筆者覺得，分庫分表确實好的。但是，動不動搞分庫分表，太麻煩了。分庫分表雖然是提高資料庫性能的正常辦法，但是太麻煩了。是以，嘗試研究mysql的分區到底如何。
之前寫過一篇文章，http://www.cnblogs.com/wangtao_20/p/7115962.html 讨論過訂單表的分庫分表，折騰起來工作量挺大的，需要多少技術去折騰。做過的人才知道有多麻煩
要按照什麼字段切分，切分資料後，要遷移資料;分庫分表後，會涉及到跨庫、跨表查詢，為了解決查詢問題，又得用其他方案來彌補(比如為了應對查詢得做使用者訂單關系索引表)。工作量确實不小。
從網上也可以看到，大部分實施過的人(成功的)的經驗總結：水準分表，不是必須的，能不做，盡量不做。
像阿裡這些系統，資料庫單表數量十多億，達到瓶頸了，不得不做分庫分表，擴容也友善。沒有選擇。
那麼，針對起步階段的業務，技術人員不夠，産品還處在試錯階段。是不是可以考慮一下分區方案。
筆者幾年前，也犯了思維錯誤，在小公司做系統，産品還在開發，有待推向市場驗證。那個時候，筆者就去考慮什麼評論表資料量大的情況下要怎麼做，其實傷腦，又費時間，業務沒有做起來，其實沒多少用處。
架構是演變出來的，不是設計出來的。企圖一開始就設計大炮，結果隻有蚊子。筆者做試驗看看mysql的分區到底是什麼個原理。研究發現，其實跟分表差不多，比如按hash打散資料、按值範圍分散資料。
一、探讨分區的原理
了解分區到底在做什麼，存儲的資料檔案有什麼變化，這樣知道分區是怎麼提高性能的。
實際上：每個分區都有自己獨立的資料、索引檔案的存放目錄。本質上，一個分區，實際上對應的是一個磁盤檔案。是以分區越多，檔案數越多。
現在使用innodb存儲較多，mysql預設的存儲引擎從mysiam變為了innodb了。
以innodb來讨論：
innodb存儲引擎一張表，對應兩個檔案：表名.ibd、表名.frm。
如果分區後，一個分區就單獨一個ibd檔案，如下圖：
将fs_punch_in_log表拆分成4個分區，上圖中看到，每個分區就變成一個單獨的資料檔案了。mysql會使用"#p#p1"來命名資料檔案，1是分區的編号。總共4個分區，最大值是4。
分表的原理，實際上類似，一個表對應一個資料檔案。分表後，資料分散到多個檔案去了。性能就提高了。
分區後的查詢語句
語句還是按照原來的使用。但為了提高性能。還是盡量避免跨越多個分區比對資料。
如下圖，由于表是按照id字段分區的。資料分散在多個分區。現在使用user_id作為條件去查詢。mysql不知道到底配置設定在哪個分區。是以要去全部分區掃描，如果每個分區的資料量大，這樣就耗時很長了。
分區思路和分區語句
id字段的值範圍來分區：在1-2千萬分到p0分區，4千萬到-6千萬p1分區。6千萬到8千萬p2分區。依此推算下去。這樣可以分成很多的分區了。
為了保持線性擴容友善。那麼隻能使用range範圍來算了。
sql如下
以上語句經過筆者測驗，注意點：
按照hash均勻分散。傳遞給分區的hash()函數的值，必須是一個整數(hash計算整數計算，實作均勻分布）。上面的id字段就是表的主鍵，滿足整數要求。
partition BY RANGE 中的partition BY表示按什麼方式分區。RANGE告訴mysql，我使用範圍分區。
情況：如果表結構已經定義好了，裡面有資料了，怎麼進行分區呢？使用alter語句修改即可，經過筆者測驗了。
注：由于表裡面已經存在資料了，進行重新分區，mysql會把資料按照分區規則重新移動一次，生成新的檔案。如果資料量比較大，耗時間比較長。
二、四種分區類型
mysql分區包括四種分區方式：hash分區、按range分區、按key分區、list分區。
四種有點多，實際上，為了好記，把類再縮小點，就兩大類方式進行分區：一種是計算hash值、一種是按照範圍值。
其實分庫分表的時候，也會用到兩大類，hash運算分、按值範圍分。
1、HASH分區
有正常hash和線性hash兩種方式。
正常hash是基于分區個數取模（%）運算。根據餘數插入到指定的分區。打算分4個分區，根據id字段來分區。
怎麼算出新插入一行資料，需要放到分區1，還是分區4呢? id的值除以4，餘下1，這一行資料就分到1分區。
正常hash，可以讓資料非常平均的分布每一個分區。比如分為4個取，取餘數，餘數總是0-3之間的值(總到這幾個分區去)。配置設定打散比較均勻。
但是也是有缺點的：由于分區的規則在建立表的時候已經固定了，資料就已經打散到各個分區。現在如果需要新增分區、減少分區，運算規則變化了，原來已經入庫的資料，就需要适應新的運算規則來做遷移。
實際上在分庫分表的時候，使用hash方式，也是資料量遷移的問題。不過還好。
針對這個情況，增加了線性hash的方式。
線性HASH(LINEAR HASH)稍微不同點。
實際上線性hash算法，就是我們memcache接觸到的那種一緻性hash算法。使用虛拟節點的方式，解決了上面hash方式分區時，當新增加分區後，涉及到的資料需要大量遷移的問題。也不是不需要遷移，而是需要遷移的資料量小。
在技術實作上：線性哈希功能使用的一個線性的2的幂（powers-of-two）運算法則，而正常哈希使用的是求哈希函數值的模數。
線性哈希分區和正常哈希分區在文法上的唯一差別在于，在“PARTITION BY”子句中添加“LINEAR”關鍵字。
兩者也有有相同的地方：
都是均勻分布的，預先指定n個分區，然後均勻網幾個分區上面分布資料。根據一個字段值取hash值，這樣得到的結果是一個均勻分布的值。後面添加新的分區多少需要考慮資料遷移。
正常HASH和線性HASH，因為都是計算整數取餘的方式，那麼增加和收縮分區後，原來的資料會根據現有的分區數量重新分布。
HASH分區不能删除分區，是以不能使用DROP PARTITION操作進行分區删除操作；
考慮以後遷移資料量少，使用線性hash。
2、按照range範圍分區
範圍分區，可以自由指定範圍。比如指定1-2000是一個分區，2000到5000千又是一個分區。範圍完全可以自己定。後面我要添加新的分區，很容易嗎?
3、按key分區
類似于按HASH分區，差別在于KEY分區隻支援計算一列或多列，且MySQL伺服器提供其自身的哈希函數。必須有一列或多列包含整數值。
4、按list方式分區
可以把list看成是在range方式的基礎上的改進版。list和range本質都是基于範圍，自己控制範圍。
range是列出範圍，比如1-2000範圍算一個分區，這樣是一個連續的值。
而list分區方式是枚舉方式。可以指定在1,5,8,9,20這些值都分在第一個分區。從list單詞的字面意思命名暗示就是清單，指定清單中出現的值都配置設定在第幾個分區。
三、如何根據業務選擇分區類型
1、何時選擇分區,何時選擇分表
分表還是比分區更加靈活。在代碼中可以自己控制。一般分表會與分庫結合起來使用的。在進行分表的時候，順帶連分庫方案也一起搞定了。
分表分庫，性能和并發能力要比分區要強。分表後，有個麻煩點：自己需要修改代碼去不同的表操作資料。
比如使用者表分表後，計劃分4個表，每個表4千萬使用者。按照使用者編号取模為4。
代碼很多處要做專門的比對如下：
每次操作使用者資料，先要根據uid算出是哪個表名稱。然後再去寫sql查詢。
當然，是可以使用資料庫中間件來做完成分庫、分表。應用代碼不用修改。大部分中間件是根據他們自己的業務特點定制的，拿來使用，不見得适合自己的業務。是以目前缺少通用的。
如果使用分區的方式。代碼不用修改。sql還是按照原來的方式寫。mysql内部自動做了比對了。
非常适合業務剛剛起步的時候，能不能做起來，存活期是多久不知。不用把太多精力花費在分庫分表的适應上。
考慮到現在業務才起步，使用分區不失為一種既省事又能提高資料庫并發能力的辦法。等以後業務發展起來了，資料量過億了，那個時候經濟實力已增強，再做改進方案不遲。
架構是演變出來的，不是設計出來的。适應目前業務的方案，就是好的方案。
過度設計也是一種負擔：很多技術，企圖一開始就設計出一個多大量的系統，實際上沒有那種量，為了顯示自己技術牛逼。
總結：通路量不大，但是資料表行數很多。可以使用分區的方式。通路量大，資料量大，可以重構成分表的方式。
這是因為雖然資料量多，但是通路量不大，如果使用分表的話，要修改代碼很多地方，弄起來太麻煩了。投入多，産出少就沒必要了。
2、如何選擇适合自己的分區類型
使用分區和分表一樣的思想：盡量讓資料均勻分散，這樣達到分流、壓力減小的效果。如果不能均勻分布，某個分區的操作量特别大，出現單點瓶頸。
雖然4種類型的分區方式。其實總共兩大類，按範圍分區和按hash運算分區。
range範圍分區，适合按照範圍來切分資料。比如按時間範圍分區。
hash，适合均勻分散資料。使用hash分區，麻煩點是後續增加分區，資料要遷移。有了線性hash分區法，這個遷移量減低了很多。
以使用者表為例子，如果要使用分區方案。改使用哪種分區類型呢？
考慮到user_id一般不會設計成自增數字。有人會奇怪，怎麼不是自增的，我見過好多使用者編号都是自增的！
的确，有自增數字做uid的，不過一般是開源系統為了省事，比如discuz、ecshop等。人家沒那麼多工作量給你設計使用者編号方案。
自增的使用者編号，由于是每次加1進行遞增的。這規律太明顯了，很容易被别有用途的人猜測user_id。再說，别人一看就知道你有多少使用者!
有個原則，設計編号的時候，盡量不要讓外部知道你的生成規律。比如訂單号，如果是逐個加1的訂單号，外界可以猜測出你的業務訂單總數出來。
說一個自增使用者編号的例子。筆者曾經在一家上市網際網路公司，有幾千萬的使用者，uid過去是discuz那一套自增的方式。後來不得不改掉user_id的生成方式。筆者當時負責了這個改造方案。
不是自增的數字，會是這種：注冊一個是1897996，再注冊一個是9689898，外界完全找不到數字的規律。
不是自增的編号，如果使用範圍來分區，各個分區的資料做不到均勻分布的。原因如下：
比如說使用者編号為1-200000000的使用者配置設定到p1分區，20000000-40000000配置設定到p2分區，40000000-60000000配置設定到p3區，這樣類推下去。
由于使用者編号不是自增，注冊配置設定到的使用者編号，可能是1到2千萬之間的數字，也可能是4千萬到6千萬之間的一個數字。如果被配置設定到4千萬到6千萬的數字會更多，那麼各個分區給到的資料是不均勻的。
故不好使用範圍來分區。
比較好的辦法是，使用hash取模，user_id%分區數。資料就可以分散均勻到4個分區去了。