MySQL 分库分表是高并发、大数据量场景下的核心优化手段，面试中常被深入考察——不仅问“怎么做”，更关注“为什么这么做”“踩过哪些坑”“如何权衡取舍”。以下是最常被问到的几类经典问题及务实回答思路。
分库分表到底解决什么问题？
本质是突破单机数据库的性能与容量瓶颈：
- 性能瓶颈：单库连接数、CPU、IO、锁竞争（尤其热点行更新）达到极限，TPS/QPS 上不去
- 容量瓶颈：单表超千万甚至亿级数据，查询变慢、DDL 阻塞严重、备份恢复耗时过长
- 可用性瓶颈：单点故障影响全局；大表迁移或修复可能引发长时间不可用
注意：不是所有系统都需要分库分表。小流量、低增长业务强行分片反而增加复杂度、降低开发效率、引入分布式事务等新问题。
垂直拆分和水平拆分怎么选？
两者目标不同，常组合使用：
- 垂直拆分：按业务维度切，把一个大库拆成多个小库（如用户库、订单库、商品库），或把宽表拆成多个窄表（如 user_base、user_profile、user_setting）。适合耦合度低、读写分离明确的场景。
- 水平拆分：按数据维度切，同一张逻辑表的数据分散到多个物理表/库中（如按 user_id 取模分 16 库，每库 32 表）。用于解决单表数据量过大或访问压力集中问题。
典型路径：先垂直拆分理清边界，再对其中增长快、压力大的核心表（如订单表、日志表）做水平分片。
MVM mall 网上购物系统
下载
采用 php+mysql 数据库方式运行的强大网上商店系统，执行效率高速度快，支持多语言，模板和代码分离，轻松创建属于自己的个性化用户界面 v3.5更新： 1).进一步静态化了活动商品. 2).提供了一些重要UFT-8转换文件 3).修复了除了网银在线支付其它支付显示错误的问题. 4).修改了LOGO广告管理,增加LOGO链接后主页LOGO路径错误的问题 5).修改了公告无法发布的问题,可能是打压
分片键怎么选？关键看三点
分片键（Sharding Key）是路由依据，选错会导致数据倾斜、跨库查询、扩容困难：
- 高频查询条件：必须是 WHERE 中最常出现的字段（如 user_id、order_no），否则大量 SQL 变成全库扫描
- 分布均匀性：避免用 status、gender 这类低基数字段，否则某些分片数据暴涨（如“待支付”订单扎堆）
- 不可变性：尽量选创建后不更新的字段（如 user_id），避免跨分片 update 带来一致性难题
常见误区：用自增主键做分片键——看似均匀，但无法支持按业务维度快速定位，且分库后主键不再全局唯一，需改用雪花算法或 UUID 等方案生成分布式 ID。
跨分片查询和分布式事务怎么处理？
这是分库分表后最棘手的两个现实问题：
- 跨分片查询：禁止在应用层 for 循环遍历所有分片。可行方案包括：冗余字段（如把 user_name 冗余进 order 表）、异步构建宽表（通过 binlog 同步到 ES 或 OLAP 引擎）、限制查询范围（如只查最近 3 个月订单，且时间字段本身可作为分片辅助条件）
- 分布式事务：优先用业务补偿（TCC）、本地消息表+定时校验、最大努力通知等最终一致性方案。强一致场景慎用 XA（性能差、运维难），也不建议依赖 Seata 等中间件掩盖设计缺陷——应从源头减少跨库更新需求（比如把关联操作收敛到同一分片内）
记住：分库分表不是银弹。它把数据库的复杂性转移给了应用层和运维体系，每一次分片决策都要有明确的监控指标支撑（如单库 CPU >70%、慢查周增幅 >50%），而不是凭感觉提前过度设计。
