数据访问层

给数据库减压：1：优化应用，看是否有不必要的压力；2：看有没有办法降低数据库压力，如缓存，搜索引擎等；3：将数据库的数据和访问分到多台数据库上，分开支持。

数据拆分有俩种方式：垂直拆分和水平拆分
垂直拆分带来的影响：
单机的ACID被打破了，要么放弃原来的事务，要么引入分布式事务；
Join操作变的比较困难
靠外键约束的场景会收影响
水平拆分带来的影响：
ACID问题；
Join问题；
外键问题；
生成唯一ID会受影响
针对单个逻辑意义上的表的查询要跨库；

分布式事务：
分布式事务模型：X/OpenDTP模型，定义了三个组件AM,RM,TM
AP与RM之间可以利用RM自身提供的native API进行通信，这种方式不使用事务，当要使用事务的时候，AP需要的到对RM的连接，此连接由TM进行管理，然后使用XA的native API进行交互。
AP与TM之间使用TX接口，用于对事务进行控制，包括启动事务，提交事务，回滚事务等。
TM与RM之间通过XA接口交互，TM管理到RM的连接，并实现俩阶段提交。
2阶段提交：提交之前增加了准备阶段，只有TM控制RM在准备阶段都成功，才会在第二阶段进行提交操作，只要有一个失败，则进行回滚操作。
CAP理论：
一致性：所有节点在同一时间读到同样的数据，
可用性：每个请求都能收到一个响应，
分区容忍性：即使系统有部分问题，但系统仍然能够继续运行。
多机的Sequence问题：
把所有ID集中放在一个地方进行管理。每台机器使用ID时都从这个ID生成器上取。
跨库join问题：在应用层把原来的Join操作分为多次数据库操作；
数据冗余；
借助外部系统（如搜索引擎）解决一些跨库问题。