参考：
数据越来越多，数据库越来越慢该怎么办
方案一：读写分离，主从复制
方案二：归档历史数据
当单表的数据太多，多到影响性能的时候，首选的方案是，归档历史数据。就是把大量的历史数据移到另外一张历史数据表中，因为像订单这类具有时间属性的数据，都存在热尾效应。大多数情况下访问的都是最近的数据。因为新数据只占数据总量中很少的一部分，所以把旧数据和新数据分开存放，可以提高新数据的查询效率。这种方法能起到的效果好，且对系统的改动小，升级成本低
方案三：分库分表
分库主要是为了减少每个数据库服务器的访问量，分表主要是为了提高对单个表的数据的查询速度。
并发大就分库：可以拆分业务就垂直分库，否则水平分库
查询慢就分表：有冗余字段就垂直分表，否则就水平分表
水平分表
以字段的值为依据，按照一定策略（hash、range等），将一个表中的数据拆分到多个表中。把记录分别存到不同的表中
场景：
系统绝对并发量并没有上来，只是单表的数据量太多，影响了SQL效率，加重了CPU负担，以至于成为瓶颈。例如表中分表记录各个地区的数据或者不同时期的数据，特别是有些数据常用，有些不常用。
缺点：
1、给应用增加复杂度，通常查询时需要多个表名，查询所有数据都需UNION操作
2、在许多数据库应用中，这种复杂度会超过它带来的优点，查询时会增加读一个索引层的磁盘次数
2、在许多数据库应用中，这种复杂度会超过它带来的优点，查询时会增加读一个索引层的磁盘次数
垂直分表
以字段为依据，按照字段的活跃性，将表中字段拆到不同的表（主表和扩展表）中。将同一条记录前半段存到一个表中，后半段存到一个表中
场景：
系统绝对并发量并没有上来，表中某些列常用，另外一些列不常用，可以使数据行变小，可以把常用的列和不常用的列放在不同的表中，这样一个数据页能存储更多数据，查询时减少I/O次数
缺点：
管理冗余列，查询所有数据需要join操作
水平分库
以字段为依据，按照一定策略（hash、range等），将一个库中的数据拆分到多个库中
场景：系统绝对并发量上来了，分表难以根本上解决问题，并且还没有明显的业务归属来垂直分库。
垂直分库
以表为依据，按照业务归属不同，将不同的表拆分到不同的库中
场景：系统绝对并发量上来了，并且可以抽象出单独的业务模块。