在业务达到一定规模后，由于数据库是中心架构的，一个设计糟糕的数据库将会给业务带来非常严重的灾难，这方面阿里提出了很多宝贵的经验和方法论。
阿里数据库的分布式方案
- 垂直拆分：根据不同的业务以高内聚、低耦合的原则，将数据拆分到不同的数据库中
- 读写分离：垂直拆分后有些服务的请求量依然很大，我们首先想到的是读/写分离，因为往往业务场景决定这读远远大于写，这时候进行读写分离可以有效降低写的压力，且从库可以追加多个
- 分库分表：读写分离无法解决单表写的性能问题，以及单表数据量大的问题，针对这个问题我们可以采用水平分库/表的方案，根绝业务特点对表、库进行水平拆分，分表可以减小单表数据量，分库可以减少单库连接数的上线，从而满足业务的需求。
阿里开发了TDDL，作为数据库的拆分方案，特点是：全面支持jdbc，对业务无侵入。
- matrix：根据业务配置分表规则针对sql语句进行解析，选择需要执行的groupDS
- groupDS：负责读写分离，以及根据权重选择atomDS；
- atomDs:持有数据库的原子链接；
数据库分表的原则
- 数据尽量均匀：防止数据倾斜；
- 减少事务边界：尽量减少违反分表分库规则的事务，否则需要进行全表扫描，因为需要在内存中进行聚合，就会降低系统性能，且系统的性能指标就降为单库的指标。
- 异构索引表来满足跨表查询的场景；
提供其他搜索方案来解决复杂的查询、搜索场景；
其中异构索引表，大部分小企业可以采用业务来解决，阿里提供了精卫系统在系统层面来解决数据同步需求：
原理是消费binlog，通过配置进行过滤，同步；
- 支持多线程同时同步，为了保证数据在并发情况的一致性，同一条语句根据规则打到同一个线程执行；
- 强大的UI工具支持；
数据的安全性：
- 采用zookeeper做调度、管控；
- 手动主从切换、宕机回复；
PS：
数据库分表分数据遇到了”数据均匀”，”减少事务边界”这两种情况冲突的情况，应该优先解决数据均匀的问题，因为减少事务边界可以采用异构索引表的方式解决。
实际开发中我们采用82原则，针对80%的情况下有20%的场景出现没有分表字段的情况，采用异构索引的方式处理，其他小概率的查询我们可以全表扫描等方案。