一. 什么是数据切分
指通过某种特定的条件，将咱们寄存在同一个数据库中的数据扩散存
放到多个数据库（主机）下面，以达到扩散单台设施负载的成果。
数据切分个别分为两种：垂直切分 和程度切分。
二. 垂直切分
依照应用程序功能模块来分多个数据库, 就是垂直拆分。
长处：
◆ 数据库的拆分简单明了，拆分规定明确；
◆ 利用程序模块清晰明确，较为简单, 整合容易；
◆ 数据保护不便, 容易定位
毛病：
◆ 局部表关联无奈在数据库级别实现，须要在程序中实现，存在跨库 join 的问题。对于这类的表，就须要去做取舍，是数据库退让业务，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解决；初期数据量比拟少，或者资源无限的状况下，会抉择共用数据源，然而当数据倒退到了肯定的规模，负载很大的状况，就须要必须去做宰割。
◆ 对于拜访极其频繁且数据量超大的表依然存在性能瓶颈，不肯定能满足要求；
◆ 事务处理绝对更为简单；
◆ 切分达到肯定水平之后，扩展性会遇到限度；
◆ 过多切分可能会带来零碎适度简单而保护艰难。
三. 程度拆分
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, 查问很慢, 读写拆散模式只有一台主机, 若遇到高并发插入, 一台主机承受不住压力), 引入了程度拆分。
程度拆分不是将表做分类，而是依照某个字段的某种规定来扩散到多个库之中，每个表中蕴含一部分数据。简略来说，数据的程度切分了解为是依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余的数据库中, 也就是俗称分库分表。
程度切分的长处
◆ 表关联根本可能在数据库端全副实现；—- 不须要通过应用程序来关联表查问合并
◆ 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；—- 分多库多表则不论是查问还是插入都不存在性能瓶颈问题
◆ 事务处理绝对简略；
◆ 应用程序端整体架构改变绝对较少；—- 对程序根本通明
程度切分的毛病
◆ 切分规定绝对更为简单，很难形象出一个可能满足整个数据库的切分规定；
◆ 前期数据的保护难度有所增加，人为手工定位数据更艰难；
◆ 利用零碎各模块耦合度较高，可能会对前面数据的迁徙拆分造成肯定的艰难。
◆ 跨节点合并排序分页问题
◆ 多数据源治理问题
四.Mycat 简介
Mycat 是一个数据库代理,MySQL、SQL Server、Oracle、DB2、PostgreSQL 等支流数据库，也反对 MongoDB 这种新型 NoSQL 形式的存储
Mycat 并不存储数据，只做数据路由, 咱们也能够简略认为 Mycat 就是数据库中间件。
它拦挡了用户发送过去的 SQL 语句，首先对 SQL 语句做了一些特定的剖析：如分片剖析、路由剖析、读写拆散剖析、缓存剖析等，而后将此 SQL 发往后端的实在数据库，并将返回的后果做适当的解决，最终再返回给用户。
五.Mycat 重要概念
逻辑库(schema)：存在在 mycat 外面的虚构库
逻辑表（table）：存在在 mycat 外面的虚构表
分片表：分片表，是指那些原有的很大数据的表，须要切分到多个数据库的表，这样，每个分片都有一部分数据，所有分片形成了残缺的数据
非分片表：不须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寄存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，也是数据切分布局的重要一条规定
全局表 ：例如字典表，每一个数据分片节点上有保留了一份字典表数据
数据冗余是解决跨分片数据 join 的一种很好的思路，也是数据切分布局的另外一条重要规定
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下面，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）不肯定都会独占一台机器，同一机器下面能够有多个分片数据库，这样一个或多个分片节点（dataNode）所在的机器就是节点主机（dataHost）, 为了躲避单节点主机并发数限度，尽量将读写压力高的分片节点（dataNode）平衡的放在不同的节点主机（dataHost）
分片规定(rule)：后面讲了数据切分，一个大表被分成若干个分片表，就须要肯定的规定，这样依照某种业务规定把数据分到某个分片的规定就是分片规定，数据切分抉择适合的分片规定十分重要，将极大的防止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束缚在分布式条件下将无奈应用，因而须要引入内部机制保证数据唯一性标识，这种保障全局性的数据惟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