數據庫水平擴展與垂直擴展
在互聯網應用中，數據庫經常是我們存儲和訪問數據的常用介質。隨着負載的增大，對數據庫讀寫性能的要求往往成爲很大的挑戰。在這種情況下我們可以考慮數據庫相關的replication機制提高讀寫的性能。由於一般採用一寫多讀的replication機制（寫master同步到多個slaves），導致這樣的機制往往會有缺陷。首先它依賴於讀寫的比例，如果寫的操作過多，導致master往往成爲性能的瓶頸所在，從而使得slaves的數據同步延遲也變大，進而大大消耗CPU的資源，並且導致數據的不一致從而影響到用戶的體驗。
這個時候我們就要考慮使用數據庫的sharding（分片）機制，這裏面我們所說sharding機制並不是一個數據庫軟件的附屬功能，而是一種相對簡樸的軟件理念。一般我們把sharding機制分成水平擴展（橫向擴展，或者向外擴展）和垂直擴展兩種方式。具體什麼是數據庫的水平擴展和垂直擴展呢？我們以下面的例子來說明。
比如我們現在有兩個表：用戶信息表 產品訂單表
水平的拆分的方案，即不修改數據庫表結構，通過對錶中數據的拆分而達到分片的目的：
1）使用用戶id做hash，分解數據庫，在訪問數據庫的使用用戶id做路由。
2）將產品訂單表按照已下單和未下單區分成兩個表。
一般水平拆分在查詢數據庫的時候可能會用到union操作。
垂直拆分的方案：將表和表分離，或者修改表結構，按照訪問的差異將某些列拆分出去。
1）將用戶信息表放到一個數據庫server，將產品訂單表放到一個數據庫server。
2）將用戶信息表中主碼（一般是user id）和一些常用的信息放到一個表，將主碼和不常用的信息放到另外的表，這導致一般查詢數據的時候可能會用到join操作。
在數據庫的設計中，我們更關注數據庫的水平擴展的能力。