之前我们说过垂直分表，今天来说下水平分表，有的时候就算通过垂直分表还会存在慢sql的问题，因为经过垂直拆分后单表的数据量并没有减少，那如何解决这个问题，水平分表是目前解决单表数据量过大的常用方式。

水平分表：将一张表水平拆分成多张表结构一样的表，就像我们有张订单表1000万数据量，拆分后订单_1表、订单_2表….订单_9表，拆分成10张表后，单表的数据量减少到100W，解决了问题。

举个例子：原表order拆分为相同表结构表名不同的四张表

分片键：用于分片的字段，一般表中主键，比如订单表可以根据订单号或者客户号作为分片键。

分片方式：分片几种方式，我们常用的就是红框中的两种

第一种，比如按照表中的创建时间分片DATE_FORMAT(create_time,’%Y’)=’2020’的数据在table_2020，DATE_FORMAT(create_time,’%Y’)=’2021’的数据在table_2021等等。

第二种，按照一定的 算法 表达式，比如order_id%5算法分成5张表,笔者公司就是通过这种方式。

水平分表后，就会出现很多问题分表后的非分表字段查询、分表后的排序、分表后的分页查询等。

非分表字段查询：通过建立映射关系表方式解决，建一张分表键和非分表键的关系表，先通过非分表键找到分表键，然后确定表再进行查询。

分表后的排序、分表后分页：select * from table order by create_time desc limit 100,这条sql在没分表前直接就可以查询，分表后一般是这样解决分表查询每张分表order by limit 100的数据，然后通过程序聚合结果，最终得到limit 100的结果。

我们也可以通过 中间件 Sharding JDBC来实现分库分表，后续会专门介绍Shading JDBC的接入、实现、原理。

更多请关注公众号：别明天就今天吧