1、代码中sql语句优化2.数据库字段优化，索引优化3.加缓存，redis/memcache等4.主从，读写分离5.分区表6.垂直拆分，解耦模块7.水平切分
2、 1与2是最简单，也是提升效率最快的方式。 也许有人说这两点您已经做的很好了，每条语句都命中了索引，是最高效的。但是你是否是为了你的sql达到最优而去捋杏野卫建索引，而不是从整个业务上来考虑。 比如，订单表上我需要增加xx索引满足某单一业务，是否就一定要加，其他方法能否解决。 如果要满足所有业务的需求，那么索引就泛滥了，对于千万级以上的表来说，维护索引的成本大大增加，反而增加了数据库的内存的开销。
3、 数据库字段的优化。曾经发现一高级程序员在表字段的设计上，一个日期类型，被设计为varchar类型，不规范的同时，无法对写入数据校验，做索引的效率也有差别(网(xian)友(pen)的(liao)观(zai)点(shuo)，具体差别原理不详)。
4、 缓存适合读多写少更新频度相对较低的业务场景，否则缓存异议不大，命中率不高。 缓存通常来说主要为了提高接口处理速度，降低并发带来的db压力以及由此产生的其他问题。 你的接口时延多少？ 有没有被用户吐槽？ 有没有必要提升？
5、 分区不是分表，结果还是一张表，只不过把存放的数据文件分词了多个小块，分块后。 在表数据非常大的情况下，可以解决无法一次载入内存，以及大表数据维护等问题。
6、 垂直拆分将表按列拆成多表，常见于将主表的扩展数据独立开，文本数据独立开，降低磁盘io的压力。
7、 水平拆，这是一把最有效的牛刀。但是存在一个误区，有的人会觉得，为限鬃鹣哺什么不在最开始就直接水平线拆，免说湫鲆胪去了后面迁移数据的麻烦。 下定某个决策之前，必须有一个非常充分的理由。 水平拆分的主要目的是提升单表并发读写能力(压力分散到各个分表中)和磁盘IO性能(一个非常大的.MYD文件分摊到各个小表的.MYD文件中)。 如果没有千万级以上数据，为什么要拆，仅对单表做做优化也是可以的。 再如果没有太大的并发量，分区表也一般能够满足。 所以，一般情况下，水平拆分是最后的选择，在设计时还是需要一步一步走。
