互不干扰
print(user_redis.get('product:2001')) # None，因为DB 0里没有这个key
print(product_redis.get('product:2001')) # b'iPhone15'，在DB 1里
# 可以单独清空某个业务
# user_redis.flushdb() # 只清空用户缓存，不影响商品和订单
java实现
import redis.clients.jedis.Jedis;
public class CorrectRedisSharding {
public static void main(String[] args) {
// 先创建连接，再select数据库
Jedis userJedis = new Jedis("localhost", 6379, 2000); // timeout=2000ms
userJedis.select(0); // 选择db0
Jedis productJedis = new Jedis("localhost", 6379, 2000);
productJedis.select(1); // 选择db1
// 使用
userJedis.set("user:1001", "张三");
productJedis.set("product:5001", "iPhone");
System.out.println("用户数据: " + userJedis.get("user:1001"));
System.out.println("商品数据: " + productJedis.get("product:5001"));
userJedis.close();
productJedis.close();
}
}
方案二：最简单分表（按Key前缀+取模）
核心思想：存数据时，根据规则选择对应的Redis实例
Redis分表 = 存数据时根据规则选Redis + 取数据时用同样规则找回去
# 核心思想：存数据时，根据规则选择对应的Redis
# ↓ 规则计算
key = "user:1001" → 规则计算 → 选择 Redis实例2
↓
# 存到对应的Redis
redis_2.set("user:1001", "张三的数据")
# 取数据时，用同样的规则找回去
key = "user:1001" → 规则计算 → 还是 Redis实例2
↓
redis_2.get("user:1001") # 拿到数据！
import redis
import hashlib
# 准备3个Redis实例（可以是3台服务器或3个端口）
redis_nodes = [
redis.Redis(host='localhost', port=6379, db=0), # 分片0
redis.Redis(host='localhost', port=6380, db=0), # 分片1
redis.Redis(host='localhost', port=6381, db=0), # 分片2
]
def get_shard(key, shard_count=3):
"""计算key应该去哪个分片"""
# 简单取模算法
hash_value = hashlib.md5(key.encode()).hexdigest()
shard_index = int(hash_value, 16) % shard_count
return redis_nodes[shard_index]
# 使用示例
# 存用户数据，自动分散到不同分片
users = [
('user:1001', '张三'),
('user:1002', '李四'),
('user:1003', '王五'),
('user:1004', '赵六'),
]
for user_id, name in users:
shard = get_shard(user_id) # 自动选择分片
shard.set(user_id, name)
print(f"{user_id} 存储到分片 {redis_nodes.index(shard)}")
# 取数据时也要用同样的算法
user_id = 'user:1002'
shard = get_shard(user_id)
print(f"{user_id} 的数据是: {shard.get(user_id)}")