Sharding-JDBC:查询量大如何优化？

主人公小王入职了一家刚起步的创业公司，公司正在研发一款App。为了快速开发出能够投入市场进行宣传的版本，小王可是天天加班到很晚，忙了一段时间后终于把第一个版本赶出来了。

初期功能不多，表也不多，用的MySql存储业务数据。就一个节点，当然每天凌晨有定时备份机制。

下图是目前的一个现状：

得益于运营人员的大力推广，这款App初见成效。注册用户越来越多，查询量越来越大，对于不太会更新的数据小王加上了缓存，又撑了一段时间。

对于某些数据还是要查数据库，按目前的业务发展，单节点的数据库已经快满足不了需求了。而且读和写都在一起，小王打算进行一次优化，将数据库做读写分离，一主多从。

下图是改进后的一个现状：

将读请求全部走从节点，主节点只写入来缓解数据的查询压力，数据库部署这块正好小王公司有个运维可以搞定，但是应用程序这块也得支持多数据源才行呀。

小王是个雷厉风行的人，行动力极强，马上脑袋中就有了方案，配置多个数据源不就行了，然后用不同的数据源进行数据操作就可以了嘛！

伪代码如下：

// 主数据源
@Bean
(
name 
=

"primaryDataSource"
)
@Qualifier
(
"primaryDataSource"
)
//指定数据源配置前缀
@ConfigurationProperties
(
prefix 
=

"spring.datasource.primary"
)
public

DataSource
 primaryDataSource
()

{

return

DataSourceBuilder
.
create
().
build
();
}

// 从数据源
@Bean
(
name 
=

"secondaryDataSource"
)
@Qualifier
(
"secondaryDataSource"
)
@Primary

//在同样的DataSource中，首先使用被标注的DataSource  
@ConfigurationProperties
(
prefix 
=

"spring.datasource.secondary"
)
public

DataSource
 secondaryDataSource
()

{

return

DataSourceBuilder
.
create
().
build
();
}

假设我们用JdbcTemplate操作数据库：

@Bean
(
name 
=

"primaryJdbcTemplate"
)
public

JdbcTemplate
 primaryJdbcTemplate
(
@Qualifier
(
"primaryDataSource"
)

DataSource
 dataSource
)

{

return

new

JdbcTemplate
(
dataSource
);
}
@Bean
(
name 
=

"secondaryJdbcTemplate"
)
public

JdbcTemplate
 secondaryJdbcTemplate
(
@Qualifier
(
"secondaryDataSource"
)

DataSource
 dataSource
)

{

return

new

JdbcTemplate
(
dataSource
);
}

配置完成后我们在操作数据的时候选用不同的JdbcTemplate就可以满足需求了。有个问题是一旦从节点多了起来，也就意味着会有多个JdbcTemplate，使用的时候是不是还得有个算法，用哪个来操作，比较麻烦。

于是小王找到了我，我这人是个热心肠。既然找到了我肯定得帮助下，当然我不是帮小王写代码，只是给他提供思路+方案。

我对小王说：ShardingSphere知道么，你用这个吧，比你自己去配多数据源简单多了。ShardingSphere是后来规划的，最开始是只有 Sharding-JDBC 一款产品，基于客户端形式的分库分表。后面发展变成了现在的Apache ShardingSphere(Incubator) ，它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（规划中）这3款相互独立，却又能够混合部署配合使用的产品组成。它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，可适用于如Java同构、异构语言、容器、云原生等各种多样化的应用场景。

经过我的指导小王还是顺利的用Sharding-JDBC将读写分离整出来了，下面给大家分享下步骤。

第一步：创建2个数据库，模拟一主一从，当然如果你有现成的主从环境更好啦

CREATE DATABASE 
`ds_0`
 CHARACTER SET 
'utf8'
 COLLATE 
'utf8_general_ci'
;
CREATE DATABASE 
`ds_1`
 CHARACTER SET 
'utf8'
 COLLATE 
'utf8_general_ci'
;

CREATE TABLE 
`user`
(
    id bigint
(
64
)

not

null
,
    city varchar
(
20
)

not

null
,
    name varchar
(
20
)

not

null
,
    PRIMARY KEY 
(
`id`
)
)
 ENGINE
=
InnoDB
 DEFAULT CHARSET
=
utf8
;

在ds0和ds1这两个库中分别创建一个user表，用于数据操作演示。

第二步：创建一个Maven项目，增加需要的依赖，下面只贴出Sharding-JDBC的，其余的后面我会给出源码地址给大家参考：

org.apache.shardingsphere



sharding-jdbc-spring-boot-starter



4.0.0-RC1

第三步：配置读写分离的数据源

# 数据源名称集合，对应下面数据源配置的名称
spring
.
shardingsphere
.
datasource
.
names
=
master
,
slave

# 主数据源
spring
.
shardingsphere
.
datasource
.
master
.
type
=
com
.
alibaba
.
druid
.
pool
.
DruidDataSource
spring
.
shardingsphere
.
datasource
.
master
.
driver
-
class
-
name
=
com
.
mysql
.
jdbc
.
Driver
spring
.
shardingsphere
.
datasource
.
master
.
url
=
jdbc
:
mysql
:
//localhost:3306/ds_0?characterEncoding=utf-8
spring
.
shardingsphere
.
datasource
.
master
.
username
=
root
spring
.
shardingsphere
.
datasource
.
master
.
password
=
123456

# 从数据源
spring
.
shardingsphere
.
datasource
.
slave
.
type
=
com
.
alibaba
.
druid
.
pool
.
DruidDataSource
spring
.
shardingsphere
.
datasource
.
slave
.
driver
-
class
-
name
=
com
.
mysql
.
jdbc
.
Driver
spring
.
shardingsphere
.
datasource
.
slave
.
url
=
jdbc
:
mysql
:
//localhost:3306/ds_1?characterEncoding=utf-8
spring
.
shardingsphere
.
datasource
.
slave
.
username
=
root
spring
.
shardingsphere
.
datasource
.
slave
.
password
=
123456

# 读写分离配置
spring
.
shardingsphere
.
masterslave
.
load
-
balance
-
algorithm
-
type
=
round_robin
# 最终的数据源名称
spring
.
shardingsphere
.
masterslave
.
name
=
dataSource
# 主库数据源名称
spring
.
shardingsphere
.
masterslave
.
master
-
data
-
source
-
name
=
master
# 从库数据源名称列表，多个逗号分隔
spring
.
shardingsphere
.
masterslave
.
slave
-
data
-
source
-
names
=
slave

load-balance-algorithm-type用于配置从库负载均衡算法类型，可选值：ROUND_ROBIN(轮询)，RANDOM（随机）

配置完成后可以自行插入数据进行查询和插入的测试，对于应用层使用什么ORM框架无任何影响，你可以用我们前面讲的JdbcTemplate，也可以用Mybatis 等

测试步骤我就不写出来了，比较简单，当然我这边也提供了测试代码，仅供参考：

https://github.com/yinjihuan/sharding-jdbc/tree/master/sjdbc-read-write-springboot

觉得不错的记得给我个Star哦！

还有个问题在读写分离架构中经常出现，那就是读延迟的问题如何解决？

刚插入一条数据，然后马上就要去读取，这个时候有可能会读取不到？

归根到底是因为主节点写入完之后数据是要复制给从节点的，读不到的原因是复制的时间比较长，也就是说数据还没复制到从节点，你就已经去从节点读取了，肯定读不到。

mysql5.7 的主从复制是多线程了，意味着速度会变快，但是不一定能保证百分百马上读取到，这个问题我们可以有两种方式解决：

• 业务层面妥协，是否操作完之后马上要进行读取
• 对于操作完马上要读出来的，且业务上不能妥协的，我们可以对于这类的读取直接走主库，当然Sharding-JDBC也是考虑到这个问题的存在，所以给我们提供了一个功能，可以让用户在使用的时候指定要不要走主库进行读取
  在读取前使用下面的方式进行设置就可以了：

public

List
<
User
>
 list
()

{

// 强制路由主库

HintManager
.
getInstance
().
setMasterRouteOnly
();

return
 userRepository
.
list
();
}

加入星球特权

1、从前端到后端玩转Spring Cloud
2、实战分库分表中间件Sharding-JDBC
3、实战分布式任务调度框架Elastic Job
4、配置中心Apollo实战
5、高并发解决方案之缓存
6、更多课程等你来解锁，20+课程

尹吉欢
我不差钱啊
喜欢作者