saas应用分库分表

<font color="#e74f4c">第一种：磁盘读IO瓶颈，热点数据太多，数据库缓存放不下，<br>每次查询时会产生大量的IO，降低查询速度 -&gt; 分库和垂直分表</font><br>

<font color="#e74f4c">第二种：网络IO瓶颈，请求的数据太多，网络带宽不够 -&gt; 分库</font>

<font color="#e74f4c">第一种：SQL问题，如SQL中包含join，group by，order by，<br>非索引字段条件查询等，增加CPU运算的操作 -&gt; SQL优化，建立合适的索引，<br>在业务Service层进行业务计算</font><br>

<font color="#e74f4c">第二种：单表数据量太大，查询时扫描的行太多，SQL效率低，<br>CPU率先出现瓶颈 -&gt; 水平分表</font><br>

以字段为依据，按照一定策略（hash、range等），将一个库中的数据拆分到多个库中

每个库的结构都一样

每个库的数据都不一样，没有交集

所有库的并集是全量数据

系统绝对并发量上来了，分表难以根本上解决问题，并且还没有明显的业务归属来垂直分库

库多了，io和cpu的压力成倍缓解

以字段为依据，按照一定策略（hash、range等），将一个表中的数据拆分到多个表中

每个表的结构都一样

每个表的数据都不一样，没有交集

所有表的并集是全量数据

系统绝对并发量并没有上来，只是单表的数据量太多，影响了SQL效率，<br>加重了CPU负担，以至于成为瓶颈。推荐：一次SQL查询优化原理分析<br>

表的数据量少了，单次SQL执行效率高，自然减轻了CPU的负担

以表为依据，按照业务归属不同，将不同的表拆分到不同的库中

每个库的结构都不一样

每个库的数据也不一样，没有交集

所有库的并集是全量数据

系统绝对并发量上来了，可以抽象出单独的业务模块<br>

到这一步，基本上就可以服务化了。例如，随着业务的发展一些公用的配置表、字典表等越来越多，<br>这时可以将这些表拆到单独的库中，甚至可以服务化。再有，随着业务的发展孵化出了一套业务模式，<br>这时可以将相关的表拆到单独的库中，甚至可以服务化<br>

以字段为依据，按照字段的活跃性，将表中字段拆到不同的表（主表和扩展表）中

每个表的结构都不一样

每个表的数据也不一样，一般来说，每个表的字段至少有一列交集，一般是主键，用于关联数据

所有表的并集是全量数据

系统绝对并发量并没有上来，表的记录并不多，<br>但是字段多，并且热点数据和非热点数据在一起，<br>单行数据所需的存储空间较大。以至于数据库缓存的数据行减少，<br>查询时会去读磁盘数据产生大量的随机读IO，产生IO瓶颈<br>

可以用列表页和详情页来帮助理解。<br>垂直分表的拆分原则是将热点数据（可能会冗余经常一起查询的数据）放在一起作为主表，<br>非热点数据放在一起作为扩展表。<br>这样更多的热点数据就能被缓存下来，进而减少了随机读IO。<br>拆了之后，要想获得全部数据就需要关联两个表来取数据。<br><br><font color="#70d5d7">但记住，千万别用join，因为join不仅会增加CPU负担并且会讲两个表耦合在一起（必须在一个数据库实例上）。<br>关联数据，应该在业务Service层做文章，分别获取主表和扩展表数据然后用关联字段关联得到全部数据</font><br>

按照各个微服务实现数据跟业务隔离,但是不垂直分库

以组织跟用户为分表依据

ShardingJDBC+mycat

数据存入,详细数据按照医院对应存入对应数据库跟表;然后更新公共库的用户病历索引表

医生端按照所属医院库,表去读取数据信息

患者端在用户病历关联表获取数据索引,详细信息根据关联表的库表信息去相应数据库获取详细数据

备份数据库并清理原库下的用户数据