我当年负责一个项目（中国电信BDC项目），购买的数据库硬件是P590小机组。通过压力测试后系统上线后，业务迅猛发展。小机的内存、CPU长期在98%上下徘徊。硬件虽然好，但是也扛不住业务的狂飙，应用服务器横向扩展相对比较容易，而数据库的升级相当的昂贵。

    怎么办？当然首先是一堆的参数的调优和系统的调优。但是指标下降的不是特别理想；

    怎么办？对系统进行合理拆分吧。

    数据库拆分又分为垂直拆分和水平拆分，垂直拆分相对动静小一点。教育要从娃娃抓起，优化要从简单的抓起。

    垂直切分，也可以称为纵向切分。我个人对垂直切分的理解是分两种，一种是把不同模块需要的表且分开，不同的模块放到不同的数据库中；另外一种是把一些特别大的表，把实际常用的字段，不常用的字段切分成两张表或者多张表。

也可以将数据库想象成由很多个一大块一大块的"数据块"（表）组成，垂直地将这些"数据块"切开，然后把它们分散到多台数据库主机上面。这样的切分方法就是垂直数据切分。

切分数据库模块

我们的应用系统，内部由很多个功能模块所组成的，而每一个功能模块所需要的数据对应到数据库中就是一个或多个表。而各个功能模块相互之间的交互点越统一、越少，系统的耦合度就越低，系统各个模块的维护性及扩展性也就越好。这样的系统，实现数据的垂直切分也就越容易。

在垂直切分之前，我们要把功能模块梳理清楚，耦合度越低，数据垂直切分的规则定义也就越容易。完全可以根据功能模块来进行数据的切分，不同功能模块的数据存放于不同的数据库主机中，可以很容易就避免跨数据库的事情存在，同时系统架构也非常清晰。

但是在实际中，如果这个系统当时是设计为一个系统，那么这些数据之间就必定有一些关联，否则怎么形成一个系统。但是在电信中，数据库之间的DBlink是不允许使用的，那么在特定的情况下，使用专门的接口或者让应用程序读取多个数据库然后处理数据，是一个必然的选择。

    但是，数据本身规模的提升，比如主电话用户数达到了1.2亿，单张表的查询所需要的资源开销就已经非常大了，这个时候垂直切分起不了那么多作用，但是饭要一口一口吃，还是先把垂直切分的问题解决吧。

我们先分析一下，然后设计一个切分规则，进行一次垂直拆分。

初略一看，没有哪个模块可以脱离其他模块独立存在，模块与模块之间都存在着关系，莫非无法切分？

我们先把系统的主要功能模块进行分类，这样问题就清楚多了。

系统功能基本可以分为4个功能模块：电话用户表、地址库、对外服务库以及数据采集加工库（采编维），分别对应为如下这些表：

1.电话用户表：area,user,tel,…

2.地址库：address , …

3.对外服务库：out_search,out_user,out_tel,…

4.数据采集加工库（采编维）:orders …

再稍微深入分析一下，可以发现，虽然各个模块所使用的表之间都有关联，但是关联关系还算清晰。

其中，数据采集加工库（采编维）和其他的模块没有必然的直接关系，那么可以考虑直接用一个新的数据库承接这块的服务。并且这一块的用户数相当大，和其他三个模块的使用情况比较接近，选定了一个目标，那就拆分吧。

我们的业务有一个特性，那就是和地区关系紧密，所有模块都需要使用area区域信息。

要共享区域信息有好几种办法：

DBLink最简单，而且能够共享一份数据，但是不符合公司的管理要求；

统一做接口，接口开发容易，调用也不难，但是对改造的系统，都有一定的改动，而且这个接口的性能要求不低，不是一个最优的选择；

最终选定的方法，就是在各个拆分的库之间，都放一张area表，因为中国的行政区划变化不频繁。与此同时，在这些area表之间做接口，如果数据有变动，会同步更新数据。

拆分之后，P590小机组是：电话用户表、地址库、对外服务库三大组；

有购买了P570小机部署：数据采集加工库（采编维）

切出来之后，数据采集加工库（采编维） 就成为了一个单独的项目，在以后的时间里，它发展壮大，成为一个大的平台，并且有了一个响亮的名字：统一采编维。

而我们，在垂直切分的路上，迈出了第一步。

垂直切分的优点：

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，整合容易；

垂直切分的缺点：

配套的实际投入（软硬件）会增加；

部分表关联无法在数据库级别完成，要在程序中完成；

无法处理访问大且数据量超大的表的性能瓶颈；

事务处理相对复杂；

切分达到一定程度之后，扩展性会受到限制；

过度切分可能会带来系统过于复杂而难以维护。

切分数据库特大表

在早期的数据库设计中，因为各种各样的原因，会让系统中存在一些特大表。这些表，不仅数据的行数特别多；而且字段还特别多。

比如我们的老GPS数据加工表，这张表有220多个字段。数据量有6000多万。这种表，如果一不小心有人写的SQL是全表扫描，那么整个数据库实例都要被拖累。

就是一个普通的数据写入，创建索引也是一个很大的开销。

怎么办，其实垂直切分不是解决问题的根本途径，但是这个总归比较简单，在做一个重大的决定前，总要从简单的部分做起；就和跑步一样先做做热身活动，然后才能开始跑起来，这样才能跑的更好，更远。

    这张表非常古老，一直忽视了他的存在，一直到有一天，有一位同事对这张表做了点操作，小机组差点挂掉。这个问题，必须要解决。

    一步一步来，首先对这张表的220个字段进行分析，从属性上说，主要是用户信息，地址信息，GPS信息，辅助扩展信息（QQ号码、MSN号码等），操作日志等。

    简单切分下，用户信息放用户表，用用户ID关联；地址信息和GPS保留，辅助扩展属性基本是空的，放到一对一的扩展表中，操作日志放日志表。

    这样下来，GPS数据加工表的主表就只有30个字段，虽然有点多，但是比以前好太多了，剩下的问题，就是6000多万的数据了，那需要其他的处理方式。

数据库优化-垂直切分以及在实际项目中的应用