分库分表前须先确认数据库确为瓶颈，通过show processlist、慢日志、iostat等定位锁等待、io饱和或连接打满问题；仅当单实例cpu、内存、io、连接数均持续超阈值且sql优化无效时才考虑拆分。
分库分表前先确认瓶颈真在数据库
很多团队一遇到慢查询或连接数飙升，就急着上分库分表，结果发现是 SELECT * FROM order WHERE user_id = ? 缺少索引，或者事务里混了 HTTP 调用。先用 SHOW PROCESSLIST 和慢日志定位真实瓶颈：是锁等待（Locked 状态多）、还是 IO 饱和（iostat -x 1 中 %util 持续 100%）、抑或是连接打满（Threads_connected 接近 max_connections）。只有当单实例的 CPU、内存、IO、连接数四项都持续超阈值，且优化 SQL 和索引收效甚微时，才考虑架构层拆分。
读写分离要配好主从延迟监控和路由策略
MySQL 主从复制是异步的，Seconds_Behind_Master 可能突增到几十秒。如果所有读请求无差别发到从库，用户刚下单就查不到新订单，体验直接崩。必须做两件事：
– 对强一致性读（如订单详情、账户余额），强制走主库，可通过注释标记：/*FORCE_MASTER*/ SELECT balance FROM account WHERE id = 123；
– 对普通读，加延迟阈值判断：当从库延迟 > 500ms 时自动切回主库，不能只靠心跳检测；
– 应用层路由不能只看机器 IP，得结合 SHOW SLAVE STATUS 的实时延迟值动态决策，否则扩容从库后反而放大不一致风险。
水平分片别碰「全局自增 ID」这个坑
用 AUTO_INCREMENT 做分表主键，在跨分片 JOIN 或范围查询时会彻底失效，而且无法保证全局唯一。正确做法是：
– 用雪花算法（Snowflake）或 REPLACE INTO ... SELECT LAST_INSERT_ID() 类方案生成分布式 ID；
– 分片键必须是高频查询条件，比如电商系统优先选 user_id 而非 order_id，否则查订单号得扫所有分片；
– 单表数据量控制在 500 万行以内，但不要机械按时间切（如每月一张表），因为冷热数据混存会导致缓存命中率骤降；
– 所有分片必须统一字符集（utf8mb4）和排序规则（utf8mb4_0900_as_cs），否则跨片 UNION 时隐式转换引发全表扫描。
eSiteGroup站群管理系统是基于eFramework低代码开发平台构建，是一款高度灵活、可扩展的智能化站群管理解决方案，全面支持SQL Server、SQLite、MySQL、Oracle等主流数据库，适配企业级高并发、轻量级本地化、云端分布式等多种部署场景。通过可视化建模与模块化设计，系统可实现多站点的快速搭建、跨平台协同管理及数据智能分析，满足政府、企业、教育机构等组织对多站点统一管控的
连接池配置比 SQL 优化更能扛住突发流量
高并发下最常被忽视的是连接池参数。MySQL 默认 wait_timeout = 28800（8 小时），但应用层连接池若设 maxIdleTime=30000（30 秒），就会频繁创建销毁连接，触发 Too many connections。关键参数要对齐：
– 连接池最大连接数 ≤ MySQL 的 max_connections × 0.7（留 buffer 给 DBA 诊断）；
– minIdle 设为 10～20，避免低峰期全释放；
– 启用 testOnBorrow 并配 validationQuery=SELECT 1，防止拿到底层已断开的连接；
– 如果用 HikariCP，务必关掉 leakDetectionThreshold 的默认值（0 表示关闭），线上开启会吃掉 10%+ CPU。
真正难的不是怎么分库，而是分完之后如何让开发写出不跨片的 SQL、如何让 DBA 快速定位某条记录在哪个分片、以及怎么在不停服前提下迁移存量数据——这些细节没配套机制，分库分表只会变成技术债加速器。
