分库分表

MySQL 分库分表完全指南：ShardingSphere-JDBC 实战、分片键选型、场景边界、20 个生产坑与 30 道面试点这是一篇写完就能拿去跟架构师对线、也能拿去面试的长文。全文基于 Apache ShardingSphere 5.x（5.4.x / 5.5.x 均适用，5.5.3 为当前最新稳定版），覆盖五件事： ① 什么时候该分库分表、什么时候千万别分；② 分片键到底怎么选（含基因法完整推导）；③ 完整可落地的配置与代码；④ 生产环境 20 个真实踩过的坑；⑤ 面试必问 30 题 + 面试官最爱挖的坑点。

code_slave(码畜)

微服务架构落地：分库分表实战（下） —— 分布式主键、跨分片查询与分页聚合防坑大宗商品销采运储系统・六层架构连载（数据持久层）上一篇我们完成了分库分表的“上篇”：讲了切分策略（垂直/水平），用“基因法”解决了路由痛点，并梳理了不停机平滑扩容的步骤。

通话记录与工单关联数据库设计：ER图、中间表、索引优化与分库分表（2026版）通话记录和工单系统分开存，查问题要跨系统。数据库怎么设计才能关联？本文围绕通话记录与工单的关联设计，系统讲解数据模型、关联键、外键与中间表、宽表与视图、索引优化、分库分表、跨系统查询、数据一致性、监控告警与安全合规，提供可落地的ER图、SQL示例、查询优化对照表和FAQ。适合后端开发、数据库工程师、系统架构师阅读，帮助团队把通话记录和工单打通，支撑客服追溯、质检分析、工单流转和数据报表。

数据库小学妹

MySQL大表怎么优化？2亿行表的分区归档与冷热分离实战大家好，我是数据库小学妹👋 我踩过的坑，你别再踩。去年我接手一个订单库，主表 2 亿行。接手第一周就撞上三件事。查最近一个月的订单，要从 2 亿行里翻，慢。想加个联合索引，DDL 排了两个小时还没跑完。做一次全备，备份窗口一路撑到凌晨五点。

数据库读写分离与动态路由实战：Spring Boot + ShardingSphere-JDBC 生产配置业务刚跑起来时，读写比例拉到 8:2 甚至 9:1，单库 CPU 和连接数很快就会打满。这时候上读写分离不是赶时髦，是系统续命的刚需。

数据库小学妹

集群与分布式啥区别？从主从集群到分布式实战大家好，我是数据库小学妹 👋我踩过的坑，你别再踩。朋友小林做社区团购，他的订单库从一台破服务器，一路升级到分布式，整整用了三年。三年里，同一个问题他问了我三次：“集群与分布式，现在要不要上？”

企业数据库选型与演进：Oracle、达梦、MySQL 与分库分表实践数据库选型首先服务于业务模型、事务边界、数据规模、合规约束、团队能力和迁移成本；分库分表也不是性能焦虑下的默认方案，应先把单库单表、SQL、索引、连接池和读写模型优化到合理，再用数据证明需要拆分。

西凉的悲伤

Spring Boot + ShardingSphere 介绍随着业务的发展，订单表、支付表、交易流水表等核心业务表的数据量会不断增长。当单表数据达到数千万甚至上亿级别时，查询性能、索引维护、数据备份和数据库扩容等问题都会逐渐显现。

SpringCloud 进阶拓展：性能优化指南（缓存三大问题 + 分库分表入门）在 Spring Cloud 微服务架构中，随着业务规模增长和用户量激增，系统性能瓶颈逐渐显现。缓存作为提升系统吞吐量的关键技术，常常面临穿透、击穿、雪崩等问题；而数据库则会遭遇单库单表数据量过大导致的查询缓慢、写入延迟等挑战。本文将深入剖析缓存三大问题的解决方案，并系统讲解数据库分库分表入门知识，为 Spring Cloud 微服务性能优化提供实战指南。

WebFlux + R2DBC 场景下的分库分表预研：从架构选型到落地风险在业务早期，单库单表通常是最简单、最稳定、成本最低的方案。但当系统中出现一些高频写入的大表时，单库单表会逐渐暴露问题。例如：

ProxySQL（三）—— 数据分片目录一、设置 ProxySQL 分片1. 基于用户的分片2. 基于库的分片3. 基于数据的分片（1）示例表结构

Java 大厂一面模拟：从线程本地存储到分库分表路由的连环拷问这是一场模拟 30 分钟左右的 Java 大厂一面，面向 1-3 年经验的 Java 后端候选人或校招高阶候选人。面试官风格贴近真实大厂一面节奏，注重基础原理、并发安全、JVM 底层、数据库设计与缓存一致性，同时结合典型业务场景（如订单、用户、活动系统）进行连续追问。整场面试强调“拷打感”——问题层层递进，从表象到原理，再到边界条件和线上落地取舍。

恼书:-(空寄

分库分表风险应对手册（生产实战版）包含：风险现象 → 原因 → 解决方案 → 预防措施 → 代码/配置示例，可用于架构评审、上线检查、故障应急。

一个拉胯的分库分表方案有多绝望？整个部门都在救火！大家好，我是冰河~~凌晨两点，办公室灯火通明得像除夕夜的客厅。产品经理小李的咖啡摄入量已经达到“医学观察”级别，技术负责人老张的发际线在反复抓挠下又后退了半厘米，运维同学盯着屏幕上不断冒出的红色警报，表情凝重得仿佛在看自己的体检报告。

ShardingSphere 分库分表原理：SQL 解析与路由深入剖析 Apache ShardingSphere 的 SQL 解析引擎与路由核心原理，从源码层面理解分库分表的技术实现

Java分库分表技术对比分析目录一、为什么需要分库分表？二、核心实现方式对比三、主流技术选型对比1. Apache ShardingSphere

短剑重铸之日

《ShardingSphere解读》16 改写引擎：如何理解装饰器模式下的 SQL 改写实现机制？SQL 改写在分库分表框架中通常位于路由之后，也是整个 SQL 执行流程中的重要环节，因为开发人员是面向逻辑库与逻辑表所书写的 SQL，并不能够直接在真实的数据库中执行，SQL 改写，用于将逻辑 SQL 改写为在真实数据库中可以正确执行的 SQL。

短剑重铸之日

《ShardingSphere解读》12 解析引擎：SQL 解析流程应该包括哪些核心阶段？（下）我们知道整个 SQL 解析引擎可以分成三个阶段（如下图所示），上一篇我们主要介绍了 ShardingSphere 中 SQL 解析引擎的第一个阶段，那么今天我将承接上一篇，继续讲解 ShardingSphere 中 SQL 解析流程中剩余的两个阶段。

短剑重铸之日

《ShardingSphere解读》07 读写分离：如何集成分库分表+数据库主从架构？为了应对高并发场景下的数据库访问需求，读写分离架构是现代数据库架构的一个重要组成部分。今天，主讲ShardingSphere 中所提供的读写分离机制，以及这一机制如何与前面介绍的分库分表和强制路由整合在一起使用。

短剑重铸之日

《ShardingSphere解读》11 解析引擎：SQL 解析流程应该包括哪些核心阶段？（上）对于一款分库分表中间件而言，分片是其最核心的功能。下图展示了整个 ShardingSphere 分片引擎的组成结构，对于分片引擎而言，第一个核心组件就是 SQL 解析引擎。