分片概念
分片(SHarding)就是用来确定数据在多台存储设备上分布的技术。Shard这个词的意思是“碎片”，如果将一个数据库当做一块大玻璃，将这块玻璃打碎，那么没一小块都成为数据库的碎片（Database Sharding）。将一个数据库打碎成多个的过程就叫做分片，分片是属于横向扩容方案。
数据库扩展方案：
横向扩展：一个库变成多个库，加机器数量
纵向扩展：一个库还是一个库，优化及其性能，加高配CPU或内存
在分布式存储系统中，数据需要分散存储在多台设备上，分片就是把数据库横向扩展到多个数据库服务器上的一种有效方式，器主要作用就是为了突破单节点数据库服务器的IO能力限制，常用规则有以下几种。
基于范围的分片
根据特定字段的范围进行拆分，比如用户ID、订单时间、产品价格等。
优点：新的数据可以落在新的存储节点上，如果数据库扩容，数据无需迁移。
缺点：数据热点分布不均匀，数据冷热不均匀，导致节点符合不均。
哈希取模分片
整形的Key可直接对设备数量取模，其他类型的字段可以进先计算Key的哈细致，然后再对设备数量取模。假设有n台设备，编号为0-n-1，通过Hash(Key)%n就可以确定数据所在的设备编号。该模式也成为离散分片。
有点：实现简单，数据分配比较均匀，不容易出现冷热不均，负荷不均的情况。
缺点：扩容时会产生大量的数据迁移，比如从n台设备扩容到n+1,绝大部分数据需要重新分配和迁移。
一致性哈希分片
采用环形Hash取模的方式进行拆分，后期集群需要迁移数据的时候可以很方便的进行扩容。一致性Hash在增加或者删除节点的时候，受到影响的数据比较有限，只会影响到Hash环相邻的节点，不会发生大规模的数据迁移。
扩容方案
当系统用户进入了高速增长期时，即便是对数据进行分表分库，但数据库的容量，还有表的数据量也总会达到天花板。当现有数据库达到承受极限时，就需要增加新服务器节点数量进行横向扩容。
面临的挑战有：
- 数据迁移问题
- 分片规则改变
- 数据同步、时间点、数据一致性
停机扩容
这是一种很多人初期都会使用的方案，尤其是初期只有几台服务器的时候。停机扩容的具体步骤如下：
- 站点发布一个公告，例如：“为了为广大用户提供更好的服务，本站点将在今晚00:00-2:00之间升级，给您带来不便抱歉”。
- 时间到了，停止所有对外部务。
- 新增n个数据库，然后写一个数据迁移程序，将原有x个库的数据导入到最新的y个库中。比如分片规则按照由%x变成%y。
- 数据迁移完成，修改数据库服务配置，原来x个库的配置升级为y个库的配置。
- 重启服务，链接新的数据库对外提供服务。
优点：简单
缺点：
- 停止服务，缺乏高可用
- 程序员压力大，需要在指定时间完成
- 如果有问题没有及时测试出来启动了服务，运行后发现问题，数据会丢失一部分，难以回滚。
适用场景：
- 小型网站
- 大部分游戏公司
- 对高可用要求不高的服务
平滑扩容
数据库扩容的过程中，如果想要持续对外提供服务，保证服务的可用性，平滑扩容方案是最好的选择。平滑扩容就是将数据库数量扩容成原来的2倍。比如由2个升级成4个，具体步骤如下：
新增2个数据库。
配置双主进行数据同步（先测试，后上线，重启服务器时间是秒级）
数据同步完成之后，断开双主同步，修改数据库配置并重启；
此时已经扩容完成，但此时的数据并没有减少，新增的数据库根旧的数据库一样多的数据，此时还需要写一个程序，清空数据库多余的数据，如：
- A库删除uid%4=2的数据
- B库删除uid%4=0的数据
- C库删除uid%4=3的数据
- D库删除uid%4=1的数据
优点：
- 扩容期间服务可以正常运行
- 扩容时间更加自由（不需要凌晨加班）
- 扩容期间，由于新的库并未提供服务，可以随时调整
- 可以将数据库的数据量减少一半
缺点：
- 程序复杂度高，配置双主同步，双主双写，检测数据同步等。
- 后期数据库数量大的，2倍扩容成本较高。
适用场景：
- 大型网站
- 对高可用要求高的服务