• 水平分库分表，根据什么规则进行？怎么划分？- 方案一：自增id，根据ID范围进行分表（左闭右开）
  • 规则案例
    • 1~1,000,000 是 table_1
    • 1,000,000 ~2,000,000 是 table_2
    • 2,000,000~3,000,000 是 table_3
    • ...更多
  • 优点
    • id是自增长，可以无限增长
    • 扩容不用迁移数据，容易理解和维护
  • 缺点
    • 大部分读和写都访会问新的数据，有IO瓶颈，整体资源利用率低
    • 数据倾斜严重，热点数据过于集中，部分节点有瓶颈
      
• Range范围分库分表，有热点问题，所以这个没用？
  • 关于怎么选择分库分表策略问题，如果业务适合就行，没有万能策略！！！！
  • 基于方案一：自增id，根据ID范围进行分表延伸解决方案，你能想到多少种
• 范围角度思考问题 (范围的话更多是水平分表)
  • 数字
    • 自增id范围
  • 时间
    • 年、月、日范围
    • 比如按照月份生成 库或表 pay_log_2022_01、pay_log_2022_02
  • 空间
    • 地理位置：省份、区域（华东、华北、华南）
    • 比如按照 省份 生成 库或表
      
• 基于Range范围分库分表业务场景
  • 微博发送记录、微信消息记录、日志记录，id增长/时间分区都行
    • 水平分表为主，水平分库则容易造成资源的浪费
  • 网站签到等活动流水数据时间分区最好
    • 水平分表为主，水平分库则容易造成资源的浪费
  • 大区划分（一二线城市和五六线城市活跃度不一样，如果能避免热点问题，即可选择）
    • saas业务水平分库（华东、华南、华北等）