读写分离通过主从复制分担数据库压力，数据分片分散单点负载，结合索引优化、缓存降频与中间件路由，提升分布式MySQL性能，需配合监控与自动化运维保障长期稳定。
在分布式系统中，MySQL 的读写负载优化需要从架构设计、数据分布、查询效率和资源调度多个层面入手。核心思路是分离读写压力、合理分片数据、提升缓存命中率，并保证系统可扩展性。
读写分离：减轻主库压力
通过主从复制将写操作集中在主库，读操作分发到一个或多个从库，能显著降低主库负载。
建议做法：- 使用 MySQL 主从异步复制或半同步复制实现数据同步
- 应用层或中间件（如 MyCat、ProxySQL）根据 SQL 类型自动路由：INSERT/UPDATE/DELETE 走主库，SELECT 走从库
- 监控从库延迟，避免读取过期数据，必要时强制关键查询走主库
数据分片（Sharding）：分散单点压力
当单库容量或性能达到瓶颈时，按业务逻辑将数据水平拆分到多个 MySQL 实例。
常见策略：- 按用户 ID、订单号等字段哈希分片，保证数据均匀分布
- 按地理区域或租户进行范围分片，适合多租户场景
- 结合中间件（如 Vitess、ShardingSphere）透明化分片逻辑，减少业务侵入
索引与查询优化：提升单节点效率
即使在分布式环境下，单条 SQL 的执行效率仍直接影响整体吞吐。
关键措施：
- 为高频查询字段建立复合索引，避免全表扫描
- 限制大分页查询（如 LIMIT 10000,20），改用游标或时间戳分页
- 避免 SELECT *，只取必要字段，减少网络和内存开销
- 定期分析慢查询日志，使用 EXPLAIN 检查执行计划
缓存层配合：降低数据库访问频次
引入缓存可大幅减少对 MySQL 的直接读请求，尤其适用于热点数据。
推荐方案：- 使用 Redis 或 Memcached 缓存读多写少的数据，如用户资料、配置信息
- 设置合理的过期策略和缓存更新机制（如写后失效、双删策略）
- 对极端热点 key 做本地缓存（如 Caffeine），防止缓存击穿压垮数据库
基本上就这些。分布式读写优化不是一蹴而就的事，需根据业务增长逐步调整架构。关键是把读写分离做稳，分片逻辑理清，再配合索引和缓存，就能支撑大多数高并发场景。不复杂但容易忽略的是监控和自动化运维，比如自动切换主从、动态扩容分片，这些才是长期稳定的保障。
