分库分表，已经结束了？

凌晨 1 点 DBA 加索引，业务抖到天亮

凌晨 1 点，DBA 在群里 @我：「order_status 字段的索引现在加上来一下」。

我们的订单库分了 16 个库 × 8 张表。理论上加索引就是 ALTER TABLE，按理几分钟就完。

实际跑起来——128 张表挨个加，每加一张锁几十秒到几分钟 。第 17 张表碰到一行被业务事务长持的记录，直接锁了 5 分钟 。下游订单详情、退款查询、对账作业全跟着抖——告警群从凌晨 1 点响到天亮 。

我就是在那一夜重新意识到一件事：我们花了大半年设计的这套分库分表方案，给业务带来的不再是性能红利，而是每次变更都要熬一个通宵的成本 。

这篇文章想聊聊：分库分表为什么正在从「标配 」变成「历史遗留 」，以及现在做技术选型该往哪走。

倒回 2010 年：那时候没有更好的选择

时间拉回到 2010 年前后。

那时候 MySQL 是绝大多数互联网公司的标配，单表数据扛过几千万行就开始抖 。电商、社交、支付这些业务，数据量涨得飞快，服务器配置堆到头也扛不住。

解法只有一个——拆 。按某个维度把数据打散，分到多张表 / 多个库里去。

那时候还没有成熟的分布式数据库 ：MySQL 分区表有局限、Oracle 太贵，剩下能选的就是这一套。淘宝、美团、微博这些大厂都在用，社区里整天讨论怎么选分片键、怎么做数据迁移，热得很。

它确实解决了问题，至少当时解决了 。单库扛不住的写入量拆成 16 库 16 表，扛住了流量、留住了用户。这是它的历史功劳，不能否认 。

5 个真坑 · 大坑 vs 小坑

凡是真正在项目里维护过分库分表的，基本都经历过这几件事。按破坏力分大坑、小坑 。

🔴 大坑 1：分片键选错，几乎不可逆（最致命）

分片键是整个方案的基础 。你用 user_id 分片，查单个用户没问题。但业务一上来「按商家查所有订单」、「按手机号反查用户」的需求——中间件只能去所有库捞、合并结果 ，慢得离谱。

想换分片键？需要停服、重新导数据、重新验证。亿级别的表光迁移就要 2-3 天 ——你赔不起这个时间窗。

🔴 大坑 2：跨库 JOIN 几乎不能用（高频踩到）

「用户 + 订单 + 商品」三张表，正常一条 SQL 解决。分库分表后三张表可能在不同的库，中间件不支持真正的跨库 JOIN ——只能在应用层手拼。

先查用户、再批量查订单、再批量查商品、最后在 Java 代码里组装。这类代码写起来繁琐、出错率高 ——一个简单的列表页，可能要写 50 行胶水代码。

🔴 大坑 3：分布式事务，吃力不讨好（破坏力大）

下单要同时写订单库和库存库，两个写操作要么全成功要么全失败 。但它们在不同 MySQL 实例上，本地事务管不到——你只能引入 XA 或 Seata。

• XA ：性能损耗大，并发一上来就明显抖；
• Seata ：配置复杂、出问题难排查，线上事故”从找根因到能复现”动辄几小时 ；
• 最终一致性 + 补偿 ：很多团队最后选择放弃强一致性，靠补偿逻辑兜底——但补偿逻辑本身又是新的复杂度来源。

🟡 小坑 1：扩容不是弹性扩容

业务数据涨了，原来 8 库不够，想扩到 16 库。理论可以，实际操作要凌晨手动跑一晚上 ：停写 → 重新哈希迁移 → 改分片配置 → 验证 → 恢复写入。

整个过程要人盯着、要写脚本、要做演练、要预留回滚通道 ——「弹性」这两个字，和分库分表基本不沾边。618 / 双十一这种突发流量场景，几乎只能预先扩容、不能临时加机器。

🟡 小坑 2：SQL 限制不少（写代码时一直要绕）

聚合函数、ORDER BY、GROUP BY 在分库分表环境下都有坑：

• ORDER BY 要在中间件层做二次排序，数据量一大容易 OOM ；
• LIMIT 100000, 10 这种深翻页——中间件要从每个库各取 100010 条再合并，吃内存吃时间 ；
• 跨库聚合（COUNT DISTINCT / 多维 GROUP BY）几乎做不了——逼着你绕去 ES 或离线计算。

这些限制不是中间件的问题，是架构本身带来的 ——意味着写每条复杂 SQL 前，都要先想”这条会不会触发跨库扫描”。

NewSQL 这十年悄悄起来了

就在大家还在纠结「分 8 库好还是分 16 库好」的时候，一批新数据库悄悄冒出来了 。

2012 年 Google 发了一篇关于 Spanner 的论文，讲了一套全球分布式关系型数据库的实现。这篇论文后来被业内奉为经典 ——核心思想是：

期间国内外涌现出一批 NewSQL：TiDB、OceanBase、CockroachDB、YugabyteDB、PolarDB-X。这一类数据库结合了传统 RDBMS 的 SQL 能力和分布式系统的扩展能力 。

和分库分表相比，NewSQL 一次性把三件事全做对了：

• 🚀 对应用透明 ——用户不关心数据在哪个节点、不选分片键、不写跨库逻辑，SQL 怎么写就怎么用 ；
• ♾️ 计算 + 存储双向无限扩容 ——计算节点（TiDB Server / CN）撑不住就加，存储节点（TiKV / DN）撑不住也加，两个维度独立伸缩、不互相绑死 ；
• ✨ 用起来简单 ——不再有「分片键怎么选」「16 库还是 32 库」「明年是不是要再扩一倍」这类预先决策——今天先用着，业务起来再加节点 。

主流 3 个产品：我自己用 / 朋友在用 / 候选

按我自己和身边圈子的真实使用情况——不是广告，只是讲讲谁用什么 。

TiDB（PingCAP）—— 我自己项目在用

开源 + 兼容 MySQL 协议 + HTAP （事务和分析同一套系统）。截至 2025 年初已超过 4000 家企业在用——越南支付平台 ZaloPay、杭州银行等金融场景都在用。

我自己 ：业务库就在用 TiDB——HTAP 实时分析体验确实好 ，跑日常 OLTP 的同时做几个核心报表的 OLAP 查询，省了一套 ClickHouse 的部署。

PolarDB-X（阿里云）—— 朋友团队在用

阿里系。从早期 DRDS（云上分库分表产品）演进而来，后来重构成真正的分布式数据库 。双十一是它的压力测试——2025 年 2 月 TPC-C 跑出每分钟 20.55 亿笔，刷新世界纪录。

飞鹤集团用 PolarDB 分布式版替换了原有分库分表方案，迁移后业务处理量提升 200%、慢 SQL 减少 90%、运营成本降低 40% 。

我身边有朋友团队在用 PolarDB-X ——他们已经全栈跑在阿里云上，用 PolarDB-X 的弹性扩缩容体验比自建 TiDB 省心 ，618 临时加节点就是控制台一点。

OceanBase（蚂蚁）—— 也有朋友团队在用

从阿里内部交易系统里长出来的，稳定性和事务能力是核心优势 。南方航空、厦门地铁这些对一致性极高的场景在用。

我有几个金融行业的朋友团队在用 ——他们核心系统不能丢一笔数据，OceanBase 的强一致 + 自动容灾对他们特别合适。

还没死透：3 类场景里它仍然合理

有人会问：那分库分表是不是没用了？不是 。

所以「淘汰」这个词其实不准确。更准确的描述是 ：

数据量没到大盘？先用「分区表」过渡

很多人一遇到「单表过亿」就立刻想分库分表——先别急 。

MySQL 8.0 / PostgreSQL 都原生支持分区表 ：单实例、单数据库内部按时间或 hash 把一张大表切成多个物理分区，对业务 SQL 完全透明 。

分区表的好处很明显：

• 不引入中间件 ，没有跨库 JOIN / 跨库事务的烦恼；
• DDL / 备份按分区做 ，不用全表锁；
• 历史数据归档容易 ——直接把老分区 detach + 落冷存。

分区表能扛的数据量比你想象的大得多 ——MySQL 8.0 单库十亿级数据 + 合理分区 + 索引完全跑得动。我见过不少项目硬上分库分表，结果发现单库分区表+读写分离就能解决 90% 的问题 。

分库分表里的复杂查询，建议引入 ES

如果你已经在分库分表里了——不要硬刚多维查询 。

「按用户查订单」可以走分片键，但「按商家 ID 查」「按手机号反查」「按状态 + 时间区间统计」这些查询，分库分表中间件做不了 。硬刚的结果就是开头那个故事：广播全库、内存合并、OOM。

正确做法：把查询需求拆出来，扔到 Elasticsearch 。

MySQL（分库分表）  ──binlog──►  Canal / 阿里云 DTS
                                    │
                                    ▼
                            Elasticsearch
                                    │
                                    ▼
                            多维查询 / 全文检索 / 聚合统计

为什么 ES 适合：

• 倒排索引 让多维度过滤在毫秒级别返回；
• 聚合统计 比中间件做内存合并快 10-100 倍；
• 全文检索 + 模糊匹配 是 SQL 永远做不到的能力；
• 数据冗余成本低 —— 几 TB 的 ES 集群成本远低于多扩一倍 NewSQL 集群。

实际操作里：MySQL 写订单（保证事务）→ 通过 binlog 同步到 ES → 复杂查询全走 ES 。这种「分库分表 + ES 双写 」的组合，扛住国内不少头部电商的搜索、运营后台、报表查询场景。

决策矩阵：你属于哪一象限？

写在选型前要先问自己 3 个问题 ：

1. 数据量到底在哪个量级？ ——很多「数据量大」的烦恼，优化 SQL 就解决了 。出现「表 > 1TB / 日增 > 10GB / DDL 失败 / 备份超时 / 写入瓶颈 / 多维查询无解」任一信号，才该动手拆 。
2. 团队有没有人能维护？ ——TiDB / OceanBase / PolarDB-X 出问题不像 MySQL 那么好排查。要有人能看 slow query log、理解 Region 热点、处理 MVCC 写入放大。没人 + 没预算买商业支持 → 选型要慎重 。
3. 业务对 SQL 兼容性多敏感？ ——新系统问题不大；老系统迁移要认真测，尤其是用了 MySQL 特有语法 / 存储过程 / 触发器的地方 。迁移前跑一遍全量 SQL 回放。

我的判断

分库分表解决过真实的问题，帮很多团队扛过了那段时间 。但它是为了填补 10 年前的技术空缺——那时候没有更好的选择。

现在有了 。

3 条建议：

• 新项目 ：认真看看 TiDB / OceanBase / PolarDB-X；如果数据量没到，先上分区表 + ES ；
• 老项目 ：评估迁移成本，别为了换而换 ——能跑稳就先跑稳；
• 现在维护一套分库分表的同学 ：也别焦虑——把它跑稳就行，等真正需要的时候再升级不迟 ；如果有复杂查询痛点，先引入 ES 是性价比最高的选择。

技术选型没有标准答案，合适的才是好的 。

admin普通

收藏 海报 链接