分库分表有垂直和水平两种分法。
垂直拆分比较简单，也就是本来一个数据库，数据量大之后，从业务角度进行拆分多个库。如下图，独立的拆分出订单库和用户库
水平拆分是同一个业务数据量大之后，进行水平拆分。如果订单数据达到了4000万，我们知道mysql单表存储量推荐是百万级，如果不进行处理，mysql单表数据太大，会导致性能下降。把4000万数据拆分4张表或者更多。当然也可以分库，再分表；把压力从数据库层级分开。
1.分库分表方案
1.1 hash取模方案
在我们设计系统之前，可以先预估一下大概这几年的订单量，如：4000万。每张表我们可以容纳1000万，也我们可以设计4张表进行存储。
订单数据可以均匀的放到那4张表中，这样此订单进行操作时，就不会有热点问题。但是将来的数据迁移和扩容，会很难，重新hash之后所有的数据都需要做迁移。
这里热点的意思：排除某个用户某一个时间大量写入，后面会考虑。正常情况下对订单进行操作集中到1个表中，其他表的操作很少。
订单有个特点就是时间属性，一般用户操作订单数据，都会集中到这段时间产生的订单。如果这段时间产生的订单 都在同一张订单表中，那就会形成热点，那张表的压力会比较大。
最少迁移办法可以考虑一致性hash，具体请参考文章《一致性哈希算法》
1.2 range范围方案
range方案也就是以范围进行拆分数据。
range方案比较简单，就是把一定范围内的订单，存放到一个表中；如上图id=12放到0表中，id=1300万的放到1表中。设计这个方案时就是前期把表的范围设计好。通过id进行路由存放。
-
优点：
此方案有利于将来的扩容，不需要做数据迁移。即时再增加4张表，之前的4张表的范围不需要改变，id=12的还是在0表，id=1300万的还是在1表，新增的4张表他们的范围肯定是 大于 4000万之后的范围划分的。 -
缺点：
有热点问题，因为id的值会一直递增变大，那这段时间的订单会一直在某一张表中，如id=1000万 ～ id=2000万之间，这段时间产生的订单是不是都会集中到此张表中，这个就导致1表过热，压力过大，而其他的表没有什么压力。
2.结合两者的设计
我们考虑一下数据的扩容代表着，路由key（如id）的值变大了，这个是一定的，那我们先保证数据变大的时候，首先用range方案让数据落地到一个范围里面。这样以后id再变大，那以前的数据是不需要迁移的。
但又要考虑到数据均匀，那是不是可以在一定的范围内数据均匀的呢？因为我们每次的扩容肯定会事先设计好这次扩容的范围大小，我们只要保证这次的范围内的数据均匀是不是就ok了。
2.1方案设计
我们先定义一个group组概念，这组里面包含了一些分库以及分表，如下图
上图有几个关键点:
- id=0～4000万肯定落到group01组中
- group01组有3个DB，那一个id如何路由到哪个DB？
- 根据hash取模定位DB，那模数为多少？模数要为所有此group组DB中的表数，上图总表数为10。为什么要去表的总数？而不是DB总数3呢？
- 如id=12，id%10=2；那值为2，落到哪个DB库呢？这是设计是前期设定好的，那怎么设定的呢？
- 一旦设计定位哪个DB后，就需要确定落到DB中的哪张表呢？
2.2核心主流程
按照上面的流程，我们就可以根据此规则，定位一个id，我们看看有没有避免热点问题。
我们看一下，id在【0，1000万】范围内的，根据上面的流程设计，1000万以内的id都均匀的分配到DB_0,DB_1,DB_2三个数据库中的Table_0表中，为什么可以均匀，因为我们用了hash的方案，对10进行取模。
在我们安排服务器时，有些服务器的性能高，存储高，就可以安排多存放些数据，有些性能低的就少放点数据。如果我们取模是按照DB总数3，进行取模，那就代表着【0，4000万】的数据是平均分配到3个DB中的，那就不能够实现按照服务器能力适当分配了。
按照Table总数10就能够达到，看如何达到:
上图中我们对10进行取模，如果值为【0，1，2，3】就路由到DB_0，【4，5，6】路由到DB_1，【7，8，9】路由到DB_2。现在小伙伴们有没有理解，这样的设计就可以把多一点的数据放到DB_0中，其他2个DB数据量就可以少一点。DB_0承担了4/10的数据量，DB_1承担了3/10的数据量，DB_2也承担了3/10的数据量。整个Group01承担了【0，4000万】的数据量。
2.3如何扩容
其实上面设计思路理解了，扩容就已经出来了；那就是扩容的时候再设计一个group02组，定义好此group的数据范围就ok了。
因为是新增的一个group01组，所以就没有什么数据迁移概念，完全是新增的group组，而且这个group组照样就防止了热点，也就是【4000万，5500万】的数据，都均匀分配到三个DB的table_0表中，【5500万～7000万】数据均匀分配到table_1表中。
2.4系统设计
思路确定了，设计是比较简单的，就3张表，把group，DB，table之间建立好关联关系就行了
上面的表关联其实是比较简单的，只要原理思路理顺了，就ok了。在开发的时候不要每次都去查询三张关联表，可以保存到缓存中（本地jvm缓存），这样不会影响性能
3.思考
这样的操作是把订单id做了分库分表。如果我需要查询某个用户下的所有订单，这样分表之后，会导致查询变得复杂。
这样的话是不是可以考虑在做hash的时候，使用用户id进行一致性hash，使用一致性hash方便日后进行数据库扩容。同时，创建一个表用于保存用户在每一个组里的最大的订单id，以及有多少条订单。查询时根据这个订单id查到用户订单在哪个组里，然后按照用户id做hash后找到对应的db，然后再通过最大id查找表，然后查数据。如果计算在当前组查询的总数比订单数多，则自动查询上一个组。
参考
如何永不迁移数据和避免热点? 根据服务器指标分配数据量(揭秘篇)
你知道怎么分库分表吗？如何做到永不迁移数据和避免热点吗？