一.什么是数据切分

指通过某种特定的条件，将我们存放在同一个数据库中的数据分散存
放到多个数据库（主机）上面，以达到分散单台设备负载的效果。

数据切分一般分为两种：垂直切分和水平切分。

二.垂直切分

按照应用程序功能模块来分多个数据库,就是垂直拆分。

优点：
◆ 数据库的拆分简单明了，拆分规则明确；

◆ 应用程序模块清晰明确，较为简单,整合容易；

◆ 数据维护方便,容易定位

缺点：
◆ 部分表关联无法在数据库级别完成，需要在程序中完成，存在跨库join的问题。对于这类的表，就需要去做取舍，是数据库让步业务，共用一个数据源，还是分成多个库，业务之间通过接口来做调用处理；初期数据量比较少，或者资源有限的情况下，会选择共用数据源，但是当数据发展到了一定的规模，负载很大的情况，就需要必须去做分割。

◆ 对于访问极其频繁且数据量超大的表仍然存在性能瓶颈，不一定能满足要求；

◆ 事务处理相对更为复杂；

◆ 切分达到一定程度之后，扩展性会遇到限制；

◆ 过多切分可能会带来系统过度复杂而维护困难。

三.水平拆分

为了解决垂直拆分带来的问题,(一般来说是基于解决超大表性能瓶颈问题,查询很慢,读写分离模式只有一台主机,若遇到高并发插入,一台主机承受不住压力),引入了水平拆分。

水平拆分不是将表做分类，而是按照某个字段的某种规则来分散到多个库之中，每个表中包含一部分数据。简单来说，数据的水平切分理解为是按照数据记录行来切分，将表中的某些行切分到一个数据库，而另外的某些行又切分到其他的数据库中,也就是俗称分库分表。

水平切分的优点

◆ 表关联基本能够在数据库端全部完成；----不需要通过应用程序来关联表查询合并

◆ 不会存在某些超大型数据量和高负载的表遇到瓶颈的问题；----分多库多表则不管是查询还是插入都不存在性能瓶颈问题

◆ 事务处理相对简单；

◆ 应用程序端整体架构改动相对较少；----对程序基本透明

水平切分的缺点

◆ 切分规则相对更为复杂，很难抽象出一个能够满足整个数据库的切分规则；

◆ 后期数据的维护难度有所增加，人为手工定位数据更困难；

◆ 应用系统各模块耦合度较高，可能会对后面数据的迁移拆分造成一定的困难。

◆ 跨节点合并排序分页问题

◆ 多数据源管理问题

四.Mycat简介

Mycat是一个数据库代理,MySQL、SQL Server、Oracle、DB2、PostgreSQL等主流数据库，也支持MongoDB这种新型NoSQL方式的存储

Mycat并不存储数据，只做数据路由,我们也可以简单认为Mycat就是数据库中间件。

它拦截了用户发送过来的SQL语句，首先对SQL语句做了一些特定的分析：如分片分析、路由分析、读写分离分析、缓存分析等，然后将此SQL发往后端的真实数据库，并将返回的结果做适当的处理，最终再返回给用户。

五.Mycat重要概念

逻辑库(schema)：存在在mycat里面的虚拟库

逻辑表（table）：存在在mycat里面的虚拟表

分片表：分片表，是指那些原有的很大数据的表，需要切分到多个数据库的表，这样，每个分片都有一部分数据，所有分片构成了完整的数据

非分片表：不需要进行数据切分的表

ER表：子表的记录与所关联的父表记录存放在同一个数据分片上，即子表依赖于父表，通过表分组（Table Group）保证数据Join不会跨库操作。

表分组（Table Group）：是解决跨分片数据join的一种很好的思路，也是数据切分规划的重要一条规则

全局表：例如字典表，每一个数据分片节点上有保存了一份字典表数据
数据冗余是解决跨分片数据join的一种很好的思路，也是数据切分规划的另外一条重要规则

分片节点(dataNode)：数据切分后，一个大表被分到不同的分片数据库上面，每个表分片所在的数据库就是分片节点

节点主机(dataHost)：数据切分后，每个分片节点（dataNode）不一定都会独占一台机器，同一机器上面可以有多个分片数据库，这样一个或多个分片节点（dataNode）所在的机器就是节点主机（dataHost）,为了规避单节点主机并发数限制，尽量将读写压力高的分片节点（dataNode）均衡的放在不同的节点主机（dataHost）

分片规则(rule)：前面讲了数据切分，一个大表被分成若干个分片表，就需要一定的规则，这样按照某种业务规则把数据分到某个分片的规则就是分片规则，数据切分选择合适的分片规则非常重要，将极大的避免后续数据处理的难度。

全局序列号(sequence)：数据切分后，原有的关系数据库中的主键约束在分布式条件下将无法使用，因此需要引入外部机制保证数据唯一性标识，这种保证全局性的数据唯一标识的机制就是全局序列号（sequence）。

上述基本概念后续再看案例介绍