ShardingSphere-JDBC（一）分库分表实战.md

本文主要分享了基于Spring Boot + Druid + MyBatis + ShardingSphere-JDBC的分库分表和读写分离案例，项目中示例代码见地址 分库分表.

一、ShardingSphere-JDBC介绍

1、ShardingSphere

实际上 ShardingSphere 包含3个部分：ShardingSphere-JDBC、 ShardingSphere-Proxy、 ShardingSphere-Sidecar。

• ShardingSphere-JDBC 采⽤⽆中⼼化架构，适⽤于 Java 开发的⾼性能的轻量级 OLTP（关系型数据库） 应⽤；
• ShardingSphere-Proxy 提供静态⼊口以及异构语⾔的⽀持，适⽤于 OLAP 应⽤（侧重于查询和决策，一般用于数据仓库）以及对分⽚数据库 进⾏管理和运维的场景。

比较合适的架构为JDBC 和Proxy混布架构：

2、ShardingSphere-JDBC

ShardingSphere-JDBC是轻量级 Java 框架，在 Java 的 JDBC 层提供的额外服务。它使⽤客⼾端直连数据库，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-JDBC的架构图如下：

其中，ShardingSphere-JDBC的分片策略配置有：

• 数据源分⽚策略（分库）：对应于 DatabaseShardingStrategy。⽤于配置数据被分配的⽬标数据源
• 表分⽚策略（分表）：对应于 TableShardingStrategy。⽤于配置数据被分配的⽬标表，该⽬标表存在与该数据的⽬标数据源内，故表分⽚策略是依赖与数据源分⽚策略的结果的。

二、ShardingSphere-JDBC快速入门

下面主要介绍ShardingSphere-JDBC的数据分片和读写分离的功能实现。

1、数据分片（分库分表）

本文使用2库4表来模拟分库分表过程，首先根据userId 取模来决定路由到哪个库；然后根据订单id取模来决定路由到哪张表。模型如下：

2.1、引⼊ 核心的maven 依赖

<dependency>
            <groupId>io.shardingspheregroupId>
            <artifactId>sharding-jdbc-spring-boot-starterartifactId>
            <version>${sharding-jdbc-version}version>
        dependency>

        <dependency>
            <groupId>mysqlgroupId>
            <artifactId>mysql-connector-javaartifactId>
        dependency>

        <dependency>
            <groupId>org.mybatis.spring.bootgroupId>
            <artifactId>mybatis-spring-boot-starterartifactId>
            <version>${mybatis-spring-boot-starter-version}version>
        dependency>

        <dependency>
            <groupId>com.alibabagroupId>
            <artifactId>druidartifactId>
            <version>${druid-version}version>
        dependency>

2.2 、建立两个order库，分别为库order0和order1，每个库中有2张表：t_order_0和t_order_1，共2库4表来模拟分库分表过程。建表DML语句见项目工程中路径 resouces/scripts/t_order.sql.

2.3、使用mybatis自动生成工具生成mapper接口和xml文件：

• OrderMapper.xml
• OrderMapper.java

2.4、ShardingSphere-JDBC配置（重点）：application-sharding.yml

（1）首先配置数据源：order0,order1，这两个数据源就对应两个数据库名称；

（2）然后配置两个数据源的druid连接池参数；

（3）配置分库和分表规则：分库按照user_id进行分片，分库规则order$->{user_id % 2}表示user_id % 2 == 0 时路由到 order0库，user_id % 2 == 1时路由到order1库；

分表按照order_id进行分片，分表规则t_order_$->{order_id % 2}表示 order_id % 2 == 0 时路由到 t_order_0表，order_id % 2 == 1时路由到t_order_1表；

# Druid连接池参数配置
initialSize: 5  # 初始化大小，最小，最大
minIdle: 5      # 最小连接池数量
maxIdle: 100    # 最大连接池数量
maxActive: 20   # 配置获取连接等待超时的时间
maxWait: 60000  # 检测连接是否有效的sql
timeBetweenEvictionRunsMillis: 60000 # 配置间隔多久才进行一次检测，关闭的空闲连接，单位是毫秒
minEvictableIdleTimeMillis: 300000   # 连接在池中最小生存的时间，单位是毫秒

# sharding-jdbc数据源分片配置
sharding:
  jdbc:
    # 数据源名称，多数据源以逗号分隔
    datasource:
      names: order0,order1
      # 配置数据源Druid连接池参数
      order0:
        type: com.alibaba.druid.pool.DruidDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        url:  jdbc:mysql://114.215.176.50:3306/order0?useUnicode=true&characterEncoding=utf8&useSSL=true&serverTimezone=GMT%2B8
        username: root
        password: *****
        initialSize: ${initialSize}
        minIdle: ${minIdle}
        maxActive: ${maxActive}
        maxWait: ${maxWait}
        validationQuery: SELECT 1 FROM DUAL
        timeBetweenEvictionRunsMillis: ${timeBetweenEvictionRunsMillis}
        minEvictableIdleTimeMillis: ${minEvictableIdleTimeMillis}

      order1:
        type: com.alibaba.druid.pool.DruidDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        url:  jdbc:mysql://114.215.176.50:3306/order1?useUnicode=true&characterEncoding=utf8&useSSL=true&serverTimezone=GMT%2B8
        username: root
        password: ****
        initialSize: ${initialSize}
        minIdle: ${minIdle}
        maxActive: ${maxActive}
        maxWait: ${maxWait}
        validationQuery: SELECT 1 FROM DUAL
        timeBetweenEvictionRunsMillis: ${timeBetweenEvictionRunsMillis}
        minEvictableIdleTimeMillis: ${minEvictableIdleTimeMillis}

    # 默认数据源
    config:
      sharding:
        default-data-source-name: order0
        # 分库分表配置：根据user_id取模分库，根据order_id取模分表
        ## 分库配置，按user_id取模运算，奇数在order1库，偶数在order0库
        default-database-strategy:
          inline:
            sharding-column: user_id
            algorithm-expression: order$->{user_id % 2}
        ## 分表规则配置：按order_id取模运算，奇数在t_order_1表；偶数在t_order_0表
        tables:
          t_order:
            actual-data-nodes: order$->{0..1}.t_order_$->{0..1}
            table-strategy:
              inline:
                sharding-column: order_id
                algorithm-expression: t_order_$->{order_id % 2}

2.5 application.yml

spring:
  application:
    name: sharding-jdbc-demo
  profiles:
    include: sharding

mybatis:
  mapper-locations: classpath:mapper/*.xml
  configuration:
    log-impl: org.apache.ibatis.logging.stdout.StdOutImpl

2.6. 测试类中OrderTestCreateUtilTest使用了OrderTestCreateUtil类中提供的测试方法initOrder。

当执行initOrder()方法时，可以发现 userId1 = 111111L 的订单都在 order1库中，其中订单尾号为奇数的在t_order_0表中，其余的在t_order_1表中。

同理， userId1 = 222222L 的订单都在 order1库中；

当然，查询数据时分库分表规则也一样，可以自行验证。

2、读写分离

ShardingSphere-JDBC目前仅支持单主多从的架构，添加、更新、删除使用单主库；而查询可以使用多从库，可以通过负载均衡算法决定路由到不同库。

读写分离架构可以提升架构读写性能，但是同时会带来主从延时问题。

代码略。

三、ShardingSphere-JDBC分库分表原理

ShardingSphere-JDBC分库分表的核心过程是： SQL 解析 => 执⾏器优化 => SQL 路由 => SQL 改写 => SQL 执⾏ => 结果归并的流程组成。