1.常见的数据分片策略

无论是分库，还是分表，数据分片策略类似，主要有下面几种：

1. 范围分片：按照某个连续的范围划分数据，例如按照时间区间或者按照用户ID的范围。
2. hash分片：按照某种哈希算法计算每条数据的哈希值，然后将相同哈希值的数据存储到同一片中。
3. 枚举分片：按照某个固定的枚举值划分数据，例如按照地域分片。
4. 分布式一致性哈希：使用哈希算法将数据分散到一个哈希环上，然后根据物理节点在哈希环上的位置，将数据分配到相应的节点上。

2.各种分片策略的优缺点

2.1.范围分片

优点：

• 数据顺序存储，能够支持范围查询操作。
• 易于管理和扩容，可以在数据范围之外新增数据节点。
• 对于一些范围固定的数据类型，如时间戳，可根据范围进行分片，将数据均匀分布在各节点上。

缺点：

• 当数据分布不均时，容易导致部分分片集中大量的热点数据，流量都集中到部分数据库实例，造成性能瓶颈。
• 数据量不可控，某些范围内的数据可能会非常大。

2.2.hash分片

优点：

• 数据均匀分布在各个节点上，可以有效避免热点数据和数据倾斜问题。
• 支持对多个字段进行哈希，可避免某个字段值过于集中的问题。

缺点：

• 不支持范围查询，只能通过全表扫描或者多次查询组合结果的方式进行数据查询操作。
• 不支持数据按照一定规则顺序存储。
• 新增或者减少数据库节点，成本较大，需要迁移大量的数据。

2.3.枚举分片

优点：

• 可以根据枚举值进行分片，将相同枚举值的数据分散到相同节点。
• 枚举值相对固定，枚举值数量也不多，易于管理。

缺点：

• 枚举值的数量不可过多，适合按地区划分这种粗粒度的划分数据。
• 枚举分片通常需要搭配其他分片算法进行二次分片，否则容易出现数据热点问题，例如广东地区数据就上亿，广东地区内部还需要二次拆分数据。

2.4.分布式一致性哈希

优点：

• hash分片的升级版，解决了hash分片的部分弊端。
• 支持动态增减节点，节点变化时只需对部分数据进行迁移，不会导致整个数据集的迁移。
• 数据均匀分布，不会产生热点数据和数据倾斜问题。
• 支持节点故障的自动处理，保证服务的高可用性。

缺点：

• 不支持数据范围查询，只能通过全表扫描或者多次查询组合结果的方式进行数据查询操作。
• 节点变化时需要进行数据迁移，会影响查询性能。

提示：水平分库分表规则，在实际应用场景可以灵活调整和组合，并不是一成不变。