分表分库：水平分割VS垂直分割

For Example(分表)：

登录系统的user表不同场景分割。

(分表详述)1、登录系统的user表水平分割：假设登录用户数据累计数百亿，若只有一张表，每次用户登录发起请求的时候都要从数百亿数据中select，select速度会非常慢。现可将一张表的模式拆分成100份，每张表数据量则降到数(个位数)亿级，当用户登录的时候，可以将获取到的用户id取余(id%100)，执行DB操作select的时候将取模的数跟拆分的表名连接起来，构成新的表名，这时select的time会大幅度缩短。

(分表详述)2、登录系统的user表垂直分割：假设用户表记录并不多，若用户通过问题与答案的方式找回密码，若果问题与答案字段未加以长度限制，根据不同的用户习惯，表中问题与答案字段会很长，表占用空间很大，检索表的时候需要执行大量的IO，性能严重降低。现可将大的字段拆分到另一表中，并且该表与原表是一对一的关系，这时当select不与问题跟答案相关的字段，就不会扫描问题与答案属性了。

For Example(分库)：

在线商城购物系统现有如下：product产品表(数据量数十万级，稳定)，user用户表(数据量百万级，且有增长趋势)，订单表(数据量数百万级(200,300...)，且有增长趋势)。

(分库简述)1、水平拆分解决单表中数据量增长出现的压力，不解决表与表之间的IO竞争。

First：user表以性别拆分为man user表和women user表。

Second：product表未完成订单放一个server上，已完成订单表跟man user表放一个server上，women user表放一个server上。

Third：订单表以是否完成拆分为完成订单和未完成订单。

(分库简述)2、垂直拆分解决表与表之间的IO竞争，不解决单表中数据量增长出现的压力。

First：将product表与user表放置到同一个server上。

Second：将订单表独立放置到一个server上。