请描述在工作中落地 Sharding JDBC 进行分库分表的过程。在实施时，你如何决定分表字段与分表数量？采用了哪种分片算法，例如取模或哈希，并说明为何这样选？

回答思路

1. 【回答框架 1】分库分表是应对大数据量和高并发的手段。选用 Sharding JDBC，是因为它对业务代码侵入小，原生支持 JDBC 协议，可无缝集成到现有应用中。
2. 【回答框架 2】分表逻辑：选择业务查询最频繁、且天然均匀分布的字段作为分片键，比如用户 ID 或订单 ID。分表数量需根据数据增长预估和单表数据容量而定，通常使单表数据量在千万级别以下。
3. 【回答框架 3】分片算法：最常用的是取模，如对分片数取余，简单直接，但若数据不均匀可能导致热点。哈希取模则通过哈希函数打散数据，更均匀。还有范围分片，如按时间分表，便于分区维护，但可能热点在最新数据。
4. 【回答框架 4】实际项目里我们采用用户 ID 的哈希取模，分 16 个库、64 张表，因为用户访问相对均匀。同时配合读写分离和索引优化，效果良好。
5. 【关键点 1】分片键应选择高区分度、查询频繁的字段。
6. 【关键点 2】分表数量需结合数据量和单表容量预估，避免后续扩容麻烦。
7. 【关键点 3】取模算法简单但可能数据倾斜，哈希取模更均匀。
8. 【易错点 1】分片键设计不当，导致跨分片查询或数据倾斜。
9. 【易错点 2】分片算法选择不当，如取模在数据分布不均时产生热点。
10. 【易错点 3】注意分片后跨节点 join、排序、聚合的复杂性和性能问题。