当业务数据量非常大，单数据库无法支撑的时候，有可能是单库已经写满了，也可能数据库读写比较频繁，已经触碰到单库的io瓶颈了，这时就需要考虑分库。
下面聊一下该怎么分库，如何优化：
刚开始只有数据库A, 后来又加了数据库B。
假如数据表都是有时间戳字段，而且数据查询条件都带一个时间戳字段，这样我们可以根据数据创建的时间范围来分库，比如给数据库按年份命名db_2019， 到2020年新生成一个库db_2020， 在业务端进行数据读写操作时，先根据时间戳条件获取到年份，然后选择相应年份的数据库进行操作。
但上面这种方式只适合这种特定的业务场景，而且这种方式，可能旧数据很少读取，新数据会比较频繁读取，会导致不同数据库负载是不均匀的。所以会不会有更好的分片方式呢？ 答案是肯定的。几乎任何一张表都会有键字段，假如键值是数字类型，可以键值与数据库数量取模的方式进行分片，比如键值是100，数据库数量是2， 那么100%2得到0，就应该存储到索引为0的数据库。假如键值是字符串呢，可以通过crc32(value)算出一个数字，然后再通过数字取模的方式得到相应的数据库。
假如在使用过程中，数据库又不够用了，需要再扩容，怎么办？
停服，根据新的分片逻辑进行数据迁移，起服上线新的分片逻辑。没毛病，假如业务允许停机一段时间， 这也是一种稳妥方式。假如业务不允许停机，或只允许停机很短的时间，这时该如何数据库扩容呢，或者说该如何平滑地进行数据库迁移而不影响业务呢？
可以通过下面步骤来
方案一：
- 修改写数据库逻辑：对需要迁移的数据，进行双写（写原数据库和要迁往的数据库）
- 写一个迁移脚本：从原数据库迁数据到目标数据库
- 校验原数据库是否跟跟目标数据库数据一致（在迁移的瞬间可能发生了原数据库删除了数据，而目标数据库依然写入），删掉目标数据库多余的数据。
- 修改数据库分片逻辑，去掉双写逻辑
- 删掉各个数据库冗余的数据
若数据库双倍分库扩容有更好方案
方案二：
- 原数据库和要迁往的数据库设计成双主同步
- 修改数据库分片逻辑
- 删掉各个数据库冗余的数据
后面找个时间再补充一些图表，以便读者能更直观得理解。
还有一些问题：
问题一：假如方案一中，进行双写的时候一个写成功，一个写失败，该如何处理？
问题二：分库后，如何分页查询数据？
后面会再写一篇较大篇幅的文章分析如何跨数据库分页查询数据。