分库：

1、数据库分库而不是分表，分表需要考虑后期的查询问题，此外还需要注意分表的算法(哈希算法)。

2、热数据只占全部数据的一部分，因此每次优先查询热库，以下情况才查询冷库

-  当查询条件未命中(结果集为空)时，查询冷库。

-  当查询条件部分命中时，查询冷库。

3、为了区分部分命中和全部命中，可以在热库中建一张R表存放每次查询冷库的查询条件和查询结果数量和查询结果的主键，每次查询热库时，对比相同查询条件的查询结果数量是否一致。一致，则本次查询结束。不一致，则需要到冷库中进行查询。

4、更优方案：不一致的情况，只到冷库中查询未查到的数据。此时R表需要存放的不仅是查询结果数量，还有查询结果的所有主键。

5、举例说明：100条中80条还是热数据 20条变成了冷数据，其实应该只是对冷数据库发起这20条数据的请求。此时需要将R表数据拿出来比对，只查一部分冷数据。

6、热库=>冷库 : 查询和使用热数据时，将一段时间不再使用的热数据移到冷库。

7、冷库=>热库 ：查询冷库时，将本次查询的结果移到热库，附上最新查询日期。

8、数据同步(每次查询进行或达到一定量级进行)

9、关于命中的处理：制定查询条件字典 如 where a=? and b=? 这个条件的字典为

public static IDictionary QueryKeyValues=new IDictionary{

(0,1),(1,2),(3,3)

}

先进行查询条件的字典命中处理=> 假设此时的查询方法为 queryFunction(int a,int b)

queryFunction(int a,int b) {}

public object QueryFunction(int a,int b) {

1.若 存在于 QueryKeyValues中则到R表中找出查询条件为的IdString都有哪些 以此将Id分开存取

2.获得IdString后 比对需要到冷库查询的List singleId

3.循环执行单条语句查询逻辑 SingleColdDBQuery(List singleId)

}

分表：

举个简单的例子，按数据的新旧分表

eg：比如我现在有一个订单表，日均写入几万几十万数据进去，可以这样处理，存储数据的时候存储双份，order表存一份数据，order_history表同样也存一份数据，然后呢，order表弄一个定时任务，每天定期删除30天以上的数据(一般半夜删数据)，一天无非几万条数据，性能影响几乎没有，不过量多的话，删除就要小心点，不然很容易就锁表，可以查一下一个月前的数据的区间范围(表的主键id范围)，然后呢按区间删除，几千几千的删除(可以自行调节，保证 IOPS跟CUP别跑满就行)，这样就能保证不会锁表；order_history表不做任何删除操作，只插入新的数据，保留最原始的数据。

说一下表的查询，一个月以内的数据直接在order表查询就行，一个月以上的旧数据在history表查，order_history表的查询可以配合搜索引擎进行处理(比如阿里云的opensearch)，每次查出对应的主键id(节省opensearch的流量，要钱的！)，然后再去order_history根据主键查数据，这里底层封装好就行