一分鐘掌握資料庫垂直拆分
一、緣起
當資料庫的資料量非常大時，水平切分和垂直拆分是兩種常見的降低資料庫大小，提升效能的方法。假設有使用者表：
user(
uid bigint,
name varchar(16),
pass varchar(16),
age int,
sex tinyint,
flag tinyint,
sign varchar(64),
intro varchar(256)
…);
水平切分是指，以某個欄位為依據（例如uid），按照一定規則（例如取模），將一個庫（表）上的資料拆分到多個庫（表）上，以降低單庫（表）大小，達到提升效能的目的的方法，水平切分後，各個庫（表）的特點是：
（1）每個庫（表）的結構都一樣
（2）每個庫（表）的資料都不一樣，沒有交集
（3）所有庫（表）的並集是全量資料
二、什麼是垂直拆分
垂直拆分是指，將一個屬性較多，一行資料較大的表，將不同的屬性拆分到不同的表中，以降低單庫（表）大小，達到提升效能的目的的方法，垂直切分後，各個庫（表）的特點是：
（1）每個庫（表）的結構都不一樣
（2）一般來說，每個庫（表）的屬性至少有一列交集，一般是主鍵
（3）所有庫（表）的並集是全量資料
還是以上文提到的使用者表為例，如果要垂直拆分，可能拆分結果會是這樣的：
user_base(
uid bigint,
name varchar(16),
pass varchar(16),
age int,
sex tinyint,
flag tinyint,
…);
user_ext(
uid bigint,
sign varchar(64),
intro varchar(256)
…);
三、垂直切分的依據是什麼
當一個表屬性很多時，如何來進行垂直拆分呢？如果沒有特殊情況，拆分依據主要有幾點：
（1）將長度較短，訪問頻率較高的屬性儘量放在一個表裡，這個表暫且稱為主表
（2）將欄位較長，訪問頻率較低的屬性儘量放在一個表裡，這個表暫且稱為擴充套件表
如果1和2都滿足，還可以考慮第三點：
（3）經常一起訪問的屬性，也可以放在一個表裡
優先考慮1和2，第3點不是必須。另，如果實在屬性過多，主表和擴充套件表都可以有多個。
一般來說，資料量併發量比較大時，資料庫的上層都會有一個服務層。需要注意的是，當應用方需要同時訪問主表和擴充套件表中的屬性時，服務層不要使用join來連表訪問，而應該分兩次進行查詢：
原因是，大資料高併發網際網路場景下，一般來說，吞吐量和擴充套件性是主要矛盾：
（1）join更消損耗資料庫效能
（2）join會讓base表和ext表耦合在一起（必須在一個數據庫例項上），不利於資料量大時拆分到不同的資料庫例項上（機器上）。畢竟減少資料量，提升效能才是垂直拆分的初衷。
四、為什麼要這麼這麼拆分
為何要將欄位短，訪問頻率高的屬性放到一個表內？為何這麼垂直拆分可以提升效能？因為：
（1）資料庫有自己的記憶體buffer，會將磁碟上的資料load到記憶體buffer裡（暫且理解為程序內快取吧）
（2）記憶體buffer快取資料是以row為單位的
（3）在記憶體有限的情況下，在資料庫記憶體buffer裡快取短row，就能快取更多的資料
（4）在資料庫記憶體buffer裡快取訪問頻率高的row，就能提升快取命中率，減少磁碟的訪問
舉個例子就很好理解了：
假設資料庫記憶體buffer為1G，未拆分的user表1行資料大小為1k，那麼只能快取100w行資料。
如果垂直拆分成user_base和user_ext，其中：
（1）user_base訪問頻率高（例如uid, name, passwd, 以及一些flag等），一行大小為0.1k
（2）user_ext訪問頻率低（例如簽名, 個人介紹等），一行大小為0.9k
那邊記憶體buffer就就能快取近乎1000w行user_base的記錄，訪問磁碟的概率會大大降低，資料庫訪問的時延會大大降低，吞吐量會大大增加。
五、總結
（1）水平拆分和垂直拆分都是降低資料量大小，提升資料庫效能的常見手段
（2）流量大，資料量大時，資料訪問要有service層，並且service層不要通過join來獲取主表和擴充套件表的屬性
（3）垂直拆分的依據，儘量把長度較短，訪問頻率較高的屬性放在主表裡