0
0

ShardingSphere-JDBC篇

一、前言

ShardingSphere-JDBC 是 Apache ShardingSphere 的第一个产品，现已更名为 

ShardingSphere

。 定位为轻量级 Java 框架，在 Java 的 JDBC 层提供的额外服务。 它使用客户端直连数据库，以 jar 包形式提供服务，无需额外部署和依赖，可理解为增强版的 JDBC 驱动，完全兼容 JDBC 和各种 ORM 框架。

在学习

Sharding-JDBC

分库分表之前，我们有必要先了解分库分表的一些知识。

分库分表

一般的机器（4核16G），单库的MySQL并发（QPS+TPS）超过了2k，系统基本就完蛋了。最好是并发量控制在1k左右。这里就引出一个问题，为什么要分库分表？

分库分表目的：解决高并发，和数据量大的问题。

分库分表的维度有两个：垂直和水平

  • 水平拆分 ：把一个库或者一个表的数据，按照时间，地区或者某个业务键划分到不同的表或者不同的库中，拆分过后每个库表结构是一致的
  • 垂直拆分 ：把一个大表拆分成多个小表，每个库表的结构都不一样，从而达到冷热字段拆分，也可以按照业务进行垂直分库，如分成用户库，订单库，拆分过后每个库表都只包含部分字段

img

一般公司都会按照上图的模式进行拆分，先按照业务进行垂直分库，然后再根据需要分表的库进行水平拆分。

二、核心概念

1、分片

一般我们在提到分库分表的时候，大多是以水平切分模式（水平分库、分表）为基础来说的，而分片的可以理解为用于数据库（表）水平拆分的数据库字段，这个字段就叫做分片键，SQL 中如果无分片字段，将执行全路由，性能较差

2、逻辑表or真实表

逻辑表非真实存在的表，如一个订单表order，select * from order,这里的order指的就是逻辑表，并不存在，如果我们将order拆分成order_1,order_2....order_n,其中order_n才是真实存在的物理表

3、数据节点

在这里插入图片描述

数据分片的最小单元，它由数据源名称和数据表组成，例如上图中 

order_db_1.t_order_0

就表示一个数据节点。

4、分布式主键

数据分⽚后，不同数据节点⽣成全局唯⼀主键是⾮常棘⼿的问题，同⼀个逻辑表（

t_order

）内的不同真实表（

t_order_n

）之间的⾃增键由于⽆法互相感知而产⽣重复主键，而sharding 内置了

UUID

、

SNOWFLAKE

两种分布式主键⽣成器，默认使⽤雪花算法（

snowflake

）⽣成64bit的⻓整型数据。不仅如此它还抽离出分布式主键⽣成器的接口，⽅便我们实现⾃定义的⾃增主键⽣成算法。

5、分片策略&分片算法

分片策略只是抽象出的概念，它是由分片算法和分片健组合而成，分片算法做具体的数据分片逻辑。从执行 SQL 的角度来看，分库分表可以看作是一种路由机制，把 SQL 语句路由到我们期望的数据库或数据表中并获取数据，分片算法可以理解成一种路由规则。

分片策略：

  • 标准分片策略（StandardShardingStrategy） 仅支持单分片键，可提供对SQL语句中的=, >, <, >=, <=, IN和BETWEEN AND的分片操作支持。
  • 复合分片策略（ComplexShardingStrategy） 与标准分片一致，但支持多分片键
  • 行表达式分片策略（InlineShardingStrategy） 使用Groovy的表达式，提供对SQL语句中的=和IN的分片操作支持，只支持单分片键
  • Hint分片策略 （HintShardingStrategy） 强制路由到某库某表，此策略无需配置分片键，但需要通过外部 HintManager 指定分库、分表信息
  • 不分片策略（NoneShardingStrategy）

分片算法：

  • 精确分片算法（PreciseShardingAlgorithm） 用于处理使用单一键作为分片键的=与IN进行分片的场景。需要配合StandardShardingStrategy使用，且是Standard策略必须算法。
  • 范围分片算法（RangeShardingAlgorithm） 用于处理使用单一键作为分片键的BETWEEN AND、>、<、>=、<=进行分片的场景。需要配合StandardShardingStrategy使用，是Standard策略可选算法。
  • 复合分片算法（ComplexKeysShardingAlgorithm） 用于处理使用多键作为分片键进行分片的场景，包含多个分片键的逻辑较复杂，需要应用开发者自行处理其中的复杂度。需要配合ComplexShardingStrategy使用。
  • Hint分片算法（HintShardingAlgorithm） 用于处理使用Hint行分片的场景。需要配合HintShardingStrategy使用。

值得注意的是，sharding只提供了算法的接口，具体算法的实现还需要我们自己去实现。

列举了怎么多的分片策略，分片算法，大家一定很懵，下面来看一些具体的案例

三、配置

sharding提供了4种配置方式，java API、YAML、Spring Boot Starter、Spring命名空间，用于不同的使用场景。 通过配置，应用开发者可以灵活的使用数据分片、读写分离、数据加密、影子库等功能，并且能够叠加使用。

了解了核心概念，首先我们分别建立两个数据库，每个库包含两张表，如下图

下面我们通过YAML和java API两种方式来测试

1、YAML

YAML分库分表的配置(注意不同版本的sharding配置属性略有差异，详情参加官方文档）本文采用4.x版本

server:
  port: 8085
spring:
  shardingsphere:
    # 参数配置，显示sql
    props:
      sql:
        show: true
    # 配置数据源
    datasource:
      # 给每个数据源取别名，下面的ds1,ds1任意取名字
      names: ds0,ds1
      # 给master-ds1每个数据源配置数据库连接信息
      ds0:
        # 配置druid数据源
        type: com.alibaba.druid.pool.DruidDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        url: jdbc:mysql://127.0.0.1:3306/ksd_user?useUnicode=true&characterEncoding=utf8&tinyInt1isBit=false&useSSL=false&serverTimezone=GMT
        username: root
        password: 123456
        maxPoolSize: 100
        minPoolSize: 5
      # 配置ds1-slave
      ds1:
        type: com.alibaba.druid.pool.DruidDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        url: jdbc:mysql://127.0.0.1:3307/ksd_user?useUnicode=true&characterEncoding=utf8&tinyInt1isBit=false&useSSL=false&serverTimezone=GMT
        username: root
        password: 123456
        maxPoolSize: 100
        minPoolSize: 5
    sharding:
      # 配置分表的规则
      tables:
        # ksd_user 逻辑表名
        ksd_user:
          # 数据节点：数据源$->{0..N}.逻辑表名$->{0..N}
          actual-data-nodes: ds$->{0..1}.ksd_user$->{0..1}
          # 拆分库策略，也就是什么样子的数据放入放到哪个数据库中。
          database-strategy:
            inline:
              sharding-column: sex    # 分片字段（分片键）
              algorithm-expression: ds$->{sex % 2} # 分片算法表达式
          # 拆分表策略，也就是什么样子的数据放入放到哪个数据表中。
          table-strategy:
            inline:
              sharding-column: age    # 分片字段（分片键）
              algorithm-expression: ksd_user$->{age % 2} # 分片算法表达式

mybatis:
  mapper-locations: classpath:mapper/*.xml
  type-aliases-package: com.lb.shardingtest.entity

我们一段段来解释

spring:
  shardingsphere:
    # 配置数据源
    datasource:
      # 给每个数据源取别名，下面的ds0,ds1任意取名字
      names: ds0,ds1
      # 给每个数据源配置数据库连接信息
      ds0:
        # 配置druid数据源
        type: com.alibaba.druid.pool.DruidDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        url: jdbc:mysql://127.0.0.1:3306/ksd_user?useUnicode=true&characterEncoding=utf8&tinyInt1isBit=false&useSSL=false&serverTimezone=GMT
        username: root
        password: 123456
        maxPoolSize: 100
        minPoolSize: 5
      # 配置ds1-slave
      ds1:
        type: com.alibaba.druid.pool.DruidDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        url: jdbc:mysql://127.0.0.1:3307/ksd_user?useUnicode=true&characterEncoding=utf8&tinyInt1isBit=false&useSSL=false&serverTimezone=GMT
        username: root
        password: 123456
        maxPoolSize: 100
        minPoolSize: 5

这里配置了两个库（数据源）并分别取了别名ds0和ds1 

    sharding:
      # 配置分表的规则
      tables:
        # ksd_user 逻辑表名
        ksd_user:
          # 数据节点：数据源$->{0..N}.逻辑表名$->{0..N}
          actual-data-nodes: ds$->{0..1}.ksd_user$->{0..1}
          # 拆分库策略，也就是什么样子的数据放入放到哪个数据库中。
          database-strategy:
            inline:
              sharding-column: sex    # 分片字段（分片键）
              algorithm-expression: ds$->{sex % 2} # 分片算法表达式
          # 拆分表策略，也就是什么样子的数据放入放到哪个数据表中。
          table-strategy:
            inline:
              sharding-column: age    # 分片字段（分片键）
              algorithm-expression: ksd_user$->{age % 2} # 分片算法表达式

其中ksd_user为要分片表的逻辑表名，使用的分库和分表策略都为inline，也是是上文所说的行表达式分片策略（InlineShardingStrategy），数据节点分别为:

ds0.ksd_user0 ds0.ksd_user1 ds1.ksd_user0 ds1.ksd_user1

其中分库算法的分片列为sex（假设男为0，女为1），那么男通过取模会得到ds0库，女会得到ds1库，然后再根据分表算法的分片列age取模再次选择放到哪一张表。

测试数据为：sex为男（0） 年龄偶数（20）预期应该插入ds0.ksd_user0

测试结果：符合预期

2、java API

现在我们再来通过 java API这种方式来实现同样的分库分表策略，因为是单个分片键，所以我们的算法只需实现PreciseShardingAlgorithm接口即可

import org.apache.shardingsphere.api.sharding.standard.PreciseShardingAlgorithm;
import org.apache.shardingsphere.api.sharding.standard.PreciseShardingValue;
import org.springframework.stereotype.Component;

import java.util.Collection;

/**
 * 分表算法
 * @date 2022/6/7
 **/
@Component
public class MyAgeAlgorithm implements PreciseShardingAlgorithm<Integer> {

    @Override
    public String doSharding(Collection<String> availableTargetNames, PreciseShardingValue<Integer> preciseShardingValue) {
        //分片列值
        Integer value = preciseShardingValue.getValue();
        String shardingValue = String.valueOf(value % 2);
        for (String targetName : availableTargetNames) {
            if(targetName.endsWith(shardingValue)) {
                return targetName;
            }
        }
        return null;
    }
}

import org.apache.shardingsphere.api.sharding.standard.PreciseShardingAlgorithm;
import org.apache.shardingsphere.api.sharding.standard.PreciseShardingValue;
import org.springframework.stereotype.Component;

import java.util.Collection;

/**
 * 分库算法
 * @date 2022/6/7
 **/
@Component
public class MySexAlgorithm implements PreciseShardingAlgorithm<Integer> {

    /**
     *
     * @param availableTargetNames 实际库别名或者表名集合
     * @param preciseShardingValue 分片列 其中包含3个属性：
     * columnName 分片列  value 分片列值  logicTableName 逻辑表名
     *
     * @return
     */
    @Override
    public String doSharding(Collection<String> availableTargetNames, PreciseShardingValue<Integer> preciseShardingValue) {
        //分片列值
        Integer value = preciseShardingValue.getValue();
        String shardingValue = String.valueOf(value % 2);
        for (String targetName : availableTargetNames) {
            if(targetName.endsWith(shardingValue)) {
                return targetName;
            }
        }
        return null;
    }
}

然后修改一下配置文件的分库分表策略即可

          database-strategy:
            standard:
              sharding-column: sex    # 分片字段（分片键）
              preciseAlgorithmClassName: com.lb.shardingtest.sharding.algorithm.MySexAlgorithm 
            # 拆分表策略，也就是什么样子的数据放入放到哪个数据表中。
          table-strategy:
            standard:
              sharding-column: age    # 分片字段（分片键）
              preciseAlgorithmClassName: com.lb.shardingtest.sharding.algorithm.MyAgeAlgorithm

测试数据为：sex为女（1） 年龄奇数（20）预期应该插入ds1.ksd_user1

测试结果：符合预期

参考文章：

概览 :: ShardingSphere

【学相伴】ShardingJDBC最新完整教程IDEA版通俗易懂 | KuangStudy | 飞哥 | 狂神说 | 学相伴_哔哩哔哩_bilibili

初识-Sharding-JDBC_天亮i的博客-CSDN博客_sharding-jdbc

Sharding-JDBC分片策略详解（二）

标签： apache java 开发语言
本文转载自: https://blog.csdn.net/weixin_43410352/article/details/125141404
版权归原作者 dotaer-df 所有， 如有侵权，请联系我们删除。
登录后发布评论

“ShardingSphere-JDBC篇”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

机器人技术在安全领域的重要作用

安全学习记录——网络篇（一）

图腾柱PFC：HP1010为您的电动两轮车之旅提供绿色，高效，安全的动力

单元测试数据库回滚问题

这才是单元测试，之前我们都错了

【C语言基础】：字符函数和字符串函数

ChatGPT-Next-Web SSRF漏洞+XSS漏洞复现(CVE-2023-49785)

文章导航