MySQL是如何处理千万级数据的

一张一亿的订单表，可以分成五张表，这样每张表就只有两千万数据，分担了原来一张表的压力，分表需要根据某个条件进行分，这里可以根据地区来分表，需要一个中间件来控制到底是去哪张表去找到自己想要的数据。

中间件：根据主表的自增 id 作为中间件（什么样的字段适合做中间件？要具备唯一性）

怎么分发？主表插入之后返回一个 id，根据这个 id 和表的数量进行取模，余数是几就往哪张表中插入数据。

注意：子表中的 id 要与主表的 id 保持一致

以后只有插入操作会用到主表，修改，删除，读取，均不需要用到主表

你知道MySQL是如何处理千万级数据的吗？ redis 消息队列 什么是消息队列？ 答：消息传播过程中保存消息的容器 消息队列产生的历史原因 答：主要原因是由于在高并发环境下，由于来不及同步处理，请求往往会发生堵塞，比如说，大量的insert，update之类的请求同时到达MySQL，直接导致无数的行锁表锁，甚至最后请求会堆积过多，从而触发并发错误。通过使用消息队列，我们可以异步处理请求，从而缓解系统的压力。 消息队列的特点： 先进先出

把要执行的 sql 语句先保存在消息队列中，然后依次按照顺利异步插入的数据库中

应用： 新浪，把瞬间的评论先放入消息队列，然后通过定时任务把消息队列里面的 sql 语句依次插入到数据库中

修改 操作子表进行修改

这样修改有一个问题，主表和子表的数据会出现不一致，如何让主表和字表数据一致？

redis 队列保持主表子表数据一致 修改完成后将要修改主表的数据，存入 redis 队列中

然后 linux 定时任务（contble）循环执行 redis 队列中的 sql 语句，同步更新主表的内容

mysql 分布式之分表（查，删） 查询只需要查询子表，不要查询总表

删除，先根据 id 找到要删除的子表，然后删除，然后往消息队列中压入一条删除总表数据的 sql 语句

然后执行定时任务删除总表数据

定时任务：

mysql 分布式之分库 分库思路 单库单表 单库单表是最常见的数据库设计，例如，有一张用户（user）表房子啊数据库db中，所有的用户都是可以在db库中的user表中查到。 单库多表 随着用户数量的增加，user表的数据量会越来越大，当数据量达到一定程度的时候对user表的查询会渐渐的变慢，从而影响整个DB的性能。可以通过某种方式将user进行水平的切分，产生两个表结构完全一样的user_0000,user-0001等表，user_0000 + user-0001 + …的数据刚好是一份完整的数据。 多库多表 随着数据量增加也许单台DB的存储空间不够，随着查询量的增加单台数据库服务器已经没办法支撑。这个时候可以再对数据库进行水平区分。 分库原理图：

mysql 分布式之分库注意：操作完一个数据库一定要把数据库连接关闭，不然 mysql 会以为一直连接的同一个数据库

还是取模确定加载哪个配置文件连接哪个数据库

mysql 分布式之分库（改） 原理同新增

mysql 分布式之分库（查，删） 原理类似

执行队列 mysql 分布式之缓存（memcache）的应用 将数据放入缓存中，节省数据库开销，先去缓存中查，如果有直接取出，如果没有，去数据库查，然后存入缓存中

在编辑信息之后需要删除缓存，不然一直读取的是缓存的数据而不是修改过的数据。