转载：http://blog.itpub.net/70000181/viewspace-2776766/
面试题剖析
为什么要分库分表？（设计高并发系统的时候，数据库层面该如何设计？）
说白了，分库分表是两回事儿，大家可别搞混了，可能是光分库不分表，也可能是光分表不分库，都有可能。我先给大家抛出来一个场景：
假如我们现在是一个小创业公司(或者是一个BAT公司刚兴起的一个新部门)，现在注册用户就20万，每天活跃用户就1万，每天单表数据量就1000，然后高峰期每秒钟并发请求最多就10。天，就这种系统，随便找一个有几年工作经验的，然后带几个刚培训出来的，随便干什么都可以。
结果没想到我们运气居然这么好，碰上个CEO带着我们走上了康庄大道，业务发展迅猛，过了几个月，注册用户数达到了2000万！每天活跃用户数100万！每天单表数据量10万条!高峰期每秒最大请求达到1000！同时公司还顺带着融资了两轮，进账了几个亿人民币啊!公司估值达到了惊人的几亿美金！这是小独角兽的节奏！
好吧，没事，现在大家感觉压力已经有点大了，为啥呢?因为每天多10万条数据，一个月就多300万条数据，现在咱们单表已经几百万数据了，马上就破千万了。但是勉强还能撑着。高峰期请求现在是1000，咱们线上部署了几台机器，负载均衡搞了一下，数据库撑1000QPS也还凑合。但是大家现在开始感觉有点担心了，接下来咋整呢..... .
在接下来几个月，我的天，CEO 太牛逼了，公司用户数已经达到1亿，公司继续融资几十亿人民币啊！公司估值达到了惊人的几十亿美金，成为了国内今年最牛逼的明星创业公司!天，我们太幸运了。
但是我们同时也是不幸的，因为此时每天活跃用户数上千万，每天单表新增数据多达 50万，目前一个表总数据量都已经达到了两三千万了!扛不住啊!数据库磁盘容量不断消耗掉!高峰期并发达到惊人的
5000~8000!别开玩笑了，哥。我跟你保证，你的系统支撑不到现在，已经挂掉了！
好吧，所以你看到这里差不多就理解分库分表是怎么回事儿了，实际上这是跟着你的公司业务发展走的，你公司业务发展越好，用户就越多，数据量越大，请求量越大，那你单个数据库一定扛不住。
image.png
分表
比如你单表都几千万数据了，你确定你能扛住么？绝对不行，单表数据量太大，会极大影响你的 sql 执行的性能，到了后面你的 sql可能就跑得很慢了。一般来说，就以我的经验来看，单表到几百万的时候，性能就会相对差一些了，你就得分表了。
分表是啥意思？就是把一个表的数据放到多个表中，然后查询的时候再查一个表。比如按照用户id来分表，将一个用户的数据就放在一个表中。然后操作的时候你对一个用户就操作那个表就好了。这样可以控制每个表的数据量在可控的范围内，比如每个表就固定在 200万以内。
分库
分库是啥意思？就是你一个库一般我们经验而言，最多支撑到并发2000，一定要扩容了，而且一个健康的单库并发值你最好保持在每秒1000 左右，不要太大。那么你可以将一个库的数据拆分到多个库中，访问的时候就访问一个库好了。
这就是所谓的分库分表，为啥要分库分表？你明白了吧。
image.png
你们具体是如何对数据库如何进行垂直拆分或水平拆分的？
水平拆分的意思，就是把一个表的数据给弄到多个库的多个表里去，但是每个库的表结构都一样，只不过每个库表放的数据是不同的，所有库表的数据加起来就是全部数据。水平拆分的意义，就是将数据均匀放在更多的库里，然后用多个库来扛更高的并发，还有就是用多个库的存储容量来进行扩容。
image.png
垂直拆分的意思，就是把一个有很多字段的表给拆分成多个表，或者是多个库上去。每个库表的结构都不一样，每个库表都包含部分字段。一般来说，会将较少的访问频率很高的字段放到一个表里去，然后将较多的访问频率很低的字段放到另外一个表里去。因为数据库是有缓存的，你访问频率高的行字段越少，就可以在缓存里缓存更多的行，性能就越好。这个一般在表层面上做得较多一些。
image.png
还有表层面的拆分，就是分表，将一个表变成N个表，就是让每个表的数据量控制在一定范围内，保证SQL 的性能。否则单表数据量越大，SQL性能就越差。一般是200万行左右，不要太多，但是也得看具体你怎么操作，也可能是500万，或者是100万。你的SQL越复杂，就最好让单表行数越少。
涉及高并发系统，我该怎么办？
如果不想只是单纯地做个底层CRUD的搬砖程序员，那么对于高并发系统设计这一类的问题，你必须得掌握！不用慌，小编整理了46问，贯穿整个高并发系统设计的问题，涉及： 基础、数据库、缓存、消息队列、分布式、维护、实战操练等7个部分的内容（并将每一问的答案解析整理完整）。
image.png
- 为什么要学习高并发系统设计？
- 高并发系统：它的通用设计方法是什么
- 架构分层：我们为什么一定要这么做
- 系统设计目标（一）：如何提升系统性能
- 系统设计目标（二）：系统怎样做到高可用
- 系统设计目标（三）：如何让系统易于扩展
- 面试现场第一期：当问到组件实现原理时，面试官是在***难你吗？
- 池化技术：如何减少频繁创建数据库连接的性能损耗？
- 数据库优化方案（一）：查询请求增加时，如何做主从分离
- 数据库优化方案（二）：写入数据量增加时，如何实现分库分表
- 发号器：如何保证分库分表后ID的全局唯─性？
- NoSQL：在高并发场景下，数据库和 NoSQL 如何做到互补？
- 缓存：数据库成为瓶颈后，动态数据的查询要如何加速？
- 缓存的使用姿势（一）：如何选择缓存的读写策略？
- 缓存的使用姿势（二）：缓存如何做到高可用？
- 缓存的使用姿势（三）：缓存穿透了怎么办？
- CDN：静态资源如何加速？
- 数据的迁移应该如何做？
- 消息队列：秒杀时如何处理每秒上万次的下单请求？
- 消息投递：如何保证消息仅仅被消费一次？
- 消息队列：如何降低消息队列系统中消息的延迟？
- 面试现场第二期：当问到项目经验时，面试官究竟想要了解什么
- 从“心”出发，我还有无数个可能
- 高并发系统设计期中测试题目解析
- 系统架构：每秒1万次请求的系统要做服务化拆分吗？
- 微服务架构：微服务化后系统架构要如何改造？
- RPC框架：10万 Q P S 下如何实现毫秒级的服务调用？
- 注册中心：分布式系统如何寻址？
- 分布式Trace :横跨几十个分布式组件的慢请求要如何排查？
- 负载均衡：怎样提升系统的横向扩展能力？
- A P I 网关：系统的门面要如何做呢？
- 多机房部署：跨地域的分布式系统如何做？
- Service Mesh：如何屏蔽服务化系统的服务治理细节？
- 给系统加上眼睛：服务端监控要怎么做？
- 应用性能管理：用户的使用体验应该如何监控？
- 压力测试：怎样设计全链路压力测试平台？
- 配置管理：成千上万的配置项要如何管理？
- 降级熔断：如何屏蔽非核心系统故障的影响？
- 流量控制：高并发系统中我们如何操纵流量？
- 面试现场第三期：你要如何准备—场技术面试呢？
- 计数系统设计（一）：面对海量数据的计数器要如何做
- 计数系统设计（二）：50万 Q PS下如何设计未读数系统
- 信息流设计（一）：通用信息流系统的推理模式要如何做
- 信息流设计（二）：通用信息流系统的拉模式要如何做
- 高并发下如何发现和排查问题？
- 我们如何准备抵抗流量峰值？
答案解析原件（如下图，内容过多近400页的 高并发系统设计文档，无法一一将答案上传）
| 1 |
原件获取；找微u；mf97532
|
image.png
此外，怎么肝下MySQL？
想肝MySQL说难也还行吧，不说别的，我准备了 167道超高频的MySQL面试问题（附解析，包含从基础-索引-锁-日志-调优等内容），想做Java高级程序员乃至Java架构师，想拿阿里P7-P8的offer，先将下面这些内容装进脑子里吧！
image.png
答案解析原件（如下图，内容过多64页的 167道超高频的MySQL面试文档，无法一一将答案上传，但已整理如下的文档）
