前言
我们说了ShardingSphere的读写分离，使用读写分离能够减轻单库的读写操作，从而提升数据库的吞吐量，但是当数据库中表的数据量到达一定数量时，我们可能就会需要进行分片了，分片又分为垂直分片和水平分片，下面我们对二者进行简单的分析。
垂直分片
我们的一个数据库中通常是有很多数据表的，不过可能由于我们的分类不到位，就会出现涝的涝死旱的旱死的局面，比如某些数据表的读写操作十分频繁，而我的这个库中大量的集中了这种读写操作频繁的表，那么整体的吞吐量就会降低，而某个库中又集中了读写不频繁的表，吞吐量十分的高(但是好像没什么卵用)，所以我们应该合理的分配，以保证整理的吞吐量达到最大值，下图将数据表各分到了一个数据库中。
不过垂直分片不能从根本上解决读写瓶颈，因为不管你再怎么分，所有的数据始终都集中在一张表里面，就算数据库的性能再好，也解决不了这个问题。所以我们需要进行更加细粒度的划分，下面我们来讲解水平分片。
水平分片
水平分片又可以叫做横向拆分，就是将一张大表拆分为若干张小表，比如我一张表中有1亿条数据，那么我拆分为10张表，每张表中存万条数据，那么效率就会变高，还有些数据需要进行分类和归档，那么我们也需要进行分表，之前我们系统中一个表用来存储文档信息，有十多年因为数据量十分庞大，在业务中需要对文档进行排序等操作，本来查询就比较耗时了，再加上需要进行逻辑上的处理，所以就更加耗时，于是就进行了分表，将每一年的数据存进一个表，这样就提高了查询效率，并且更加容易对数据进行追踪和管理，如下就是水平分片的图例。
ShardingSphere数据分片实战
使用ShardingSphere数据分片，我们只需通过简单的配置就能实现，ShardingSphere帮我们屏蔽了底层逻辑，我们也可通过ShardingSphere预留的接口和SPI进行扩展我们的需求，比如可以实现我们自己的分片算法，主键生成策略等等。
下面演示将文档按照年份进行分表，将文档数据分表至年至年来存，一般我们的配置文件都是配置在nacos上面，所以能够灵活的进行配置，当到了年，我们可以添加一个年的表，改下nacos的配置，当然，一般会先预留出数据表，nacos上面也留出空间，我们的是预留到年，留出了10年。
yml文件
我们重点