-
数据库设计的时候，有些时候可考虑横向分表，把不常用，占用空间多，并且这张表的数据可能超过千万级别，这种情况吧一个表分成基础表和拓展表，可以明显的提高数据检索效率，Btree 的结构决定每行的数据越少，每页能放的行数越多，数据结构就越矮胖，查询效率就越高
-
纵向分表也是一种常见的策略，用类似的也可以分库
比如通过Id的访问拆分
比如通过hash模运算拆分
比如通过一致性哈希算法拆分 -
读写分离也是常见提高数据库查询能力的方式
-
浏览器缓存静态资源是一种重要的缓存方式，用户端的资源相对来说不容易有瓶颈，http相应头expires 和 cache-control 是设置缓存的重要参数
expires 设置到期时间点
cache-control 设置多久以后过期 -
互联网应用用户分布在全国各地，需要CDN网络缓存资源加速，如果企业内部用的我们可以考虑ngxin缓存静态资源
-
考虑缓存的情况应该是不常变化，高频率使用的数据，并且缓存会一定程度的带来数据不一致，这是使用缓存需要考虑的一个点
-
通过id范围分库分表，会导致尾部热点问题
分表为例：预估10亿数据，分10 份，0-1亿放表1,1-2亿放表2，一次类推。必定有一个统一的地方维持Id生成，正常Id应该是递增的，如果我们写到1.5亿的时候，表2所在的数据库一般就压力就比较大。要解决这个问题我们可以轮询的生成10个区间的递增数据，比如第一次生成1，第二次生成1亿零1，第三次生成两亿01，这样能解决热点问题，或者直接是不通过范围分配，直接通过hash来分配储存位置，hash模或者hash环
-
分库分表的情况雪花算法之类的与生成Id，比自增Id更加适合。