Mysql - 分库分表
介绍
问题分析
随着互联网及移动互联网的发展，应用系统的数据量也是成指数式增长，若采用单数据库进行数据存储，存在以下性能瓶颈：
- IO瓶颈：热点数据太多，数据库缓存不足，产生大量磁盘IO，效率较低。 请求数据太多，带宽不够，网络IO瓶颈。
- CPU瓶颈：排序、分组、连接查询、聚合统计等SQL会耗费大量的CPU资源，请求数太多，CPU出现瓶颈。
为了解决上述问题，我们需要对数据库进行分库分表处理。
分库分表的中心思想都是将数据分散存储，使得单一数据库 / 表的数据量变小来缓解单一数据库的性能问题，从而达到提升数据库性能的目的。
拆分策略
分库分表的形式，主要是两种：垂直拆分和水平拆分。而拆分的粒度，一般又分为分库和分表，所以组成的拆分策略最终如下： 
垂直拆分
垂直分库
垂直分库：以表为依据，根据业务将不同表拆分到不同库中
特点：
- 每个库的表结构都不一样。
- 每个库的数据也不一样。
- 所有库的并集是全量数据。
垂直分表
垂直分表：以字段为依据，根据字段属性将不同字段拆分到不同表中。
特点：
- 每个表的结构都不一样。
- 每个表的数据也不一样，一般通过一列（主键/外键）关联。
- 所有表的并集是全量数据。
水平拆分
水平分库
水平分库：以字段为依据，按照一定策略，将一个库的数据拆分到多个库中。
特点：
- 每个库的表结构都一样。
- 每个库的数据都不一样。
- 所有库的并集是全量数据。
水平分表
水平分表：以字段为依据，按照一定策略，将一个表的数据拆分到多个表中。
特点：
- 每个表的表结构都一样。
- 每个表的数据都不一样。
- 所有表的并集是全量数据。
在业务系统中，为了缓解磁盘 IO 及 CPU 的性能瓶颈，到底是垂直拆分，还是水平拆分；具体是分
库，还是分表，都需要根据具体的业务需求具体分析。
实现技术
- shardingJDBC：基于AOP原理，在应用程序中对本地执行的SQL进行拦截，解析、改写、路由处理。需要自行编码配置实现，只支持java语言，性能较高。
- MyCat：数据库分库分表中间件，不用调整代码即可实现分库分表，支持多种语言，性能不及前者。
MyCat
介绍
Mycat 是开源的、活跃的、基于 Java 语言编写的 MySQL 数据库中间件。可以像使用 mysql 一样来使用mycat，对于开发人员来说根本感觉不到 mycat 的存在。
开发人员只需要连接 MyCat 即可，而具体底层用到几台数据库，每一台数据库服务器里面存储了什么数据，都无需关心。 具体的分库分表的策略，只需要在MyCat 中配置即可。
优势：
- 性能可靠稳定
- 强大的技术团队
- 体系完善
- 社区活跃
在 MyCat 的整体结构中，分为两个部分：上面的逻辑结构、下面的物理结构。
在 MyCat 的逻辑结构主要负责逻辑库、逻辑表、分片规则、分片节点等逻辑结构的处理，而具体的数据存储还是在物理结构，也就是数据库服务器中存储的。
下载，安装
MyCat 下载，安装_naki_bb的博客-CSDN博客
Mycat 是采用 java 语言开发的开源的数据库中间件，支持 Windows 和 Linux 运行环境，下面介绍
MyCat 的 Linux 中的环境搭建。我们需要在准备好的服务器中安装如下软件。
- MySQL
- JDK
- Mycat
MyCat 入门
由于 tb_order 表中数据量很大，磁盘 IO 及容量都到达了瓶颈，现在需要对 tb_order 表进行数
据分片，分为三个数据节点，每一个节点主机位于不同的服务器上 , 具体的结构，参考下图：
|
服务器
|
安装软件
|
说明
|
|
192.168.200.210
|
JDK 、 Mycat
|
MyCat 中间件服务器
|
|
192.168.200.210
|
MySQL
|
分片服务器
|
|
192.168.200.213
|
MySQL
|
分片服务器
|
|
192.168.200.214
|
MySQL
|
分片服务器
|
并且在上述 3 台数据库中创建数据库 db01 并且关闭防火墙 。
# 开放指定3306端口
firewall-cmd --zone=public --add-port=3306/tcp -permanent
firewall-cmd -reload
#关闭防火墙
systemctl stop firewalld
systemctl disable firewalldMycat 入门 - 配置
schema.xml
路径: 安装目录的/conf ， /usr/local/mycat/conf
在schema.xml中配置逻辑库、逻辑表、数据节点、节点主机等相关信息。具体的配置如下：
select user()
select user()
select user()
server.xml
路径: 安装目录的/conf ， /usr/local/mycat/conf
需要在 server.xml 中配置用户名、密码，以及用户的访问权限信息，具体的配置如下：
123456
DB01
123456
DB01
true
Mycat 入门 - 启动
配置完毕后，先启动涉及到的 3 台分片服务器，然后启动 MyCat 服务器。切换到 Mycat 的安装目录，执行如下指令，启动Mycat ：
在mycat的安装目录下
#启动
bin/mycat start
#停止
bin/mycat stop Mycat 启动之后，占用端口号 8066 。
启动完毕之后，可以查看 logs 目录下的启动日志，查看 Mycat 是否启动完成。
Mycat 入门 - 测试
1.连接mycat
mysql -h 192.168.200.210 -P 8066 -uroot -p123456 我们看到我们是通过 MySQL 的指令来连接的 MyCat ，因为 MyCat 在底层实际上是模拟了 MySQL 的协议
2.数据测试
然后就可以在 MyCat 中来创建表，并往表结构中插入数据，查看数据在 MySQL 中的分布情况。
-- 创建表 三个数据库节点会同时创建
CREATE TABLE TB_ORDER
(
id BIGINT(20) NOT NULL,
title VARCHAR(100) NOT NULL,
PRIMARY KEY (id)
) ENGINE = INNODB
DEFAULT CHARSET = utf8;
-- 插入数据会落到 第一个数据库节点
INSERT INTO TB_ORDER(id,title) VALUES(1,'goods1');
-- 插入数据会落到 第一个数据库节点
INSERT INTO TB_ORDER(id,title) VALUES(2,'goods2');
-- 插入数据会落到 第一个数据库节点
INSERT INTO TB_ORDER(id,title) VALUES(3,'goods3');
-- 插入数据会落到 第一个数据库节点
INSERT INTO TB_ORDER(id,title) VALUES(5000000,'goods5000000');
-- 插入数据会落到 第二个数据库节点
INSERT INTO TB_ORDER(id,title) VALUES(5000001,'goods5000001');
-- 插入数据会落到 第二个数据库节点
INSERT INTO TB_ORDER(id,title) VALUES(10000000,'goods10000000');
-- 插入数据会落到 第三个数据库节点
INSERT INTO TB_ORDER(id,title) VALUES(10000001,'goods10000001');
-- 插入数据会落到 第三个数据库节点
INSERT INTO TB_ORDER(id,title) VALUES(15000000,'goods15000000');
-- 会报错
INSERT INTO TB_ORDER(id,title) VALUES(15000001,'goods15000001'); 经过测试，我们发现，在往 TB_ORDER 表中插入数据时：
- 如果id的值在1-500w之间，数据将会存储在第一个分片数据库中。
- 如果id的值在500w-1000w之间，数据将会存储在第二个分片数据库中。
- 如果id的值在1000w-1500w之间，数据将会存储在第三个分片数据库中。
- 如果id的值超出1500w，在插入数据时，将会报错。
为什么会出现这种现象，数据到底落在哪一个分片服务器到底是如何决定的呢？ 这是由逻辑表配置时的一个参数 rule 决定的，而这个参数配置的就是分片规则.
rule的配置在:/usr/local/mycat/conf/rule.xml中
而我们选择的 “auto-sharding-long” 分片规则如下
0-500W在第一个分片，500W-1000W在第二个分片，1000W-1200W在第三个分片，配置的上限只有1500W，如果超过这个限制就会报错.
Mycat配置
schema.xml
schema.xml 作为 MyCat 中最重要的配置文件之一 , 涵盖了 MyCat 的逻辑库 、 逻辑表 、 分片规
则、分片节点及数据源的配置。
主要包含以下三组标签：
- schema标签
- datanode标签
- datahost标签
schema标签
1. 定义逻辑库
schema 标签用于定义 MyCat 实例中的逻辑库 , 一个 MyCat 实例中 , 可以有多个逻辑库 , 可以通
过 schema 标签来划分不同的逻辑库。 MyCat 中的逻辑库的概念，等同于 MySQL 中的 database 概念 , 需要操作某个逻辑库下的表时 , 也需要切换逻辑库 (use xxx) 。
核心属性：
- name：指定自定义的逻辑库库名
- checkSQLschema：在SQL语句操作时指定了数据库名称，执行时是否自动去除；true：自动去除，false：不自动去除
- sqlMaxLimit：如果未指定limit进行查询，列表查询模式查询多少条记录
2.schema 中的table定义逻辑表
table 标签定义了 MyCat 中逻辑库 schema 下的逻辑表 , 所有需要拆分的表都需要在 table 标签中定
义 。
核心属性：
- name：定义逻辑表表名，在该逻辑库下唯一
- dataNode：定义逻辑表所属的dataNode，该属性需要与dataNode标签中name对应；多个 dataNode逗号分隔
- rule：分片规则的名字，分片规则名字是在rule.xml中定义的
- primaryKey：逻辑表对应真实表的主键
- type：逻辑表的类型，目前逻辑表只有全局表和普通表，如果未配置，就是普通表；全局表，配置为 global
datanode 标签
核心属性：
- name：定义数据节点名称
- dataHost：数据库实例主机名称，引用自 dataHost 标签中name属性
- database：定义分片所属数据库
datahost标签
该标签在 MyCat 逻辑库中作为底层标签存在 , 直接定义了具体的数据库实例、读写分离、心跳语句。
核心属性：
- name：唯一标识，供上层标签使用
- maxCon/minCon：最大连接数/最小连接数
- balance：负载均衡策略，取值 0,1,2,3
- writeType：写操作分发方式（0：写操作转发到第一个writeHost，第一个挂了，切换到第二 个；1：写操作随机分发到配置的writeHost）
- dbDriver：数据库驱动，支持 native、jdbc
rule.xml
rule.xml 中定义所有拆分表的规则 , 在使用过程中可以灵活的使用分片算法 , 或者对同一个分片算法
使用不同的参数 , 它让分片过程可配置化。主要包含两类标签： tableRule 、 Function 。
server.xml
server.xml配置文件包含了MyCat的系配置信息，主要有两个重要的标签：system、user
1.system标签
主要配置MyCat中的系统配置信息，对应的系统配置项及其含义，如下：
| 属性 | 取值 | 含义 |
| charset | utf8 | 设置Mycat的字符集, 字符集需要与MySQL的字符集保持一致 |
| nonePasswordLogin | 0,1 | 0为需要密码登陆、1为不需要密码登陆 ,默认为0，设置为1则需要指定默认账户 |
| useHandshakeV10 | 0,1 | 使用该选项主要的目的是为了能够兼容高版本的jdbc驱动, 是否采用HandshakeV10Packet来与client进行通信, 1:是, 0:否 |
| useSqlStat | 0,1 | 开启SQL实时统计, 1 为开启 , 0 为关闭 ; 开启之后, MyCat会自动统计SQL语句的执行情况 ; mysql -h 127.0.0.1 -P 9066 -u root -p 查看MyCat执行的SQL, 执行效率比较低的SQL , SQL的整体执行情况、读写比例等 ; show @@sql ; show @@sql.slow ; show @@sql.sum ; |
| useGlobleTableCheck | 0,1 | 是否开启全局表的一致性检测。1为开启 ，0为关闭 。 |
| sqlExecuteTimeout | 1000 | SQL语句执行的超时时间 , 单位为 s ; |
| sequnceHandlerType | 0,1,2 | 用来指定Mycat全局序列类型，0 为本地文件，1 为数据库方式，2 为时间戳列方式，默认使用本地文件方式，文件方式主要用于测试 |
| sequnceHandlerPattern | 正则表达式 | 必须带有MYCATSEQ或者 mycatseq进入序列匹配流程 注意MYCATSEQ_有空格的情况 |
| subqueryRelationshipCheck | true,false | 子查询中存在关联查询的情况下,检查关联字段中是否有分片字段 .默认 false |
| useCompression | 0,1 | 开启mysql压缩协议 , 0 : 关闭, 1 : 开启 |
| fakeMySQLVersion | 5.5,5.6 | 设置模拟的MySQL版本号 |
| defaultSqlParser | 由于MyCat的最初版本使用了FoundationDB的SQL解析器, 在MyCat1.3后增加了Druid解析器, 所以要设置defaultSqlParser属性来指定默认的解析器; 解析器有两个 : druidparser 和 fdbparser, 在MyCat1.4之后,默认是druidparser, fdbparser已经废除了 | |
| processors | 1,2.... | 指定系统可用的线程数量, 默认值为CPU核心 x 每个核心运行线程数量; processors 会影响processorBufferPool, processorBufferLocalPercent, processorExecutor属性, 所有, 在性能调优时, 可以适当地修改processors值 |
| processorBufferChunk | 指定每次分配Socket Direct Buffer默认值为4096字节, 也会影响BufferPool长度, 如果一次性获取字节过多而导致buffer不够用, 则会出现警告, 可以调大该值 | |
| processorExecutor | 指定NIOProcessor上共享 businessExecutor固定线程池的大小; MyCat把异步任务交给 businessExecutor线程池中, 在新版本的MyCat中这个连接池使用频次不高, 可以适当地把该值调小 | |
| packetHeaderSize | 指定MySQL协议中的报文头长度, 默认4个字节 | |
| maxPacketSize | 指定MySQL协议可以携带的数据最大大小, 默认值为16M | |
| idleTimeout | 30 | 指定连接的空闲时间的超时长度;如果超时,将关闭资源并回收, 默认30分钟 |
| txIsolation | 1,2,3,4 | 初始化前端连接的事务隔离级别,默认为 REPEATED_READ , 对应数字为3 READ_UNCOMMITED=1; READ_COMMITTED=2; REPEATED_READ=3; SERIALIZABLE=4; |
| sqlExecuteTimeout | 300 | 执行SQL的超时时间, 如果SQL语句执行超时,将关闭连接; 默认300秒; |
| serverPort | 8066 | 定义MyCat的使用端口, 默认8066 |
| managerPort | 9066 | 定义MyCat的管理端口, 默认9066 |
2.user标签
配置MyCat中的用户、访问密码，以及用户针对于逻辑库、逻辑表的权限信息，具体的权限描述方式及配置说明如下：
privileges 标签的注释放开。 在 privileges 下的schema标签中配置的dml属性配置的是逻辑库的权限。 在privileges的schema下的table标签的dml属性中配置逻辑表的权限。
MyCat分片
垂直拆分
场景
在业务系统中 , 涉及以下表结构 , 但是由于用户与订单每天都会产生大量的数据 , 单台服务器的数据
存储及处理能力是有限的 , 可以对数据库表进行拆分 , 原有的数据库表如下。
现在考虑将其进行垂直分库操作，将商品相关的表拆分到一个数据库服务器，订单表拆分的一个数据库服务器，用户及省市区表拆分到一个服务器。最终结构如下：
配置
schema.xml
select user()
select user()
select user()
server.xml
123456
SHOPPING
123456
SHOPPING
true
重启mycat
逻辑表的概念都是mycat中的，所以table中的表在物理节点是不存在的，需要用mycat手动执行建表语句，mycat在根据配置的逻辑表与分片节点-配置的关系，在对应的物理节点创建对应的表。
测试
重新启动 MyCat 后，在 mycat 的命令行中，通过 source 指令导入表结构，以及对应的数据，查看数据分布情况。
source /root/shopping-table.sql
source /root/shopping-insert.sql 将表结构及对应的测试数据导入之后，可以检查一下各个数据库服务器中的表结构分布情况。 检查是否和我们准备工作中规划的服务器一致。
1） 查询用户的收件人及收件人地址信息(包含省、市、区)。
在MyCat的命令行中，当我们执行以下多表联查的SQL语句时，可以正常查询出数据。
select ua.user_id, ua.contact, p.province, c.city, r.area , ua.address from tb_user_address ua ,tb_areas_city c , tb_areas_provinces p ,tb_areas_region r where ua.province_id = p.provinceid and ua.city_id = c.cityid and ua.town_id = r.areaid ;
2）查询每一笔订单及订单的收件地址信息(包含省、市、区)。
实现该需求对应的 SQL 语句如下：
SELECT order_id , payment ,receiver, province , city , area FROM tb_order_master o , tb_areas_provinces p , tb_areas_city c , tb_areas_region r WHERE o.receiver_province = p.provinceid AND o.receiver_city = c.cityid AND o.receiver_region = r.areaid ; 但是现在存在一个问题，订单相关的表结构是在 192.168.200.213 数据库服务器中，而省市区的数
据库表是在 192.168.200.214 数据库服务器中。那么在 MyCat 中执行是否可以成功呢？
经过测试，我们看到， SQL 语句执行报错。原因就是因为 MyCat 在执行该 SQL 语句时，需要往具体的数据库服务器中路由，而当前没有一个数据库服务器完全包含了订单以及省市区的表结构，造成SQL 语句失败，报错。
对于上述的这种现象，我们如何来解决呢？ 下面我们介绍的全局表，就可以轻松解决这个问题。
全局表
对于省、市、区 / 县表 tb_areas_provinces , tb_areas_city , tb_areas_region ，是属于
数据字典表，在多个业务模块中都可能会遇到，可以将其设置为全局表，利于业务操作。
修改 schema.xml 中的逻辑表的配置，修改 tb_areas_provinces 、 tb_areas_city 、
tb_areas_region 三个逻辑表，增加 type 属性，配置为 global ，就代表该表是全局表，就会在
所涉及到的 dataNode 中创建给表。对于当前配置来说，也就意味着所有的节点中都有该表了。
配置完毕后，重新启动 MyCat 。
1). 删除原来每一个数据库服务器中的所有表结构
2). 通过 source 指令，导入表及数据
source /root/shopping-table.sql
source /root/shopping-insert.sql 3). 检查每一个数据库服务器中的表及数据分布，看到三个节点中都有这三张全局表
4). 然后再次执行上面的多表联查的 SQL 语句
SELECT order_id , payment ,receiver, province , city , area FROM tb_order_master o , tb_areas_provinces p , tb_areas_city c , tb_areas_region r WHERE o.receiver_province = p.provinceid AND o.receiver_city = c.cityid AND o.receiver_region = r.areaid ;
是可以正常执行成功的。
5). 当在 MyCat 中更新全局表的时候，我们可以看到，所有分片节点中的数据都发生了变化，每个节点的全局表数据时刻保持一致。
水平拆分
场景
在业务系统中 , 有一张表 ( 日志表 ), 业务系统每天都会产生大量的日志数据 , 单台服务器的数据存
储及处理能力是有限的 , 可以对数据库表进行拆分
配置
1） schema.xml
tb_log 表最终落在 3 个节点中，分别是 dn4 、 dn5 、 dn6 ，而具体的数据分别存储在 dhost1 、
dhost2 、 dhost3 的 itcast 数据库中。
2 ) server.xml
配置 root 用户既可以访问 SHOPPING 逻辑库，又可以访问 ITCAST 逻辑库。
123456
SHOPPING,ITCAST
测试
配置完毕后，重新启动 MyCat ，然后在 mycat 的命令行中，执行如下 SQL 创建表、并插入数据，查看数据分布情况。
CREATE TABLE tb_log
(
id bigint(20) NOT NULL COMMENT 'ID',
model_name varchar(200) DEFAULT NULL COMMENT '模块名',
model_value varchar(200) DEFAULT NULL COMMENT '模块值',
return_value varchar(200) DEFAULT NULL COMMENT '返回值',
return_class varchar(200) DEFAULT NULL COMMENT '返回值类型',
operate_user varchar(20) DEFAULT NULL COMMENT '操作用户',
operate_time varchar(20) DEFAULT NULL COMMENT '操作时间',
param_and_value varchar(500) DEFAULT NULL COMMENT '请求参数名及参数值',
operate_class varchar(200) DEFAULT NULL COMMENT '操作类',
operate_method varchar(200) DEFAULT NULL COMMENT '操作方法',
cost_time bigint(20) DEFAULT NULL COMMENT '执行方法耗时, 单位 ms',
source int(1) DEFAULT NULL COMMENT '来源 : 1 PC , 2 Android , 3 IOS',
PRIMARY KEY (id)
) ENGINE = InnoDB
DEFAULT CHARSET = utf8mb4;
INSERT INTO tb_log (id, model_name, model_value, return_value, return_class, operate_user, operate_time, param_and_value, operate_class, operate_method, cost_time，source) VALUES('1','user','insert','success','java.lang.String','10001','2022-01-06 18:12:28','{\"age\":\"20\",\"name\":\"Tom\",\"gender\":\"1\"}','cn.itcast.contro ller.UserController','insert','10',1);
INSERT INTO tb_log (id, model_name, model_value, return_value, return_class, operate_user, operate_time, param_and_value, operate_class, operate_method, cost_time，source) VALUES('2','user','insert','success','java.lang.String','10001','2022-01-06 18:12:27','{\"age\":\"20\",\"name\":\"Tom\",\"gender\":\"1\"}','cn.itcast.contro ller.UserController','insert','23',1);
INSERT INTO tb_log (id, model_name, model_value, return_value, return_class, operate_user, operate_time, param_and_value, operate_class, operate_method, cost_time，source) VALUES('3','user','update','success','java.lang.String','10001','2022-01-06 18:16:45','{\"age\":\"20\",\"name\":\"Tom\",\"gender\":\"1\"}','cn.itcast.contro ller.UserController','update','34',1);
INSERT INTO tb_log (id, model_name, model_value, return_value, return_class, operate_user, operate_time, param_and_value, operate_class, operate_method, cost_time，source) VALUES('4','user','update','success','java.lang.String','10001','2022-01-06 18:16:45','{\"age\":\"20\",\"name\":\"Tom\",\"gender\":\"1\"}','cn.itcast.contro ller.UserController','update','13',2);
INSERT INTO tb_log (id, model_name, model_value, return_value, return_class, operate_user, operate_time, param_and_value, operate_class, operate_method, cost_time，source) VALUES('5','user','insert','success','java.lang.String','10001','2022-01-06 18:30:31','{\"age\":\"200\",\"name\":\"TomCat\",\"gender\":\"0\"}','cn.itcast.co ntroller.UserController','insert','29',3);
INSERT INTO tb_log (id, model_name, model_value, return_value, return_class, operate_user, operate_time, param_and_value, operate_class, operate_method, cost_time，source) VALUES('6','user','find','success','java.lang.String','10001','2022-01-06 18:30:31','{\"age\":\"200\",\"name\":\"TomCat\",\"gender\":\"0\"}','cn.itcast.co ntroller.UserController','find','29',2);
因为分片规则为mod-long,取模，并且默认的配置个数为3
所以id=3,6 会数据会落到第一个节点
所以id=1,4 会数据会落到第二个节点
所以id=2,5 会数据会落到第三个节点
Mycat 分片规则
1.范围分片
根据指定的字段及其配置的范围与数据节点的对应情况， 来决定该数据属于哪一个分片。
缺点: 超过设置的上限时，需要配置defaultNode属性，否则会插入报错，需要增加分片节点以扩大上限
配置
schema.xml
逻辑表配置
数据节点配置
rule.xml 分片规则配置
id
rang-long
autopartition-long.txt
0
属性含义
|
属性
|
描述
|
|
columns
|
标识将要分片的表字段
|
|
algorithm
|
指定分片函数与 function 的对应关系
|
|
class
|
指定该分片算法对应的类
|
|
mapFile
|
对应的外部配置文件
|
|
type
|
默认值为 0 ; 0 表示 Integer , 1 表示 String
|
|
defaultNode
|
默认节点 默认节点的所用 : 枚举分片时 , 如果碰到不识别的枚举值 , 就让它路由到默认节点 ; 如果没有默认值 , 碰到不识别的则报错 。
|
在 rule.xml 中配置分片规则时，关联了一个映射配置文件 autopartition-long.txt ，该配置文
件的配置如下：
# range start-end ,data node index
# K=1000,M=10000.
0-500M=0
500M-1000M=1
1000M-1500M=2 含义： 0-500 万之间的值，存储在 0 号数据节点 ( 数据节点的索引从 0 开始 ) ； 500 万 -1000 万之间的
数据存储在 1 号数据节点 ； 1000 万 -1500 万的数据节点存储在 2 号节点 ；
2.取模分片
根据指定的字段值与节点数量进行求模运算，根据运算结果， 来决定该数据属于哪一个分片。
配置
schema.xml
逻辑表配置:
数据节点配置：
rule.xml分片规则配置：
id
mod-long
3
属性说明：
|
属性
|
描述
|
|
columns
|
标识将要分片的表字段
|
|
algorithm
|
指定分片函数与 function 的对应关系
|
|
class
|
指定该分片算法对应的类
|
|
count
|
数据节点的数量
|
该分片规则，主要是针对于数字类型的字段适用。 在前面水平拆分的演示中，我们选择的就是取模分片。
3.一致性hash分片
所谓一致性哈希，相同的哈希因子计算值总是被划分到相同的分区表中，不会因为分区节点的增加而改变原来数据的分区位置，有效的解决了分布式数据的拓容问题。
配置
schema.xml
逻辑表配置:
数据节点配置：
rule.xml分片规则配置：
id
murmur
0
3
160
属性说明：
|
属性
|
描述
|
|
columns
|
标识将要分片的表字段
|
|
algorithm
|
指定分片函数与 function 的对应关系
|
|
class
|
指定该分片算法对应的类
|
|
seed
|
创建 murmur_hash 对象的种子，默认 0
|
|
count
|
要分片的数据库节点数量，必须指定，否则没法分片
|
|
virtualBucketTimes
|
一个实际的数据库节点被映射为这么多虚拟节点，默认是 160 倍，也就是虚拟节点数是物理节点数的160
倍 ;virtualBucketTimes*count 就是虚拟结点数量 ;
|
|
weightMapFile
|
节点的权重，没有指定权重的节点默认是 1 。以 properties 文件的格式填写，以从0 开始到 count-1 的整数值也就是节点索引为 key ，以节点权重值为值。所有权重值必须是正整数，否则以1 代替
|
|
bucketMapPath
|
用于测试时观察各物理节点与虚拟节点的分布情况，如果指定了这个属性，会把虚拟节点的murmur hash 值与物理节点的映射按行输出到这个文件，没有默认值，如果不指定，就不会输出任何东西
|
4.枚举分片
通过在配置文件中配置可能的枚举值 , 指定数据分布到不同数据节点上 , 本规则适用于按照省份、性
别、状态拆分数据等业务 。
配置
schema.xml
逻辑表配置:
数据节点配置：
rule.xml分片规则配置：
status
hash-int
2
partition-hash-int.txt
partition-hash-int.txt ，内容如下 :
1=0
2=1
3=2属性说明：
|
属性
|
描述
|
|
columns
|
标识将要分片的表字段
|
|
algorithm
|
指定分片函数与 function 的对应关系
|
|
class
|
指定该分片算法对应的类
|
|
mapFile
|
对应的外部配置文件
|
|
type
|
默认值为 0 ; 0 表示 Integer , 1 表示 String
|
|
defaultNode
|
默认节点 ; 小于 0 标识不设置默认节点 , 大于等于 0 代表设置默认节点 ; 默认节点的所用: 枚举分片时 , 如果碰到不识别的枚举值 , 就让它路由到默认节点 ; 如果没有默认值 , 碰到不识别的则报错 。
|
5.应用指定算法
运行阶段由应用自主决定路由到那个分片 , 直接根据字符子串（必须是数字）计算分片号。
配置
schema.xml
逻辑表配置:
数据节点配置：
rule.xml分片规则配置：
id
sharding-by-substring
0
2
3
0
属性说明：
|
属性
|
描述
|
|
columns
|
标识将要分片的表字段
|
|
algorithm
|
指定分片函数与 function 的对应关系
|
|
class
|
指定该分片算法对应的类
|
|
startIndex
|
字符子串起始索引
|
|
size
|
字符长度
|
|
partitionCount
|
分区 ( 分片 ) 数量
|
|
defaultPartition
|
默认分片 ( 在分片数量定义时 , 字符标示的分片编号不在分片数量内时 , 使用默认分片)
|
示例说明 :
id=05-100000002 , 在此配置中代表根据 id 中从 startIndex=0 ，开始，截取 siz=2 位数字即
05 ， 05 就是获取的分区，如果没找到对应的分片则默认分配到 defaultPartition 。
6.固定分片hash算法
该算法类似于十进制的求模运算，但是为二进制的操作，例如，取 id 的二进制低 10 位 与
1111111111 进行位 & 运算，位与运算最小值为 0000000000 ，最大值为 1111111111 ，转换为十
进制，也就是位于0-1023之间。 
特点：
- 如果是求模，连续的值，分别分配到各个不同的分片；但是此算法会将连续的值可能分配到相同的分片，降低事务处理的难度。
- 可以均匀分配，也可以非均匀分配。
- 分片字段必须为数字类型。
配置
schema.xml
逻辑表配置:
数据节点配置：
rule.xml分片规则配置：
id
sharding-by-long-hash
2,1
256,512
属性说明：
|
属性
|
描述
|
|
columns
|
标识将要分片的表字段
|
|
algorithm
|
指定分片函数与 function 的对应关系
|
|
class
|
指定该分片算法对应的类
|
|
partitionCount
|
分片个数列表
|
|
partitionLength
|
分片范围列表
|
约束 :
1). 分片长度 : 默认最大 2^10 , 为 1024 ;
2). count, length 的数组长度必须是一致的 ;
以上分为三个分区 :0-255,256-511,512-1023
7.字符串hash解析算法
截取字符串中的指定位置的子字符串, 进行hash算法， 算出分片。
配置
schema.xml
逻辑表配置:
数据节点配置：
rule.xml分片规则配置：
name
sharding-by-stringhash
512
2
0:2
属性说明：
|
属性
|
描述
|
|
columns
|
标识将要分片的表字段
|
|
algorithm
|
指定分片函数与 function 的对应关系
|
|
class
|
指定该分片算法对应的类
|
|
partitionLength
|
hash 求模基数 ; length*count=1024 ( 出于性能考虑 )
|
|
partitionCount
|
分区数
|
|
hashSlice
|
hash 运算位 , 根据子字符串的 hash 运算 ; 0 代表 str.length()
, -1 代表 str.length()-1 , 大于 0 只代表数字自身 ; 可以理解
为 substring （ start ， end ）， start 为 0 则只表示 0
|
8.按天分片算法
按照日期及对应的时间周期来分片。
配置
schema.xml
逻辑表配置:
数据节点配置：
rule.xml分片规则配置：
create_time
sharding-by-date
yyyy-MM-dd
2022-01-01
2022-01-30
10
属性说明：
|
属性
|
描述
|
|
columns
|
标识将要分片的表字段
|
|
algorithm
|
指定分片函数与 function 的对应关系
|
|
class
|
指定该分片算法对应的类
|
|
dateFormat
|
日期格式
|
|
sBeginDate
|
开始日期
|
|
sEndDate
|
结束日期，如果配置了结束日期，则代码数据到达了这个日期的分片后，会重复从开始分片插入
|
|
sPartionDay
|
分区天数，默认值 10 ，从开始日期算起，每个 10 天一个分区
|
9.自然月分片
使用场景为按照月份来分片 , 每个自然月为一个分片
配置
schema.xml
逻辑表配置:
数据节点配置：
rule.xml分片规则配置：
create_time
partbymonth
yyyy-MM-dd
2022-01-01
2022-03-31
属性说明：
|
属性
|
描述
|
|
columns
|
标识将要分片的表字段
|
|
algorithm
|
指定分片函数与 function 的对应关系
|
|
class
|
指定该分片算法对应的类
|
|
dateFormat
|
日期格式
|
|
sBeginDate
|
开始日期
|
|
sEndDate
|
结束日期，如果配置了结束日期，则代码数据到达了这个日期的分片后，会重复从开始分片插入
|
说明：因为只有3个分片节点，所以添加4月日期的数据时会插入第一个节点，5月插入第二个节点，6月插入第三个节点，以此类推
Mycat 管理 和 监控
MyCat 管理及监控_naki_bb的博客-CSDN博客