我需要处理几个数据样本，比如说，N. 样本代表相似的数据，但来自不同的来源。例如，不同商店的订单历史。所以所有样本的结构都是一样的。要处理数据，我有几种可能性：
使用N具有相同架构的数据库，每个样本一个
使用一个数据库，但使用一N组表。例如，User_1，...，User_N；Product_1, ..., Product_N, Order_1, ..., Order_N 等等。
将一个数据库与一组表用户、产品、订单一起使用，但向每个表添加一个表示示例索引的辅助列。显然，这一列应该是一个索引。
最后一个变体似乎是最方便使用的，因为所有查询都变得简单。在第二种情况下，我需要将表名作为参数发送到查询（存储过程）（可能吗？）。
那么你会建议哪种方式？性能非常重要。
第 1 步：获取一本关于数据仓库的书——因为这就是你正在做的事情。
第 2 步。将您的数据划分为事实（可衡量的东西，如美元、重量等）和维度（不可衡量的属性，如产品名称、订单号、用户名等）
步骤 3. 构建一个由该事实的维度包围的事实表（例如，订单项）。订单项的产品、订单项的客户、订单项的订单号、订单项的日期等等。这将是一个事实表和多个维度表在一个数据库中。每个“起源”或“来源”只是基本事实的一个维度。
第 4 步。使用非常简单的“SELECT SUM() GROUP BY”查询来汇总和分析您的数据。
这是最高性能、最具可扩展性的业务方式。购买 Ralph Kimball 的数据仓库工具包书籍以获取更多详细信息。
不要建立N个结构相同的数据库。为 TEST 构建一个，为 PRODUCTION 构建一个，但不要构建N。
不要建立N个结构相同的表。这就是钥匙的用途。
这是一个例子。示例中事实表的每一行都有订单中的一个行项目。该OrderID字段可用于查找特定订单中的所有项目。
好吧，如果您将数据库分开，您将拥有更小的表。这通常更高效。如果您需要访问另一个数据库，可以使用 Microsoft SQL Server。如果您需要访问另一台服务器上的数据库，这也是可能的。
这将取决于数据的相关性有多强。