上亿级别数据库查询
一。分区
创建年表和分区：
分区方案
分区表是由多个相关的底层表实现，这些底层表也是由句柄对象表示，所以我们也可以直接访问各个分区，存储引擎管理分区的各个底层表和管理普通表一样（所有的底层表都必须使用相同的存储引擎），分区表的索引只是在各个底层表上各自加上一个相同的索引，从存储引擎的角度来看，底层表和一个普通表没有任何不同，存储引擎也无须知道这是一个普通表还是一个分区表的一部分。这个方案也不错，它对用户屏蔽了sharding的细节，即使查询条件没有sharding column，它也能正常工作（只是这时候性能一般）。不过它的缺点很明显：很多的资源都受到单机的限制，例如连接数，网络吞吐等。如何进行分区，在实际应用中是一个非常关键的要素之一。在我们的项目中，以客户信息为例，客户数据量5000万加，项目背景要求保存客户的银行卡绑定关系，客户的证件绑定关系，以及客户绑定的业务信息。此业务背景下，该如何设计数据库呢。项目一期的时候，我们建立了一张客户业务绑定关系表，里面冗余了每一位客户绑定的业务信息。基本结构大致如下：
二。分库分表
如何进行分库分表，目前互联网上有许多的版本，比较知名的一些方案：
- 阿里的TDDL，DRDS和cobar，
- 京东金融的sharding-jdbc；
- 间组织的MyCAT；
- 360的Atlas；
- 美团的zebra；
- 其他比如网易、58、京东等公司都有自研的 中间件。
但是这么多的分库分表中间件方案，归总起来，就两类：client模式和proxy模式。
三。选择建立索引
三。sql优化
推荐阅读:
https://blog.csdn.net/rongtaoup/article/details/82457544
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/69949806/viewspace-2901330/ ，如需转载，请注明出处，否则将追究法律责任。
