Sharding JDBC的操作分为配置使用、读写分离、分库分表以及应用等，今天我们主要来了解一下关于分库分表的操作，如果你对此感兴趣的话，那我们就开始吧。
环境准备
pom.xml

org.springframework.boot
spring-boot-starter-parent
2.1.3.RELEASE

1.8
3.1.0


io.shardingsphere
sharding-jdbc-core
${sharding.version}


    io.shardingsphere
    sharding-jdbc-spring-boot-starter
    ${sharding.version}



    com.alibaba
    druid
    1.1.10



    org.mybatis
    mybatis
    3.4.5



    org.mybatis.spring.boot
    mybatis-spring-boot-starter
    1.3.1



    mysql
    mysql-connector-java
    5.1.46



    org.springframework.boot
    spring-boot-starter



    org.projectlombok
    lombok



    org.springframework.boot
    spring-boot-starter-test
    test




org.springframework.boot
spring-boot-maven-plugin


domain
// 建立domain@Setter@Getter@ToString@NoArgsConstructor@AllArgsConstructorpublic class Employee {
private Long id;
private String name;}
配置类
@SpringBootApplication@MapperScan("cn.wolfcode.sharding.mapper")public class ShardingApplication { }
分库分表
案例模型
把数据分别存放在两台服务器的两个数据库中表，通过分片算法来决定当前的数据存放在哪个数据库的哪个表中，由于一个连接池只能连接一个特定的数据库，所以这里需要创建多个连接池对象
建表
-- 分别在2台服务器中建立数据库sharding，并且建表employee_0和employee_1CREATE TABLE employee_0 (
id bigint(20) PRIMARY KEY AUTO_INCREMENT,
name varchar(255) DEFAULT NULL) ENGINE=InnoDB DEFAULT CHARSET=utf8;-- ###################################CREATE TABLE employee_1 (
id bigint(20) PRIMARY KEY AUTO_INCREMENT,
name varchar(255) DEFAULT NULL) ENGINE=InnoDB DEFAULT CHARSET=utf8;
application.properties

定义连接池

sharding.jdbc.datasource.names=db0,db1

格式sharding.jdbc.datasource.连接池名.xxx:设置4要素信息

sharding.jdbc.datasource.db0.type=com.alibaba.druid.pool.DruidDataSource
sharding.jdbc.datasource.db0.driver-class-name=com.mysql.jdbc.Driver
sharding.jdbc.datasource.db0.url=jdbc:mysql://db0Ip:port/sharing
sharding.jdbc.datasource.db0.username=xxx
sharding.jdbc.datasource.db0.password=xxx

sharding.jdbc.datasource.db1.type=com.alibaba.druid.pool.DruidDataSource
sharding.jdbc.datasource.db1.driver-class-name=com.mysql.jdbc.Driver
sharding.jdbc.datasource.db1.url=jdbc:mysql://db1Ip:port/sharing
sharding.jdbc.datasource.db1.username=xxx
sharding.jdbc.datasource.db1.password=xxx

设置分库规则

sharding.jdbc.config.sharding.default-database-strategy.inline.sharding-column：分库列

sharding.jdbc.config.sharding.default-database-strategy.inline.algorithm-expression：分库算法

sharding.jdbc.config.sharding.default-database-strategy.inline.sharding-column=id
sharding.jdbc.config.sharding.default-database-strategy.inline.algorithm-expression=db$->{id % 2}

绑定逻辑表

sharding.jdbc.config.sharding.binding-tables=employee

设置分表规则

sharding.jdbc.config.sharding.tables.逻辑表.actual-data-nodes：逻辑表对应的真实表

sharding.jdbc.config.sharding.tables.逻辑表.table-strategy.inline.sharding-column：分表列

sharding.jdbc.config.sharding.tables.逻辑表.table-strategy.inline.algorithm-expression：分表算法

sharding.jdbc.config.sharding.tables.逻辑表.key-generator-column-name：主键列

sharding.jdbc.config.sharding.tables.employee.actual-data-nodes=db$->{0..1}.employee$->{0..1}
sharding.jdbc.config.sharding.tables.employee.table-strategy.inline.sharding-column=id
sharding.jdbc.config.sharding.tables.employee.table-strategy.inline.algorithm-expression=employee$->{id % 2}
sharding.jdbc.config.sharding.tables.employee.key-generator-column-name=id

打印日志

sharding.jdbc.config.props.sql.show=true
mapper
/**

  • 这里写的employee表是上面所配置的逻辑表

  • 底层会根据分片规则，把我们写的逻辑表改写为数据库中的真实表
    /@Mapperpublic interface EmployeeMapper {
    @Select("select     from employee")
    List selectAll();

    @Insert("insert into employee (name) values (#{name})")
    void inser(Employee entity);}
    测试
    @RunWith(SpringRunner.class)@SpringBootTest(classes=ShardingApplication.class)public class ShardingApplicationTests {

    @Autowired
    private EmployeeMapper employeeMapper;

    @Test
    public void save() {
    for (int i = 0; i < 10; i++) {
    Employee employee = new Employee();
    employee.setName("xx"+i);
    employeeMapper.inser(employee);
    }
    }

    @Test
    public void list() {
    employeeMapper.selectAll().forEach(System.out::println);
    }}
    优缺点
    拆分后单表数据量比较小,单表大数据被拆分,解决了单表大数据访问问题
    分表以什么切分如果弄的不好,导致多次查询,而且有时候要跨库操作,甚至导致join无法使用,对排序分组等有性能影响
    之前的原子操作被拆分成多个操作,事务处理变得复杂
    多个DB维护成本增加

看完这些操作后不妨自己去试试，实践才能检验真知，如果遇到了问题，也可以及时向我询问，我也会尽我所力帮助你。