⭐ 题目日期：

阿里 - 2025/8/19

📝详细题解

什么是分表？

分表（Sharding）是一种数据库架构设计模式，它将一个巨大的单一表，按照某种规则（如用户ID哈希、时间范围等）拆分成若干个独立的小表，这些小表可以分布在不同的数据库实例或服务器上。

分表通常分为两种：

1. 垂直分表 (Vertical Sharding)：将一个表中的字段（列）拆分到不同的表中。例如，将一个大表的非热点、非频繁查询字段拆分到另一个表中。它解决的是列太多导致的行数据量过大和 I/O 压力，本质上是字段级别的优化。
2. 水平分表 (Horizontal Sharding)：将一个表中的行数据拆分到多个结构相同的表中。这是通常说的“分表”，解决的是单表数据量过大的问题。

我们主要讨论更常见的水平分表。

什么时候需要考虑分表？

当单表的数据量达到或超过某个临界点，严重影响数据库性能时，就需要考虑分表。这个临界点没有绝对的标准，但通常在以下情况出现：

1. 单表行数超过千万级别：这是最常见的信号。当表中的记录数达到数百万甚至数千万时，即使有索引，查询效率也会显著下降，B+树索引的高度会增加，导致查询时的磁盘 I/O 次数增多。
2. 写（Insert/Update）操作并发压力巨大：当高并发写入时，数据库的I/O 达到瓶颈。虽然可以采用主从复制（读写分离）来分散读压力，但所有的写操作最终还是集中在主库上。
3. 热点数据查询压力巨大（非读写分离能完全解决时）：虽然读写分离可以解决读压力，但如果单个主库的读 I/O 和 CPU 已经饱和，或者全量数据查询（即使有索引）仍然很慢时。
4. 业务未来可预见的快速增长：预估到未来几个月或一年内数据量将迅速突破千万级别，提前规划分表方案。

分表能解决哪些问题？

分表主要解决以下数据库瓶颈问题：

1. 解决单表查询性能下降问题：
   • 缩小数据规模：将大表分解成小表，索引结构更小（B+树更矮），查询时需要扫描的数据更少，I/O 次数减少，查询速度更快。
2. 解决高并发写入的瓶颈问题：
   • 分散 I/O 压力：通过将数据分散到多个物理数据库实例上，将集中在单个主库的写入压力分散到多个数据库，从而突破单机的 I/O 限制和 CPU 瓶颈，提高系统的吞吐量。
3. 解决存储容量瓶颈：
   • 突破单机存储限制：单个数据库服务器的存储空间有限，分表可以将总数据量存储在多台服务器上，实现无限扩容。

---

📝面试答案的标准方式

概述

您好，分表（Sharding）是应对海量数据和高并发写入挑战的关键手段。它将巨大的单一表拆分成多个小表，以分散数据存储和处理的压力。

什么时候需要考虑分表？

我通常从数据量和并发压力两个维度来判断：

1. 数据量维度：当单表的数据行数超过千万级别时（这是一个经验值），数据库的B+树索引会变得很高，查询所需的磁盘 I/O 次数显著增加，导致查询效率严重下降。这是考虑分表的首要信号。
2. 并发压力维度：当系统面临高并发的写入（Insert/Update）操作，导致单个数据库实例的 I/O 或 CPU 达到瓶颈时。虽然读写分离能解决读压力，但分表可以将写压力分散到多个主库上，彻底提高系统的写入吞吐量。

分表能解决哪些核心问题？

分表主要解决单机数据库性能瓶颈，核心效果有三点：

1. 提升查询性能：将大表分散成小表，有效降低了索引的高度，使得数据查询时需要扫描的数据量和磁盘 I/O 次数大大减少，查询速度更快。
2. 分散写入压力：通过将数据水平分散到多个数据库实例上，将原来集中在一个主库上的高并发写入操作，分散到多台服务器并行处理，从而突破了单机的 I/O 瓶颈，提高系统的并发处理能力。
3. 突破存储容量限制：允许将总数据量存储在多台服务器上，实现数据库的横向无限扩展（Scale Out），解决单台服务器的存储容量限制。