数据库分组架构，即最常见的一主多从，主从同步，读写分离数据库架构：
user-service：依旧是用户中心服务user-db-M(master)：主库，提供数据库写服务user-db-S(slave)：从库，提供数据库读服务主和从构成的数据库集群称为“一组”。同一个组里的数据库集群：
主从之间通过binlog进行数据同步多个实例数据库结构完全相同多个实例存储的数据也完全相同，本质上是将数据进行复制数据库分组架构究竟解决什么问题？大部分互联网业务读多写少，数据库的读往往最先成为性能瓶颈，如果希望：线性提升数据库读性能通过消除读写锁冲突提升数据库写性能通过冗余从库实现数据的“读高可用”此时可以使用分组架构，需要注意的是，分组架构中，数据库的主库依然是写单点。一句话总结，分组解决的是“数据库读写高并发量高”问题，常实施的架构设计。三、分片架构数据库分片架构，是大伙最常说的水平切分(sharding)：
user-service：依旧是用户中心服务user-db1：水平切分成2份中的第一份user-db2：水平切分成2份中的第二份分片后，多个数据库实例也会构成一个数据库集群。水平切分，到底是分库还是分表？强烈建议分库，因为：分表依然公用一个数据库文件，仍然有磁盘IO的竞争分库能够很容易的将数据迁移到不同数据库实例，甚至数据库机器上，扩展性更好画外音：当然，分库后，数据库连接数会更多。如何进行水平切分？常见的方法是“范围法”和“哈希法”：范围法如上，以用户中心的业务主键uid为划分依据，将数据水平切分到两个数据库实例上去。哈希法如，也是以用户中心的业务主键uid为划分依据，将数据水平切分到两个数据库实例上去。画外音：本例中哈希算法是“取模”。哈希法在互联网数据库架构中，使用较为广泛。分片架构，同一个集群里的各个分片：多个实例之间本身不直接产生联系，不像主从间有binlog同步多个实例数据库结构，也完全相同多个实例存储的数据之间没有交集，所有实例间数据并集构成全局数据分片架构究竟解决什么问题？大部分互联网业务数据量很大，单库容量容易成为瓶颈，此时通过分片可以：线性提升数据库写性能，需要注意的是，分组架构是不能线性提升数据库写性能的降低单库数据容量一句话总结，分片解决的是“数据库数据量大”问题，常实施的架构设计。四、分组+分片架构如果业务读写并发量很高，数据量也很大，通常需要实施分组+分片的数据库架构：通过分片来降低单库的数据量，线性提升数据库的写性能通过分组来线性提升数据库的读性能，保证读库的高可用画外音：大部分线上的真实架构，是这样子的。五、垂直切分数据库垂直切分，也是一类常见的数据库架构设计，垂直切分一般和业务结合比较紧密。还是以用户中心为例，可以这么进行垂直切分：User_Base(uid,uname,passwd,sex,age,…)User_EX(uid,intro,sign,…)垂直切分开的表，主键都是uid登录名，密码，性别，年龄等属性放在一个垂直表（库）里自我介绍，个人签名等属性放在另一个垂直表（库）里如何进行垂直切分？根据业务对数据进行垂直切分时，一般要考虑属性的“长度”和“访问频度”两个因素：长度较短，访问频率较高的放在一起长度较长，访问频度较低的放在一起这是因为，数据库会以行(row)为单位，将数load到内存(buffer)里，在内存容量有限的情况下，长度短且访问频度高的属性，内存能够load更多的数据，命中率会更高，磁盘IO会减少，数据库的性能会提升。垂直切分和水平切有相似的地方，又不太相同：
多个实例之间也不直接产生联系，即没有binlog同步多个实例数据库结构，都不一样多个实例存储的数据之间至少有一列交集，一般来说是业务主键，所有实例间数据并集构成全局数据垂直切分解决什么问题？垂直切分即可以降低单库的数据量，还可以降低磁盘IO从而提升吞吐量，但它与业务结合比较紧密，并不是所有业务都能够进行垂直切分的。文章较长，简单总结：业务初期用单库读压力大，读高可用，用分组数据量大，写线性扩容，用分片属性短，访问频度高的属性，垂直拆分到一起希望大伙有收获。画外音：3页ppt写这么多真是累，其他91页ppt咋整呢？相关文章：《缓冲池(bufferpool)，这次彻底懂了！》《写缓冲(changebuffer)，这次彻底懂了！》58沈剑能吃鸡腿么