关于数据库的水平分割和垂直分割的几点介绍

水平切分估计是指按照时间切分，垂直切分是指按照设备ID切分，这样切分后，设备的状态日志会以记录的形式存储在不同的数据文件中，数据库对这些文件的访问可以通过设备ID和时间快速地查找到。而且应用中只是存储日志数据，不需要进行频繁的实时查询和统计，所以基本上数据库的任务就是接收数据，写入到文件中，文件对应的分片满了就再创建新的分片文件。这样整体的性能没有任何变化，系统的负载也是维持在一个常量的水平。

如果要对日志进行统计和分析，则会随着日志数量增加，性能显著下降，但这里没有这样的需求，即使有，也是用另外一组离线分析服务器进行处理。

1.水平拆分：

是根据主要查询条件，水平分表。例如，用户关系表， 根据用户id：

用户id为 1， 2， 3， 4，5 的五个用户，采用取模的方式水平分表。将uid mod 3，取余数

这样，id为1，4的用户就在 t_user_1 的表里， id 为2，5 的用户在 t_user_2的表里，id为3的就在t_user_3的表里。这样，所有用户就平均水平分布在三个表里。

查询时，根据查询条件，动态算出，该用户信息存储在哪个表里

2.垂直拆分：

是根据数据量进行分表。例如，网购订单表：

数据量过大，可能单表几千万条数据。那么，垂直分表， 将id为1-1000000放在第一张表里。

将id 1000000－2000000的放在第二张表里。这样，就实现了垂直分表。

查询时，根据查询条件，动态算出，该订单信息存储在哪个表里

同样可以，水平分库， 垂直分库。 也可以两者相结合，形成数据库矩阵集群。 数据表的矩阵。

数据库范式：

目前关系数据库有六种范式：第一范式（1NF）、第二范式（2NF）、第三范式（3NF）、巴斯-科德范式（BCNF）、第四范式(4NF）和第五范式（5NF，又称完美范式）。

具体可查看：http://baike.baidu.com/link?url=JlYxe21nUpGPzKprX5xF5SZRKop23u9OnXAaZNdtFBEAM4oCKxWgFtCgC8QhCYlE8oSFRatUvhPptcmwVSWfG_

为了维持范式，会降低数据库的查询性能，大量冗余信息等。在实际生产环境，很多情况下，不能去实现这种范式，所以要违反范式的定义，就是反范式数据库设计。

范式只是一个理想化状态，仅用于关系型数据库。

最近项目中遇到一个场景，需要能够在一个方法中 *** 作多个具有相同表结构数据库(你可以理解为一个表中的数据被水平拆分到多个库中，查询时需要遍历这多个库)。经过笔者几天的研究，最终解决了问题，并且写了一个demo共享到我的github。

---