mysql表數據量太大，達到了1億多條數據，除了分庫分表之外，還有沒有其他的解決方式？在正常配置下，MySQL只能承載2000萬數據（同時讀寫，表中有大文本字段，單服務器）?，F在已經超過1億，而且還在

mysql表數據量太大，達到了1億多條數據，除了分庫分表之外，還有沒有其他的解決方式？

在正常配置下，MySQL只能承載2000萬數據（同時讀寫，表中有大文本字段，單服務器）。現在已經超過1億，而且還在增加，建議按以下方式處理：

1子表。它可以按時間或一定的規(guī)則進行拆分，以便盡可能地查詢子表中的數據庫。這是最有效的方法。特別是寫，放入一個新表，并定期同步。如果記錄不斷更新，最好將寫入的數據放在redis中，并定期同步表3的大文本字段，將它們分隔成一個新的獨立表。對于較大的文本字段，可以使用NoSQL數據庫

4優(yōu)化體系結構，或者優(yōu)化SQL查詢，避免聯合表查詢，盡量不要使用count（*）、in、recursion等性能消耗語句

5使用內存緩存，或者在前端讀取時增加緩存數據庫。重復讀取時，直接從緩存中讀取。

以上是一種低成本的管理方法，基本上幾個服務器就可以做到，但是管理起來有點麻煩。

當然，如果整體數據量特別大，而且你不在乎投資成本，可以使用cluster，使用tidb

大數據可以分為數據采集、數據分析和數據呈現。由于大數據使用的是非結構化數據，與傳統的數據分析相比，它具有價值密度高、數據量大的特點，這就是傳統的數據分析相當于走葡萄藤，而大數據分析相當于把這個領域描繪成一座監(jiān)獄。

我們可以采取幾種大數據的實際應用場景，比如商業(yè)營銷。商家通過統一的數據標準，在平臺上收集客戶信息，分析客戶偏好，制定有針對性的營銷策略。這種模式在人工智能、物聯網等各個行業(yè)的營銷領域都非常普遍。這兩方面的數據都是非結構化的，傳統的數據分析方法無法有效地處理，只能借助大數據進行分析。

簡而言之，大數據解決的問題不在任何領域，而是在每個領域。它在任何時刻都不會影響我們的生活，而是每時每刻。大數據仍然需要統一的數據標準來支撐。有待解決的具體問題和著陸方案仍在改進中。隨著技術和時間的推移，大數據的應用越來越廣泛，需要解決的問題也越來越多?？赡艿暮罄m(xù)問題是哪些問題是大數據無法解決的。