主题
面试速答（先看这里）
**一句话结论：**分库分表时使用取模算法是一种常见的数据分片策略，它通过对某个字段的值进行取模运算来决定数据存储的目标库或表。
60秒标准回答：
在上文中，我们介绍了什么是数据倾斜， 以及发生后如何解决
分库分表时使用取模算法是一种常见的数据分片策略，它通过对某个字段的值进行取模运算来决定数据存储的目标库或表。然而，如果数据分布不均匀，简单的取模算法可能会导致某些数据库或表的负载明显高于其他，即数据倾斜问题
但是，我们是不是可以在前期就想办法避免数据倾斜的问题呢？也是有办法的，可以采取以下几种策略
**答题顺序：**结论 → 原理/机制 → 关键流程 → 场景与取舍 → 易错点
回答主线：
- **要点1：**在上文中，我们介绍了什么是数据倾斜， 以及发生后如何解决。
- **要点2：**但是，我们是不是可以在前期就想办法避免数据倾斜的问题呢？
- **要点3：**选择合适的分片（分表）键是避免数据倾斜的关键。
- **要点4：**例如，用户ID通常是一个好的分片键，因为它通常能保证数据分布的均匀性。
- **要点5：**复合分片策略结合了多个分片键和/或多种分片方法。
**记忆锚点：**通过虚拟分片 → 个虚拟分片 → 这种方法 → 内部再根据第二个分片 → 组合在一起做一次分片 → 意味着实际的物理分片
易错提醒：
- 但是，我们是不是可以在前期就想办法避免数据倾斜的问题呢？
- 也是有办法的，可以采取以下几种策略： 选择合适的分片（分表）键是避免数据倾斜的关键。
加分表达：
- 然而，如果数据分布不均匀，简单的取模算法可能会导致某些数据库或表的负载明显高于其他，即数据倾斜问题。
- 但是我们前面的几篇分库分表的文章中讲过，我们可以通过基因法把分表结果组装到支付单号中，后续查询基于支付单号。
追问准备：
- 围绕「通过虚拟分片」：底层原理是什么？使用时有哪些边界和常见坑？
- 围绕「个虚拟分片」：底层原理是什么？使用时有哪些边界和常见坑？
- 围绕「这种方法」：底层原理是什么？使用时有哪些边界和常见坑？
- 如果线上出现异常，你会如何定位、验证并规避？
典型回答
在上文中，我们介绍了什么是数据倾斜， 以及发生后如何解决。
分库分表时使用取模算法是一种常见的数据分片策略，它通过对某个字段的值进行取模运算来决定数据存储的目标库或表。然而，如果数据分布不均匀，简单的取模算法可能会导致某些数据库或表的负载明显高于其他，即数据倾斜问题。
但是，我们是不是可以在前期就想办法避免数据倾斜的问题呢？也是有办法的，可以采取以下几种策略：
选择合适分片键
选择合适的分片（分表）键是避免数据倾斜的关键。分片键应该是高度散列的，并且在业务操作中经常被用作查询条件。
例如，用户ID通常是一个好的分片键，因为它通常能保证数据分布的均匀性。但是当做分表的时候，买家ID肯定比卖家ID分片会出现倾斜的概率要低得多。毕竟一个买家的订单肯定不会有卖家的订单多。
复合分片
复合分片策略结合了多个分片键和/或多种分片方法。例如，可以先基于第一个分片键进行粗略分片，然后在每个粗略分片内部再根据第二个分片键进行细分。这种方法可以进一步细化数据分布，减少倾斜的风险。
例如说，对于支付单的表，按照付款方分片之后，发现有的付款方式企业账号，他的数据量很大，就会出现数据倾斜。
那么就可以针对付款方类型是企业的，再把"付款方ID+下单日期"组合在一起做一次分片。当然，这也会带来一个问题，就是下次查询的时候需要带上下单日期才行。但是我们前面的几篇分库分表的文章中讲过，我们可以通过基因法把分表结果组装到支付单号中，后续查询基于支付单号。
虚拟分片
虚拟分片意味着实际的物理分片数量远少于虚拟分片的数量。首先，基于一个较大的取模基数进行分片，将数据均匀分布到多个虚拟分片中，然后再将这些虚拟分片映射到实际的物理分片上。这种方法可以在一定程度上缓解数据倾斜的问题，因为即使某些键值分布不均，通过虚拟分片和映射也能实现较均匀的数据分布。
假设有100个虚拟分片，但实际只有10个物理分片。那么就是每个物理分片包含10个虚拟分片。
当一个数据项需要被存储时，我们首先根据某个键（比如用户ID）对100取模，决定将这个数据项放到哪个虚拟分片中。然后，这个虚拟分片会根据预先定义的映射关系被映射到一个物理分片上。这样，即使某些用户ID段的数据特别多，通过虚拟分片和映射也能较均匀地分布到所有的物理分片上。
