Sharding-JDBC实现读写分离

前言

快一个月没有更新文章了，太忙了太忙了，虽然慢了一点，但是我肯定不会断更。上一篇文章是《Mysql主从复制》，光是数据库层面的主从复制可不行，应用层面也是需要读写分离的，所以接上一篇文章我们来讲如何通过Sharding-JDBC实现应用读写分离

认识Sharding-sphere

遇到了什么问题

上一篇文章我们只是解决了数据库层面的主从复制，那么应用层面也需要做处理，就是把写操作打到主库，把读操作打到 从库，也就实现了读写分离了，如下图

那么如何才能够将业务中的读写请求路由到不同的读写库呢？想起刚出道那几年，我为了处理这个问题，自己基于SpringJDBC提供的AbstractRoutingDataSource，使用AOP+ThreadLocal技术自己封装到一套框架来实现读写分离，后来发现业界有更好的的框架已经解决了这个问题，如今能够实现读写分离的组件挺多,业界比较热门的介绍两款：MyCat , Sharding-sphere，今天主要是介绍如何使用Sharding-sphere来实现读写分离。

Sharding-sphere是啥

官网：http://shardingsphere.apache.org/index_zh.html

什么是 Apache ShardingSphere?
Apache ShardingSphere 是一款分布式的数据库生态系统， 可以将任意数据库转换为分布式数据库，并通过数据分片、弹性伸缩、加密等能力对原有数据库进行增强。

这句话看起来好像没有那么好理解，总之就是可以实现读写分离，数据库分片(分库分表)，分布式事务支持等，也支持云原生。下图是它具备的能力，看起来很强大

这里还有一段对它的解释：

Apache 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 JDBC、Proxy 和 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、云原生等各种多样化的应用场景。

我们可以认为Sharding-sphere是一个关系型数据的分布式中间件。有三个部分组成，sharding-jdbc(JAVA)，sharding-proxy(异构系统)，Sharding-Sidecar(云原生)。

• ShardingJDBC ：sharding-jdbc 是一个开源的适用于微服务的分布式数据访问基础类库（jar），它始终以云原生的基础开发套件为目标。只支持java语言。sharding-jdbc完整的实现了分库分表/读写分离/分布式主键功能,并实现了柔性事务
  

• ShardingProxy ：定位为透明化的数据库代理端，提供封装了数据库二进制协议的服务端版本，用于完成对异构语言的支持，也就是支持多做开发语言的异构系统
  

• Sharding-Sidecar ：定位为Kubernetes（k8s）或Mesos的云原生数据库代理，以DaemonSet的形式代理所有对数据库的访问。 通过无中心、零侵入的方案提供与数据库交互的的啮合层，即Database Mesh，又可称数据网格。

ShardingJDBC入门

文档：https://shardingsphere.apache.org/document/4.1.1/cn/manual/sharding-jdbc/usage/read-write-splitting/#%E5%9F%BA%E4%BA%8Espring-boot%E7%9A%84%E8%A7%84%E5%88%99%E9%85%8D%E7%BD%AE ；最新版本是5.x,我这里使用的是4.x来演示，如果想要使用最新版本，自己可以参考官方文档。

上面说到，ShardingJDBC是针对Java应用实现读写分离，或者分库分表支持，要使用他首先需要导入依赖，这里以SpringBoot 2.2.x版本作为演示

第一步：除了SpringBoot依赖之外，还需要导入sharding-jdbc依赖

<dependency>
   <groupId>org.apache.shardingspheregroupId>
    <artifactId>sharding-core-apiartifactId>
    <version>4.1.1version>
dependency>
<dependency>
    <groupId>org.apache.shardingspheregroupId>
    <artifactId>sharding-jdbc-spring-boot-starterartifactId>
    <version>4.1.1version>
    <exclusions>
        <exclusion>
            <groupId>com.google.guavagroupId>
            <artifactId>guavaartifactId>
        exclusion>
    exclusions>
dependency>

<dependency>
   <groupId>com.alibabagroupId>
   <artifactId>druidartifactId>
   <version>1.1.9version>
dependency>

解释：这里我排除了guava，会和SpringCloud中的guava包冲突 ，如果你没有出现依赖冲突可以不用排除,另外 这里使用了druid的连接池

第二步：配置读写分离

创建一个application.properties 配置文件，我有一个master和一个slave，所以加入内容：

#主，从数据库的名字，如果有更多的从，在后面继续加就可以
spring.shardingsphere.datasource.names=master,slave0

#主数据的链接信息
spring.shardingsphere.datasource.master.type=com.alibaba.druid.pool.DruidDataSource
#spring.shardingsphere.datasource.master.type=org.apache.commons.dbcp2.BasicDataSource
spring.shardingsphere.datasource.master.driver-class-name=com.mysql.jdbc.Driver
spring.shardingsphere.datasource.master.url=jdbc:mysql://localhost:3306/itsource-student
spring.shardingsphere.datasource.master.username=root
spring.shardingsphere.datasource.master.password=密码

#从数据库的链接 信息，如果有更多的从，在后面继续加就可以
spring.shardingsphere.datasource.slave0.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.slave0.driver-class-name=com.mysql.jdbc.Driver
spring.shardingsphere.datasource.slave0.url=jdbc:mysql://localhost:3307/itsource-student
spring.shardingsphere.datasource.slave0.username=root
spring.shardingsphere.datasource.slave0.password=密码

#从数据库的负载均衡
spring.shardingsphere.masterslave.load-balance-algorithm-type=round_robin
#集群名字
spring.shardingsphere.masterslave.name=ms
#主数据库名字，对应第一行的配置
spring.shardingsphere.masterslave.master-data-source-name=master
#多个从数据名字，逗号分隔
spring.shardingsphere.masterslave.slave-data-source-names=slave0
#是否打印sql
spring.shardingsphere.props.sql.show=true

这里就配置好了，ShardingJDBC会根据执行的是查询操作，或者增删改操作，然后自动选择配置中的主，从数据库。

第三部：启动测试

启动的时候就可以看到控制台日志：

16:32:55.914 [restartedMain] INFO 。。.ConfigurationLogger - [log,104] ..
loadBalanceAlgorithmType: round_robin
masterDataSourceName: master
name: ms
slaveDataSourceNames:
- slave0

当执行查询的时候可以从日志中看出是走的 slave0 ，而执行增删改的时候会走master。

16:36:21.140 [restartedMain] INFO 
 ShardingSphere-SQL - [log,74] - Actual SQL: slave0 ::: select ...

强制走主库

主从复制会出现一个问题，数据在主插入，读却是从从库读取，这个之间可能存在一定延迟，导致数据不一致，所以在实时性要求比较高的数据一般会强制要求走主库查询，我们可以做这样的设置

HintManager.clear();
try (HintManager hintManager = HintManager.getInstance()) {
	//设置走主库
   	hintManager.setMasterRouteOnly();
   	return xxMapper.selectList();
}

然后测试观察控制台,看得出查询是走了主库 master 了

16:45:32.320 [http-nio-8080-exec-9] INFO  
ShardingSphere-SQL - [log,74] - Actual SQL: master ::: select ...

当然这样比价麻烦，因为每次要走主库都要添加这一段代码，比较好的处理方式是使用AOP来解决。

第一步：定义注解

@Retention(RetentionPolicy.RUNTIME)
@Target({ElementType.TYPE,ElementType.METHOD})
public @interface DataSourceMaster {
}

第二步：定义AOP切面,获取方法上的DataSourceMaster 来设置走主库

@Slf4j
@Component
@Aspect
public class DataSourceMasterAop {

    @Around("execution(* cn.itsource.service.impl.*.*(..))")
    public Object master(ProceedingJoinPoint joinPoint){
        Object[] args = joinPoint.getArgs();
        Object ret = null;

        MethodSignature methodSignature = (MethodSignature) joinPoint.getSignature();
        Method method = methodSignature.getMethod();
        DataSourceMaster shardingJdbcMaster = method.getAnnotation(DataSourceMaster.class);

        HintManager hintManager = null;
        try {
            if (Objects.nonNull(shardingJdbcMaster)) {
                HintManager.clear();
                hintManager = HintManager.getInstance();
                hintManager.setMasterRouteOnly();
            }
            ret = joinPoint.proceed(args);
        }catch (Exception ex){
            log.error("exception error",ex);
        }finally {
            if (Objects.nonNull(shardingJdbcMaster) && Objects.nonNull(hintManager)) {
                hintManager.close();
            }
        }
        return ret;
    }
}

第三步：在方法上贴注解即可

@DataSourceMaster
 public List<Xxx> selectList(){
	return XxxMapper.selectList();
 }

好了，文章就写到这里咯，喜欢的话请一定给个好评，你的肯定是我最大的动力哦~~~