大牛都在用的sharding-JDBC，来看这里，教你啊

Sharding-JDBC

Sharding-JDBC是ShardingSphere中的一个独立产品，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。ShardingSphere是一套开源的分布式数据库中间件解决方案组成的生态圈，它由Sharding-JDBC、Sharding-Proxy和Sharding-Sidecar（计划中）这3款相互独立的产品组成。 他们均提供标准化的数据分片、分布式事务和数据库治理功能。

ShardingSphere定位为关系型数据库中间件，旨在充分合理地在分布式的场景下利用关系型数据库的计算和存储能力，而并非实现一个全新的关系型数据库。

ShardingSphere已经在2020年4月16日成为Apache顶级项目(Apache官方发布从4.0.0版本开始)。

总结下，Sharding-JBDC是一个轻量级的嵌入式分库分表组件，包括SQL解析、路由、结果集合并等功能。分库分表这里不扩展介绍了，有兴趣的可以查查。

既然它是一个分库分表组件，那下面聊聊它是怎么处理联合(join)查询的，正在使用或者将要准备使用Sharding-JDBC的童鞋，请注意，这里有秘密要说，如果你的业务中存在跨分片查询场景，那么可能影响到你业务的正确性。

跨分片联合查询

现有两个数据库DB1和DB2，DB1上存在t_order 和t_order_item两张表，DB2上存在t_order表，两张表可通过ORDER_ID关联查询,SQL如下

 select a.name,b.age from t_order a left join t_item b on a.order_id = b.order_id 
复制代码

按左连接查询，那么结果应该是和下图中的一致

 

而sharding-JDBC结果却和我们预料的不一样，是不很惊讶

sharing-JDBC版本

    
      org.apache.shardingsphere
      sharding-jdbc-core
      4.0.0-RC2
       
复制代码

Sharding-JDBC的分库策略

dataSources:
  ds_0: !!org.apache.commons.dbcp.BasicDataSource
    driverClassName: com.mysql.jdbc.Driver
    url: jdbc:mysql://localhost:3306/ds_0
    username: root
    password: root
  ds_1: !!org.apache.commons.dbcp.BasicDataSource
    driverClassName: com.mysql.jdbc.Driver
    url: jdbc:mysql://localhost:3306/ds_1
    username: root
    password: root

shardingRule:
  tables:
    t_order:
      actualDataNodes: ds_${0..1}.t_order
      tableStrategy:
        inline:
          shardingColumn: order_id
          algorithmExpression: t_order
      databaseStrategy:
        inline:
          shardingColumn: order_id
          algorithmExpression: ds_${order_id % 2}
    t_order_item:
      actualDataNodes: ds_0.t_order_item
      tableStrategy:
        inline:
          shardingColumn: order_id
          algorithmExpression: t_order_item
      databaseStrategy:
        inline:
          shardingColumn: order_id
          algorithmExpression: ds_0
复制代码

模拟数据

DB1中t_order表中数据

INSERT INTO `ds_0`.`t_order` (`order_id`, `order_name`) VALUES ('1001', 'zhangsan');
复制代码

t_order_item中数据

INSERT INTO `ds_0`.`t_order_item` (`order_id`, `order_name`, `age`) VALUES ('1001', NULL, '10');
复制代码

DB2中t_order表中数据

INSERT INTO `ds_1`.`t_order` (`order_id`, `order_name`) VALUES ('1002', 'lisi');
复制代码

验证数据

通过sharding-JDBC执行下面SQL

    @Test
    public void testSelect() throws Exception {
        try (Connection connection = YamlConfigurationExample.getDataSource().getConnection();
             Statement ps = connection.createStatement();){
            final String sql = "select a.order_name,b.age from t_order a left join t_order_item b on a.order_id = b.order_id ";
            ResultSet rs = ps.executeQuery(sql);
            while (rs.next()) {
                System.out.println("order_name[" + rs.getString(1)
                        + "] age[" + rs.getString(2) +"]");
            }
        }
    }
复制代码

执行结果

 

出乎意料，查询结果与我们预料的并不相符，业务中如果真的存在这样的场景，那不死翘翘了。难道真的有bug？莫慌，今天带你从源码的角度分析sharding-JDBC找出问题根源。

分析问题

首先分析问题，结果集不对，一般产生这个问题可能出现在两个地方，

• 路由，可能路由结果不对，本来SQL发送DB1和DB2，结果路由出来是DB1
• 结果集合并，结果集合并存在缺陷

首先从路由角度跟踪下源码，路由入口

    private void shard(final String sql) {
        ShardingRuntimeContext runtimeContext = connection.getRuntimeContext();
        SimpleQueryShardingEngine shardingEngine = new SimpleQueryShardingEngine(runtimeContext.getRule(), runtimeContext.getProps(), runtimeContext.getMetaData(), runtimeContext.getDatabaseType(),runtimeContext.getParseEngine());
        sqlRouteResult = shardingEngine.shard(sql, Collections.emptyList());
    }
复制代码

这块涉及到了SQL改写，比如分表改写表名等，题外话，继续分析executeRoute方法

    public SQLRouteResult shard(final String sql, final List