1、总结1：MySQL数据库属于服务内部实现，不要跨服务共享每个服务有自己独立的库（非数据库实例），不要把数据库表，访问账号等信息直接暴露给其他服务访问。服务的实现者可以选择适合自身业务的数据类型。典型反例：服务A和服务B公用一个MySQL数据库
2、总结2：禁止在MySQL数据库中存储图片、文件等大数据内容。
3、总结3：任何表的设计都要考虑到数据的删除策略，表中的数据不能无止境的增长而不删除。典型反例：某服务历史数据没有转储功能，日积月累，出现千万级别的大表。
4、总结4：要考虑MySQL墙绅褡孛数据库一致性问题。从以下几点考虑一致性问题：1）表之间一致性：业务拆分为大漉胜衲仰表和小表，创建、删除操作需要保证事务。2）并发写一致性：合法性检测到修改都要保证原子操作，比如限制数量。3）数据冗余一致性：表字段冗余，要保证类型一致，修改同步。4）数据迁移一致性：数据迁移前后要进行一致性，保证表数量、记录数、checksum不变。5）主从库一致性：因为主从库为异步复制，不是强一致性。6）数据库和缓存一致性：设定缓存过期时间，让非热点数据自动老化，保证最终一致性；缓存双淘汰机制；7）微服务之间一致性：微服务之间可能有些共享依赖数据，可选的方案有对流程优化、基于租约的定期校验等。
5、总结5：合理控制MySQL数据库的规模和数量建议单表数据量不超过100W；建议单库不超过100个表；建议单表字段数量上限控制在20~50个；
6、总结6：服务组提供数据表之间完整性检查工具；因为数据库是异步复制，可能存在微损倒换。如在异地容灾发生故障时需要手工切换前，服务需要提供数据完整性检查工具，作为倒换决策参考，避免倒换后服务启动失败等严重问题。
7、总结7：大规模存储要考虑数据库容量估算。1）表数据容量估算）单实例存储空间：总共多少张表，每张表最大存多少万条记录，每条记录占用多少K空间。三者相乘可以的得到大概多少G的数据空间。2）预留binlog日志的空间；3）备份预留存储空间：备份保留天数乘以存储空间；
8、总结8：大规模存储要考虑墙绅褡孛数据库性能估算。主要是根据服务的SLA指标（吞吐能力，请求时延）来推算，以下是一些参考指标：1）myslq单实例批插吞吐能力最低 1k/s.2）mysql单实例并发读吞吐能力最低 10k/s.3）Redis单实例并发读写吞吐能力 5~10w/s.4）RedisCluster并发读写吞吐能力 5w/s * N实例数量。5）为异地容灾的数据复制，估算网络带宽： 可选估算公式：每秒同时变化记录数 * 每条记录数字节数 * 8如：告警每秒1000条持续上报： 1K * 1K* 8 = 8 Mbps/s
9、总结9：提前进行资源估算，估算出对服务器要求。1）服务器：MySQL单实例1个节点，主从库2个节点，RedisCluster/Zookeeper一般要求3或5个节点2）内存：MySQL 5.6单实例内存缺省起步 800M。3）CPU：MySQL是多线程，单Redis单实例是单线程，最多占满1个核。4）磁盘：估算数据实际大小+索引空间+复制日志+备份空间5）网络带宽：平均包大小 * 最大并发数，还要考虑主从复制带宽核异地容灾预留单独带宽。
10、总结10：数据库实例和库拆分建议：1）分布式场景，考虑节约资源费用和维护成本，资源，缺省一个产品内服务可以共用数据节点，缺省一个服务组内的服务共用一个MySQL实例。2）服务组内部，根据数据重要程度，表数量，单表记录数，可进一步拆分成不同实例和不同库。当复制速度成为瓶颈，单机部署多实例可以间接提供复制能力。单IO成为瓶颈，考虑SSD。单实例一般10G存储，单库100张表，单表100万记录，单表60个字段，单表5个索引，单记录2k3) 禁止多个微服务共用一个库。
11、总结11：大规模存储要重点考虑书库存储设计。以下需要重点考虑的因素：1）业务模型定义：OLTP还是OLAP，CAP选蚯岈烧缎哪两个，ER关系：一对多还是多对多，最终一致性还是强一致性。2）垂直分区，解决表数量太多，把业务关系密切的表放到同一个库，间接提供性能和可靠性，实时成本低。3）水平分区：解决单表记录数大，单个库存储不下或有性能压力，把单表拆分成多张表，保存到不同库/实例实现可扩展性，选择拆分维度很重要，实施成本高。4）历史数据要定期转储成文件或者大数据（HBase）中，避免耗尽整个磁盘空间。5）每张表数据量控制在100W以内6）读写分离，可以考虑将高热点，高吞吐能力要求的数据缓存到Redis中