假设360的“360安全卫士”用户行为日志表，每天写入数亿条记录，如何设计分库分表策略，以及索引优化方案，确保查询性能（如按用户ID查询最近行为，或按时间范围查询）？

1) 【一句话结论】：采用时间分片结合用户ID分库的分库分表策略，并设计复合索引（如用户ID+时间戳）和覆盖索引，确保按用户ID查询最近行为和按时间范围查询的高性能。

2) 【原理/概念讲解】：分库分表是为了解决单库数据量过大导致的性能瓶颈。垂直分库是将不同业务表拆分到不同库（如用户表、行为表拆到不同库），水平分片是将同一表按数据量拆分到多个库/表（如按用户ID取模）。时间分片是按时间维度（如按天、月）拆分表（如每天一个表）。索引优化中，B+树索引能高效支持范围查询，复合索引（多个字段组合）能提升多条件查询性能，覆盖索引（索引包含查询所需所有字段）可减少回表。
类比：分库分表像把一个大图书馆的书按主题（垂直分库）或按作者（水平分片）分成多个小图书馆，时间分片像按年份分房间，索引像书的目录，能快速找到特定书籍。

3) 【对比与适用场景】：

方式	定义	特性	使用场景	注意点
垂直分库	按业务拆分表（如用户表、行为表拆到不同库）	每库数据量小，事务集中	业务复杂，表间关联多	需跨库事务（如分布式事务）
水平分片	按数据量拆分表（如按用户ID取模）	单表数据量仍大	数据量巨大，单表查询	需分片键，跨分片查询复杂
时间分片	按时间维度拆分表（如按天、月）	数据按时间有序，查询按时间范围	日志类、时间序列数据	需处理数据迁移，避免数据冗余

4) 【示例】：
表结构设计：

CREATE TABLE user_action (
    user_id BIGINT NOT NULL,
    action_type VARCHAR(20),
    action_time TIMESTAMP NOT NULL,
    action_data JSON,
    PRIMARY KEY (user_id, action_time) -- 主键，按用户ID和时间有序
) ENGINE=InnoDB;

分库分表策略：

• 分库：按user_id取模（如user_id % 8），将数据分散到8个库（db0-db7）。
• 分表：按action_time的日期分片，如每天一个表（user_action_20240501, user_action_20240502...）。
  索引优化：
• 复合索引：CREATE INDEX idx_user_time ON user_action (user_id, action_time);（支持按用户ID查询最近行为，ORDER BY action_time DESC LIMIT 1）。
• 覆盖索引：CREATE INDEX idx_time_data ON user_action (action_time, action_data);（若查询只需要action_time和action_data，减少回表）。

5) 【面试口播版答案】：（约80秒）
“面试官您好，针对日写入数亿条日志表，我会从分库分表和索引优化两方面设计。首先分库分表，采用时间分片结合用户ID分库的策略：按用户ID取模分库（如8个库），按行为时间按天分表（如每天一个表），这样既分散了单库压力，又利用时间有序性提升查询效率。然后索引优化，针对按用户ID查询最近行为，创建复合索引（user_id + action_time），支持范围查询；针对按时间范围查询，创建覆盖索引（action_time + action_data），减少回表。这样既能应对海量写入，又能高效支持用户行为查询。”

6) 【追问清单】：

• 问：分库分表后如何处理跨库事务？
  答：对于需要跨库的事务，可采用两阶段提交（2PC）或最终一致性方案（如TCC），结合业务场景选择。
• 问：分片键选择用户ID是否合理？
  答：用户ID是业务主键，能保证数据集中，但需考虑冷热数据（如新用户行为多，老用户少），可结合时间分片优化。
• 问：如何处理数据迁移和扩容？
  答：数据迁移可采用分批迁移（如按天分批），扩容时新增库/表，并更新路由规则。
• 问：索引选择是否会影响写入性能？
  答：B+树索引写入成本较低，复合索引和覆盖索引对写入影响可控，可通过分库分表分散写入压力。
• 问：是否考虑过数据冗余？
  答：时间分片可能导致数据冗余，可通过定期归档（如保留30天数据，归档到冷存储）减少冗余。

7) 【常见坑/雷区】：

• 分片键选择不当：如选择非业务主键（如随机数），导致数据分布不均，查询热点。
• 索引覆盖不足：未创建覆盖索引，导致回表，影响查询性能。
• 分库分表导致事务跨库：未考虑分布式事务，导致数据不一致。
• 时间分片策略不合理：如按小时分表，导致表数量过多，管理复杂；或按年分表，导致查询时需要扫描多个表。
• 忽略冷热数据：新用户行为集中，老用户行为少，分片键导致冷数据查询效率低。