为什么数据量越大数据库就越慢？你得理解这里面的根本原因。
无论增删改查哪个操作，其实都是查找的问题。因为都得先找到数据，才能对数据做操作。
无论什么样的存储系统，一次查询的时间，都取决于两个因素：
查找的时间复杂度又取决于两个因素：
在业务系统中，用的都是现成的数据库，存储数据的数据结构核算法都不能改变，只能改变数据总量了。
**所以，解决海量数据存储系统慢的问题，思想非常简单，就是”拆“，把一大坨数据拆分成N小托，学名叫做”分片“。**拆开之后，每个分片里的数据就没那么多了，然后让查找尽量落在某一个分片上，这样来提升查找性能。
所有分布式存储系统解决海量数据查找问题都是遵循的这个思想，但是光有思想还不够，还需要落地，下面我们就来说如何拆分数据的问题。
当单表的订单数据太多，多到影响性能的时候，首选的方案是，归档历史订单。
所谓归档，其实也是一种拆分数据的策略。简单地说，就是把大量的历史订单移到另外一张历史订单表中。为什么这么做呢？因为像订单这类具有时间属性的数据，都存在热尾效应。大多数情况下访问的都是最近的数据，但订单表里面大量的数据都是不怎么常用的老数据。
因为新数据只占数据总量中很少的一部分，所以把新老数据分开之后，新数据的数据量就会少很多，查询速度也就会快很多。老数据虽然和之前比起来没少多少，查询速度提升不明显，但是，因为老数据访很少会被访问到，所以慢一点儿也问题不大。
这样拆分的另外一个好处是：**拆分订单时，需要改动的代码非常少。**大部分对订单表的操作都是在订单完成之前，这些业务逻辑完全不需要修改的。即使像退货这类订单完成后的操作，也是有时限的，完去不需要修改。