分库分表

分布式专题——10.2 ShardingSphere-JDBC分库分表实战与讲解下面实现一个分库分表案例，将一批课程信息分别拆分到两个库，四个表中：需提前准备一个 MySQL 数据库，并在其中创建 Course 表。Course 表的建表语句如下：

分布式专题——10.4 ShardingSphere-Proxy服务端分库分表ShardingSphere-Proxy 是 ShardingSphere 提供的服务端分库分表工具，定位是“透明化的数据库代理”。

分布式专题——10.5 ShardingSphere的CosID主键生成框架来看一个案例；将 course 表数据分到两个库（m0、m1），每个库两张表（course_1、course_2），共四个分片；

分布式专题——10.1 ShardingSphere介绍官网：Apache ShardingSphere；Apache ShardingSphere 是一款分布式 SQL 事务和查询引擎，能通过数据分片、弹性伸缩、加密等能力，对任意数据库进行增强，并非直接做数据存储，而是整合其他数据库产品，定位为 “Database plus”；

分布式专题——10.3 ShardingSphere实现原理以及内核解析当往 ShardingSphere 提交一个逻辑SQL后，ShardingSphere 到底做了哪些事情呢？首先要从 ShardingSphere 官方提供的这张整体架构图说起：

鼠鼠我捏，要死了捏

大规模系统中的分库分表原理深度解析与性能优化实践指南在互联网、电商、社交、金融等大规模在线系统中，单库单表随着业务数据增长、并发请求激增，很容易出现以下瓶颈：

ShardingJDBC实战指南数据库是一个应用中最为核心的价值，之前我们学习过很多对sql的调忧，但是互联网应用越来越大，数据库会频繁的成为整个应用的性能瓶颈，而传统的SQL调优也无法处理海量数据。

一叶飘零_sweeeet

从 0 到 1 攻克订单表分表分库：亿级流量下的数据库架构实战指南想象一下，你负责的电商平台在经历了几个双十一后，订单系统开始频繁出现问题：数据库查询越来越慢，甚至在高峰期出现超时；运维团队每天都在抱怨数据库服务器负载过高；营销部门的数据分析报告总是延迟，因为全表扫描需要数小时。

10亿订单分库分表场景痛点：某电商平台的MySQL订单表达到7亿行时，出现致命问题：核心矛盾：关键认知：当单表数据量突破5000万行时，就该启动分库分表设计预案。

亭台烟雨中

简单实现shardingSphere + MybatisPlus分库分表2025新建两个库、分别建四张表在resource目录下新建两个文件：

分库分表的取舍水平分表在解决单表数据量过大、提升查询性能和扩展性方面有显著优势，但其缺点主要集中在跨分片操作复杂性、数据分布不均、事务一致性挑战、扩展性限制以及维护成本上升。因此，在实施水平分表时需谨慎设计分片策略（如选择合适的分片键、采用一致性哈希等），并结合垂直分表、缓存、读写分离等方案综合优化系统架构。

海量聊天数据处理：基于Spring Boot与SharingJDBC的分库分表策略及ClickHouse冷热数据分离随着互联网应用的快速发展，每天产生的聊天记录数量级已经达到了惊人的程度。以2000万条/天为例，一年下来就是大约7.3亿条记录。如此庞大的数据量给数据库的设计和管理带来了前所未有的挑战。本文将探讨如何使用SharingJDBC整合Spring Boot技术来实现合理的分库分表策略，并结合大数据同步工具将数据存储至ClickHouse中进行冷热数据分离。

红豆和绿豆

分库分表中间件开源根据你的需求，以下是一些可以实现分库分表功能的中间件，这些项目可以帮助你管理分布式数据库环境中的数据分片和路由：

分库分表后如何进行join操作在分库分表后的系统中，进行表之间的 JOIN 操作比在单一数据库表中复杂得多，因为涉及的数据可能位于不同的物理节点或分片中。此时，传统的 SQL JOIN 语句不能直接用于不同分片的数据，以下是几种处理这样的跨分片 JOIN 操作的方法：

芝法酱学习笔记（2.3）——shardingsphere分库分表之前的例子中，我们以一个简化了的销售单报表查询，展示了大数据量查询时，在索引和变量类型层面可以做的一些优化。可我们发现，无论怎么优化，一次查询都要好几秒。这是一个现实问题，只要一个系统用户的业务足够多，运行时间足够长，数据库的单张表中就会存在海量的数据。数据量大到一定程度，无论怎么做性能都会下降。那是否有解决方法呢？最容易想到的，就是分库分表了。其实在这个业务中，第一章已经给出了一个分库的方案，把不同用户放在不同的库中。然而单个用户的数据也可能较大，这时就需要分表了。本节，就介绍市面上最主流的分库分

【源码】Sharding-JDBC源码分析之SQL中影子库ShadowSQLRouter路由的原理Sharding-JDBC系列1、Sharding-JDBC分库分表的基本使用2、Sharding-JDBC分库分表之SpringBoot分片策略

技术路上的苦行僧

分布式专题(10)之ShardingSphere分库分表实战指南Apache ShardingSphere 是一款分布式的数据库生态系统，可以将任意数据库转换为分布式数据库，并通过数据分片、弹性伸缩、加密等能力对原有数据库进行增强。Apache ShardingSphere 设计哲学为 Database Plus，旨在构建异构数据库上层的标准和生态。它关注如何充分合理地利用数据库的计算和存储能力，而并非实现一个全新的数据库。它站在数据库的上层视角，关注它们之间的协作多于数据库自身。

ShardingSphere-Proxy 连接实战：从 Golang 原生 SQL 到 GORM 的应用在这篇文章《ShardingSphereProxy:快速入门》中，我们介绍了如何通过 Navicat 连接 ShardingSphere-Proxy。

vivo互联网技术

OceanBase 的探索与实践作者：来自 vivo 互联网数据库团队- Xu Shaohui本文总结了目前我们遇到的痛点问题并通过 OceanBase 的技术方案解决了这些痛点问题，完整的描述了 OceanBase 的实施落地，通过迁移到 OceanBase 实践案例中遇到的问题与解决方案让大家能更好的了解 OceanBase 功能与特性，最后总结了 OceanBase 优缺点与展望。