[docs update] 数据库读写分离和分库分表内容完善

Author: Snailclimb

docs/high-performance/images/read-and-write-separation-and-library-subtable/horizontal-slicing-database.png

@@ -109,8 +109,6 @@ MySQL binlog(binary log 即二进制日志文件) 主要记录了 MySQL 数据
 
 **MySQL 主从复制是依赖于 binlog 。另外，常见的一些同步 MySQL 数据到其他数据源的工具（比如 canal）的底层一般也是依赖 binlog 。**
 
-
-
 ## 分库分表
 
 读写分离主要应对的是数据库读并发，没有解决数据库存储问题。试想一下：**如果 MySQL 一张表的数据量过大怎么办?**
@@ -121,40 +119,53 @@ MySQL binlog(binary log 即二进制日志文件) 主要记录了 MySQL 数据
 
 ### 什么是分库？
 
-**分库** 就是将数据库中的数据分散到不同的数据库上。
+**分库** 就是将数据库中的数据分散到不同的数据库上，可以垂直分库，也可以水平分库。
+
+**垂直分库** 就是把单一数据库按照业务进行划分，不同的业务使用不同的数据库，进而将一个数据库的压力分担到多个数据库。
+
+举个例子：说你将数据库中的用户表、订单表和商品表分别单独拆分为用户数据库、订单数据库和商品数据库。
+
+![垂直分库](./images/read-and-write-separation-and-library-subtable/vertical-slicing-database.png)
+
+**水平分库** 是把同一个表按一定规则拆分到不同的数据库中，每个库可以位于不同的服务器上，这样就实现了水平扩展，解决了单表的存储和性能瓶颈的问题。
 
-下面这些操作都涉及到了分库：
+举个例子：订单表数据量太大，你对订单表进行了水平切分（水平分表），然后将切分后的 2 张订单表分别放在两个不同的数据库。
 
-- 你将数据库中的用户表和用户订单表分别放在两个不同的数据库。
-- 由于用户表数据量太大，你对用户表进行了水平切分，然后将切分后的 2 张用户表分别放在两个不同的数据库。
+![水平分库](./images/read-and-write-separation-and-library-subtable/horizontal-slicing-database.png)
 
 ### 什么是分表？
 
 **分表** 就是对单表的数据进行拆分，可以是垂直拆分，也可以是水平拆分。
 
-**何为垂直拆分？**
-
-简单来说，垂直拆分是对数据表列的拆分，把一张列比较多的表拆分为多张表。
+**垂直分表** 是对数据表列的拆分，把一张列比较多的表拆分为多张表。
 
 举个例子：我们可以将用户信息表中的一些列单独抽出来作为一个表。
 
-**何为水平拆分？**
-
-简单来说，水平拆分是对数据表行的拆分，把一张行比较多的表拆分为多张表。
+**水平分表** 是对数据表行的拆分，把一张行比较多的表拆分为多张表，可以解决单一表数据量过大的问题。
 
 举个例子：我们可以将用户信息表拆分成多个用户信息表，这样就可以避免单一表数据量过大对性能造成影响。
 
-[《从零开始学架构》](https://time.geekbang.org/column/intro/100006601?code=i00Nq3pHUcUj04ZWy70NCRl%2FD2Lfj8GVzcGzZ3Wf5Ug%3D) 中的有一张图片对于垂直拆分和水平拆分的描述还挺直观的。
+水平拆分只能解决单表数据量大的问题，为了提升性能，我们通常会选择将拆分后的多张表放在不同的数据库中。也就是说，水平分表通常和水平分库同时出现。
 
-![](https://guide-blog-images.oss-cn-shenzhen.aliyuncs.com/java-guide-blog/662ea3bda90061d0b40177e3a46fefc3.jpg)
+![分表](./images/read-and-write-separation-and-library-subtable/two-forms-of-sub-table.png)
 
 ### 什么情况下需要分库分表？
 
 遇到下面几种场景可以考虑分库分表：
 
-- 单表的数据达到千万级别以上，数据库读写速度比较缓慢（分表）。
-- 数据库中的数据占用的空间越来越大，备份时间越来越长（分库）。
-- 应用的并发量太大（分库）。
+- 单表的数据达到千万级别以上，数据库读写速度比较缓慢。
+- 数据库中的数据占用的空间越来越大，备份时间越来越长。
+- 应用的并发量太大。
+
+### 常见的分片算法有哪些？
+
+分片算法主要解决了数据被水平分片之后，数据究竟该存放在哪个表的问题。
+
+- **哈希分片** ：求指定 key（比如 id） 的哈希，然后根据哈希值确定数据应被放置在哪个表中。哈希分片比较适合随机读写的场景，不太适合经常需要范围查询的场景。
+- **范围分片** ：按照特性的范围区间（比如时间区间、ID区间）来分配数据，比如 将 `id` 为 `1~299999` 的记录分到第一个库， `300000~599999` 的分到第二个库。范围分片适合需要经常进行范围查找的场景，不太适合随机读写的场景（数据未被分散，容易出现热点数据的问题）。
+- **地理位置分片** ：很多 NewSQL 数据库都支持地理位置分片算法，也就是根据地理位置（如城市、地域）来分配数据。
+- **融合算法** ：灵活组合多种分片算法，比如将哈希分片和范围分片组合。
+- ......
 
 ### 分库分表会带来什么问题呢？
 

docs/high-performance/images/read-and-write-separation-and-library-subtable/two-forms-of-sub-table.png

@@ -67,9 +67,9 @@ GC 调优策略中很重要的一条经验总结是这样说的：
 
 > 将新对象预留在新生代，由于 Full GC 的成本远高于 Minor GC，因此尽可能将对象分配在新生代是明智的做法，实际项目中根据 GC 日志分析新生代空间大小分配是否合理，适当通过“-Xmn”命令调节新生代大小，最大限度降低新对象直接进入老年代的情况。
 
-另外，你还可以通过**`-XX:NewRatio=<int>`**来设置新生代和老年代内存的比值。
+另外，你还可以通过 **`-XX:NewRatio=<int>`** 来设置老年代与新生代内存的比值。
 
-比如下面的参数就是设置新生代（包括Eden和两个Survivor区）与老年代的比值为1。也就是说：新生代与老年代所占比值为1：1，新生代占整个堆栈的 1/2。
+比如下面的参数就是设置老年代与新生代内存的比值为1。也就是说老年代和新生代所占比值为1：1，新生代占整个堆栈的 1/2。
 
 ```
 -XX:NewRatio=1
@@ -141,3 +141,4 @@ JVM具有四种类型的*GC*实现：
 - [从实际案例聊聊Java应用的GC优化-美团技术团队](https://tech.meituan.com/2017/12/29/jvm-optimize.html)
 - [JVM性能调优详解](https://www.choupangxia.com/2019/11/11/interview-jvm-gc-08/) （2019-11-11）
 - [JVM参数使用手册](https://segmentfault.com/a/1190000010603813)
+- 

docs/high-performance/images/read-and-write-separation-and-library-subtable/vertical-slicing-database.png

@@ -7,8 +7,8 @@ icon: "book"
 ## Java
 
 - **[JavaGuide](https://github.com/Snailclimb/JavaGuide "JavaGuide")** :【Java 学习+面试指南】 一份涵盖大部分 Java 程序员所需要掌握的核心知识。
-- **[interview-guide](https://github.com/csguide-dabai/interview-guide)** ：总结了后端面试八股文中的重点，希望能帮助各位准备互联网开发岗校招面试的同学。
 - **[toBeBetterJavaer](https://github.com/itwanger/toBeBetterJavaer)** ：一份通俗易懂、风趣幽默的 Java 学习指南，内容涵盖 Java 基础、Java 集合框架、Java 并发编程、JVM、Java 企业级开发（Git、SSM、Spring Boot）等知识点。
+- **[interview-guide](https://github.com/csguide-dabai/interview-guide)** ：总结了后端面试八股文中的重点，希望能帮助各位准备互联网开发岗校招面试的同学。
 - **[advanced-java](https://github.com/doocs/advanced-java "advanced-java")** :互联网 Java 工程师进阶知识完全扫盲：涵盖高并发、分布式、高可用、微服务、海量数据处理等领域知识。
 - **[toBeTopJavaer](https://github.com/hollischuang/toBeTopJavaer "toBeTopJavaer")** ：Java 工程师成神之路 。
 - **[technology-talk](https://github.com/aalansehaiyang/technology-talk)** : 汇总 java 生态圈常用技术框架、开源中间件，系统架构、数据库、大公司架构案例、常用三方类库、项目管理、线上问题排查、个人成长、思考等知识