NewLife.XCode是一个有15年历史的开源数据中间件，反对netcore/net45/net40，由新生命团队(2002~2019)开发实现并保护至今，以下简称XCode。
整个系列教程会大量联合示例代码和运行日志来进行深入分析，蕴含多年开发教训于其中，代表作有百亿级大数据实时计算我的项目。
开源地址：https://github.com/NewLifeX/X （求star, 938+）
XCode是重度充血模型，以单表操作为外围，不反对多表关联Join，简单查问只能在where上做文章，整个select语句肯定是from单表，因而对分表操作具备人造劣势！
！！ 浏览本文之前，倡议回顾《百亿级性能》，其中“索引齐备”章节详细描述了大型数据表的外围要点。
100亿数据其实并不多，一个比拟常见的数据分表分库模型：
MySql数据库8主8从，每服务器8个库，每个库16张表，共1024张表（从库也有1024张表） ，每张表1000万到5000万数据，整好100亿到500亿数据！
例程分析
例程地位：https://github.com/NewLifeX/X...
新建控制台我的项目，nuget援用NewLife.XCode后，建设一个实体模型（批改Model.xml）：
<Tables Version="9.12.7136.19046" NameSpace="STOD.Entity" ConnName="STOD" Output="" BaseClass="Entity" xmlns:xs="http://www.w3.org/2001/XMLSchema-instance" xs:schemaLocation="http://www.newlifex.com https://raw.githubusercontent.com/NewLifeX/X/master/XCode/ModelSchema.xsd" xmlns="http://www.newlifex.com/ModelSchema.xsd">
</Tables>
在Build.tt上右键运行自定义工具，生成实体类“历史.cs”和“历史.Biz.cs”。不必批改其中代码，待会咱们将借助该实体类来演示分表分库用法。
为了不便，咱们将应用SQLite数据库，因而不须要配置任何数据库连贯，XCode检测到没有名为STOD的连贯字符串时，将默认应用SQLite。
此外，也能够通过指定名为STOD的连贯字符串，应用其它非SQLite数据库。
按数字散列分表分库
大量订单、用户等信息，可采纳crc16散列分表，咱们把该实体数据拆分到4个库共16张表外面：
static void TestByNumber()
{
XTrace.WriteLine("按数字分表分库");// 事后筹备好各个库的连贯字符串，动静减少，也能够在配置文件写好for (var i = 0; i < 4; i++){ var connName = $"HDB_{i + 1}"; DAL.AddConnStr(connName, $"data source=numberData\\{connName}.db", null, "sqlite"); History.Meta.ConnName = connName; // 每库建设4张表。这一步不是必须的，首次读写数据时也会创立 //for (var j = 0; j < 4; j++) //{ // History.Meta.TableName = $"History_{j + 1}"; // // 初始化数据表 // History.Meta.Session.InitData(); //}}//!!! 写入数据测试// 4个库for (var i = 0; i < 4; i++){ var connName = $"HDB_{i + 1}"; History.Meta.ConnName = connName; // 每库4张表 for (var j = 0; j < 4; j++) { History.Meta.TableName = $"History_{j + 1}"; // 插入一批数据 var list = new List<History>(); for (var n = 0; n < 1000; n++) { var entity = new History { Category = "交易", Action = "转账", CreateUserID = 1234, CreateTime = DateTime.Now, Remark = $"[{Rand.NextString(6)}]向[{Rand.NextString(6)}]转账[￥{Rand.Next(1_000_000) / 100d}]" }; list.Add(entity); } // 批量插入。两种写法等价 //list.BatchInsert(); list.Insert(true); }}}
通过 DAL.AddConnStr 动静向零碎注册连贯字符串：
var connName = $"HDB_{i + 1}";
DAL.AddConnStr(connName, $"data source=numberData\{connName}.db", null, "sqlite");
连贯名必须惟一，且有法则，前面要用到。数据库名最好也有肯定法则。
应用时通过Meta.ConnName指定后续操作的连贯名，Meta.TableName指定后续操作的表名，本线程无效，不会干预其它线程。
var connName = $"HDB_{i + 1}";
History.Meta.ConnName = connName;
History.Meta.TableName = $"History_{j + 1}";
留神，ConnName/TableName扭转后，将会始终维持该参数，直到批改为新的连贯名和表名。
指定表名连贯名后，即可在本线程内继续应用，前面应用批量插入技术，给每张表插入一批数据。
运行成果如下：
连贯字符串指定的numberData目录下，生成了4个数据库，每个数据库生成了4张表，每张表内插入1000行数据。
指定不存在的数据库和数据表时，XCode的反向工程将会主动建表建库，这是它独有的性能。（因异步操作，密集建表建库时可能有肯定几率失败，重试即可）
按工夫序列分表分库
日志型的工夫序列数据，特地适宜分表分库存储，定型拆分模式是，每月一个库每天一张表。
static void TestByDate()
{
XTrace.WriteLine("按工夫分表分库，每月一个库，每天一张表");// 事后筹备好各个库的连贯字符串，动静减少，也能够在配置文件写好var start = DateTime.Today;for (var i = 0; i < 12; i++){ var dt = new DateTime(start.Year, i + 1, 1); var connName = $"HDB_{dt:yyMM}"; DAL.AddConnStr(connName, $"data source=timeData\\{connName}.db", null, "sqlite");}// 每月一个库，每天一张表start = new DateTime(start.Year, 1, 1);for (var i = 0; i < 365; i++){ var dt = start.AddDays(i); History.Meta.ConnName = $"HDB_{dt:yyMM}"; History.Meta.TableName = $"History_{dt:yyMMdd}"; // 插入一批数据 var list = new List<History>(); for (var n = 0; n < 1000; n++) { var entity = new History { Category = "交易", Action = "转账", CreateUserID = 1234, CreateTime = DateTime.Now, Remark = $"[{Rand.NextString(6)}]向[{Rand.NextString(6)}]转账[￥{Rand.Next(1_000_000) / 100d}]" }; list.Add(entity); } // 批量插入。两种写法等价 //list.BatchInsert(); list.Insert(true);}}
工夫序列分表看起来比数字散列更简略一些，分表逻辑清晰明了。
例程遍历了往年的365天，在连贯字符串指定的timeData目录下，生成了12个月份数据库，而后每个库外面按月生成数据表，每张表插入1000行模仿数据。
综上，分表分库其实就是在操作数据库之前，事后设置好 Meta.ConnName/Meta.TableName，其它操作不变！
分表查问
说到分表，许多人第一反馈就是，怎么做跨表查问？
不好意思，不反对！
只能在多张表上各自查问，如果零碎设计不合理，甚至可能须要在所有表上进行查问。
不倡议做视图union，那样会无穷无尽，业务逻辑还是放在代码中为好，数据库做好存储与根底计算。
分表查问的用法与分表添删改一样：
static void SearchByDate()
{
// 事后筹备好各个库的连贯字符串，动静减少，也能够在配置文件写好var start = DateTime.Today;for (var i = 0; i < 12; i++){ var dt = new DateTime(start.Year, i + 1, 1); var connName = $"HDB_{dt:yyMM}"; DAL.AddConnStr(connName, $"data source=timeData\\{connName}.db", null, "sqlite");}// 随机日期。批量操作start = new DateTime(start.Year, 1, 1);{ var dt = start.AddDays(Rand.Next(0, 365)); XTrace.WriteLine("查问日期：{0}", dt); History.Meta.ConnName = $"HDB_{dt:yyMM}"; History.Meta.TableName = $"History_{dt:yyMMdd}"; var list = History.FindAll(); XTrace.WriteLine("数据：{0}", list.Count);}// 随机日期。个例操作start = new DateTime(start.Year, 1, 1);{ var dt = start.AddDays(Rand.Next(0, 365)); XTrace.WriteLine("查问日期：{0}", dt); var list = History.Meta.ProcessWithSplit( $"HDB_{dt:yyMM}", $"History_{dt:yyMMdd}", () => History.FindAll()); XTrace.WriteLine("数据：{0}", list.Count);}}
依然是通过设置 Meta.ConnName/Meta.TableName 来实现分表分库。日志输入能够看到查找了哪个库哪张表。
这里多了一个 History.Meta.ProcessWithSplit ，其实是快捷办法，在回调内应用连贯名和表名，退出后还原。
分表分库后，最容易犯下的谬误，就是应用时忘了设置表名，在谬误的表上查找数据，而后怎么也查不到……
分表策略
依据这些年的教训：
● Oracle适宜单表1000万~1亿行数据，要做分区
● MySql适宜单表1000万~5000万行数据，很少人用MySql分区
如果对立在应用层做拆分，数据库只负责存储，那么下面的计划实用于各种数据库。
同时，单表数据下限，就是大家常问的应该分为几张表？在零碎生命周期内（个别1~2年），确保拆分后的每张表数据总量在1000万左近最佳。
依据《百亿级性能》，常见分表策略如下：
● 日志型工夫序列表，如果每月数据有余1000万，则按月分表，否则按天分表。毛病是数据热点极为显著，适宜热表、冷表、归档表的梯队架构，长处是批量写入和抽取性能显著；
● 状态表（订单、用户等），按Crc16哈希分表，以1000万为准，决定分表数量，向上取整为2的指数倍（为了好算）。数据冷热平均，利于单行查问更新，毛病是不利于批量写入和抽取；
● 混合分表。订单表能够依据单号Crc16哈希分表，便于单行查找更新，作为宽表领有各种明细字段，同时还能够基于订单工夫建设一套工夫序列表，作为冗余，只存储单号等必要字段。这样就解决了又要主键分表，又要按工夫维度查问的问题。毛病就是订单数据须要写两份，当然，工夫序列表只须要插入单号，其它更新操作不波及。
至于是否须要分库，次要由存储空间以及性能要求决定。
分表与分区比照
还有一个很常见的问题，为什么应用分表而不是分区？
大型数据库Oracle、MSSQL、MySql都反对分区，前两者较多应用分区，MySql则较多分表。
分区和分表并没有实质的不同，两者都是为了把海量数据依照肯定的策略拆分存储，以优化写入和查问。
● 分区除了能建设子索引外，还能够建设全局索引，而分表不能建设全局索引；
● 分区能跨区查问，但十分十分慢，一不小心就扫描所有分区；
● 分表架构，很容易做成分库，反对轻易扩大到多台服务器下来，分区只能要求数据库服务器更强更大；
● 分区次要由DBA操作，分表次要由程序员管制；
！！！某我的项目应用XCode分表性能，曾经过生产环境三年半考验，日均新增4000万~5000万数据量，2亿多次添删改，总数据量数百亿。