数据库水平切分的核心是通过横向拆分数据表，将一张大表的数据按照某个规则（如用户ID哈希、时间范围等）分散到多个子表或多个数据库实例中，从而提升存储容量和处理性能。简单来说，就是把一张表切成多张相同的表，每张表存一部分数据，总数据量不变，但单表数据量变小，查询更快，单机存储压力减轻。实际操作中，先选择切分键（如user_id % 4），然后创建多个分片表user_0、user_1等，插入数据时路由到对应分片，查询时跨分片聚合结果。

水平切分的优势

水平切分（Sharding）是将数据水平分割到多个数据库实例中，每个实例处理部分数据，从而提升系统的可扩展性和性能。与垂直切分不同，水平切分保持表结构不变，只拆分数据行。举例来说，一张用户表有1亿行数据，单表查询慢，通过user_id取模分成4个分片，每个分片2500万行，查询只需访问1/4数据，性能提升明显。同时，支持水平扩展，加机器加分片，轻松应对数据爆炸。

如何实现数据库水平切分

实现水平切分的第一步是选择切分键，必须均匀分布且业务查询常用，如订单表的order_id或create_time。步骤：1. 设计分片规则，例如range（范围分片，如按月份）或hash（哈希分片）。2. 创建多个数据库或表，如db_00, db_01等。3. 修改应用代码或用中间件（如MyCat、ShardingSphere）实现数据路由：INSERT时计算分片，SELECT时多库union。注意热点问题，避免某个分片数据过多导致倾斜。

水平切分 vs 垂直切分

垂直切分是按业务模块拆表，如用户表和订单表分开；水平切分是同一表内按行拆分。垂直切分适合读写分离，水平切分针对单表过大。实际项目中常结合使用，先垂直再水平。举个例子，电商系统先按用户、商品模块垂直切分用户库、商品库，然后用户库内按user_id水平切分成user_0~user_3，提升亿级用户场景下的查询速度。

常见问题与解决方案

水平切分后，跨分片事务难处理，解决方案用分布式事务如XA或TCC；JOIN查询变慢，用冗余数据或应用层聚合；数据迁移时，用双写策略，先新旧库都写，渐进迁移。工具推荐：MySQL用ProxySQL，PostgreSQL用Citus，通用Sharding-JDBC。实践证明，淘宝、京东等大厂通过水平切分支撑PB级数据，高峰QPS达百万。

切分实践案例

在实际项目中，我们对日志表进行水平切分，原表10亿行，单表查询耗时10s+。选择日期作为切分键，按天分片到不同表log_20230101、log_20230102等，用ShardingSphere中间件配置rules.yaml：sharding: tables: log: actualDataNodes: ds${0..3}.log_$->{yyyyMMdd}。切分后，单表行数百万级，查询提速到毫秒，支持无限水平扩展。

注意事项

水平切分不是万能药，会增加开发复杂度，如排序、分页需全分片扫描。建议从小表开始切分，监控分片倾斜及时rebalance。扩容时，用一致性哈希最小迁移数据。总体上，水平切分是海量数据场景的标配，能显著提升存储与处理性能。

FAQ
Q: 水平切分适合什么场景？
A: 适合单表数据量大（千万级以上）、查询瓶颈明显的场景，如用户、订单、日志表。
Q: 切分键怎么选？
A: 选业务常用、分布均匀的字段，如ID哈希或时间，避免热点键如status。
Q: 跨分片查询怎么优化？
A: 优先设计避免跨片查询，或用ES/Redis缓存聚合结果。
Q: 有现成工具吗？
A: 是的，ShardingSphere、Vitess、MyCat等开源中间件，一键配置路由。