Springboot整合ShardingSphere实现分库分表

一、ShardingJDBC 简介

1.什么是ShardingJDBC

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,我们只关注 Sharding-JDBC即可.

官方地址:https://shardingsphere.apache.org/document/current/cn/overview/

Sharding-JDBC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框架的使用。

  • 适用于任何基于Java的ORM框架,如:JPA, Hibernate, Mybatis, Spring JDBC Template或直接使用JDBC。
  • 基于任何第三方的数据库连接池,如:DBCP, C3P0, Druid等。
  • 支持任意实现JDBC规范的数据库。目前支持MySQL,Oracle,SQLServer和PostgreSQL。
    Springboot整合ShardingSphere实现分库分表_第1张图片
    上图展示了Sharding-Jdbc的工作方式,使用Sharding-Jdbc前需要人工对数据库进行分库分表,在应用程序中加入Sharding-Jdbc的Jar包,应用程序通过Sharding-Jdbc操作分库分表后的数据库和数据表,由于Sharding-Jdbc是对Jdbc驱动的增强,使用Sharding-Jdbc就像使用Jdbc驱动一样,在应用程序中是无需指定具体要操作的分库和分表的。

2.Sharding-JDBC主要功能

  • 数据分片
  • 读写分离

通过Sharding-JDBC,应用可以透明的使用jdbc访问已经分库分表、读写分离的多个数据源,而不用关心数据源的数量以及数据如何分布。

3.Sharding-JDBC与MyCat的区别

  1. mycat是一个中间件的第三方应用,sharding-jdbc是一个jar包
  2. 使用mycat时不需要修改代码,而使用sharding-jdbc时需要修改代码
  3. Mycat 是基于 Proxy,它复写了 MySQL 协议,将 Mycat Server 伪装成一个 MySQL 数据库,而Sharding-JDBC 是基于 JDBC 的扩展,是以 jar 包的形式提供轻量级服务的。
  • Mycat(proxy中间件层)
    Springboot整合ShardingSphere实现分库分表_第2张图片
  • Sharding-jdbc(应用层)
    Springboot整合ShardingSphere实现分库分表_第3张图片

二、Sharding-JDBC入门使用

1.搭建基础环境

  • 需求说明
    创建数据库lg_order, 模拟将订单表进行水平拆分, 创建两张表pay_order_1 与 pay_order_2,这两张表是订单表拆分后的表,我们通过Sharding-Jdbc向订单表插入数据,按照一定的分片规则,主键为偶数的落入pay_order_1表 ,为奇数的落入pay_order_2表, 再通过Sharding-Jdbc 进行查询.
  • 创建数据库
CREATE DATABASE lg_order CHARACTER SET 'utf8';

DROP TABLE IF EXISTS pay_order_1;
CREATE TABLE pay_order_1 (
	order_id BIGINT(20) PRIMARY KEY AUTO_INCREMENT ,
	user_id INT(11) ,
	product_name VARCHAR(128),
	COUNT INT(11)
);

DROP TABLE IF EXISTS pay_order_2;
CREATE TABLE pay_order_2 (
	order_id BIGINT(20) PRIMARY KEY AUTO_INCREMENT ,
	user_id INT(11) ,
	product_name VARCHAR(128),
	COUNT INT(11)
);
  • 创建SpringBoot项目引入maven依赖
    sharding-jdbc以jar包形式提供服务,所以要先引入maven依赖。


    4.0.0
    
        org.springframework.boot
        spring-boot-starter-parent
        2.6.7
         
    
    com.example
    shardingsphere
    0.0.1-SNAPSHOT
    shardingsphere
    Demo project for Spring Boot
    
        1.8
    
    
        
            org.springframework.boot
            spring-boot-starter-web
        

        
            mysql
            mysql-connector-java
            runtime
        
        
            org.projectlombok
            lombok
            true
        
        
            com.alibaba
            druid
            1.1.21
        
        
            org.apache.shardingsphere
            sharding-jdbc-spring-boot-starter
            4.0.0-RC1
        
        
            com.baomidou
            mybatis-plus-boot-starter
            3.3.1
        
        
            org.springframework.boot
            spring-boot-starter-test
            test
        
    

    
        
            
                org.springframework.boot
                spring-boot-maven-plugin
                
                    
                        
                            org.projectlombok
                            lombok
                        
                    
                
            
        
    


2.分片规则配置(水平分表)

使用sharding-jdbc 对数据库中水平拆分的表进行操作,通过sharding-jdbc对分库分表的规则进行配置,配置内容包括:数据源、主键生成策略、分片策略等。

application.properties

  • 基础配置
spring.application.name = sharding-jdbc-simple
server.servlet.context-path = /sharding-jdbc
spring.http.encoding.enabled = true
spring.http.encoding.charset = UTF-8
spring.http.encoding.force = true

spring.main.allow-bean-definition-overriding = true
mybatis.configuration.map-underscore-to-camel-case = true
  • 数据源
# 定义数据源
spring.shardingsphere.datasource.names = db1

spring.shardingsphere.datasource.db1.type = com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.db1.driver-class-name = com.mysql.jdbc.Driver
spring.shardingsphere.datasource.db1.url = jdbc:mysql://localhost:3306/lg_order?characterEncoding=UTF-8&useSSL=false
spring.shardingsphere.datasource.db1.username = root
spring.shardingsphere.datasource.db1.password = XL00754123
  • 配置数据节点
#配置数据节点,指定节点的信息
spring.shardingsphere.sharding.tables.pay_order.actual-data-nodes = db1.pay_order_$->{1..2}

表达式 db1.pay_order_$->{1…2}
$ 会被 大括号中的 {1…2} 所替换
会有两种选择: db1.pay_order_1 和 db1.pay_order_2

  • 配置主键生成策略
#指定pay_order表 (逻辑表)的主键生成策略为 SNOWFLAKE
spring.shardingsphere.sharding.tables.pay_order.keygenerator.column = order_id
spring.shardingsphere.sharding.tables.pay_order.key-generator.type = SNOWFLAKE

使用shardingJDBC提供的主键生成策略,全局主键
为避免主键重复, 生成主键采用SNOWFLAKE分布式ID生成算法

  • 配置分片算法
#指定pay_order表的分片策略,分片策略包括分片键和分片算法
spring.shardingsphere.sharding.tables.pay_order.tablestrategy.inline.sharding-column = order_id
spring.shardingsphere.sharding.tables.pay_order.tablestrategy.inline.algorithm-expression = pay_order_$->{order_id % 2 + 1}

分表策略表达式: pay_order_$-> {order_id % 2 + 1}
{order_id % 2 + 1} 结果是偶数 操作 pay_order_1表
{order_id % 2 + 1} 结果是奇数 操作 pay_order_2表

  • 打开SQL日志
# 打开sql输出日志
spring.shardingsphere.props.sql.show = true
  • 步骤总结
  1. 定义数据源
  2. 指定pay_order 表的数据分布情况, 分布在 pay_order_1 和 pay_order_2
  3. 指定pay_order 表的主键生成策略为SNOWFLAKE,是一种分布式自增算法,保证id全局唯一
  4. 定义pay_order分片策略,order_id为偶数的数据下沉到pay_order_1,为奇数下沉到在pay_order_2

3.编写程序

  • 新增订单
@Mapper
public interface PayOrderDao {
	/**
     * 新增订单
     */
    @Insert("insert into pay_order(user_id,product_name,COUNT) values(#{user_id},#{product_name},#{count})")
    int insertPayOrder(@Param("user_id") int user_id, @Param("product_name") String product_name, @Param("count") int count);

}
  • 测试
@RunWith(SpringRunner.class)
@SpringBootTest(classes = RunBoot.class)
public class PayOrderDaoTest {
	@Autowired
	PayOrderDao payOrderDao;
	
	@Test
	public void testInsertPayOrder(){
		for (int i = 1; i < 10; i++) {
			//插入数据
			payOrderDao.insertPayOrder(1+i,"小米电视",1);
		}
	}
	
}
  • 根据Id查询订单
@Mapper
public interface PayOrderDao {

    /**
     * 查询订单
     */
    @Select({""})
    List findOrderByIds(@Param("orderIds") List orderIds);

}
  • 测试
@Test
public void testFindOrderByIds(){
	List ids = new ArrayList<>();
	ids.add(517020734275452928L); //order_1表
	ids.add(517020734380310529L); //order_2表
	List mapList = payOrderDao.findOrderByIds(ids);
	System.out.println(mapList);
}

4.ShardingJDBC执行流程

当ShardingJDBC接收到发送的SQL之后,会执行下面的步骤,最终返回执行结果
Springboot整合ShardingSphere实现分库分表_第4张图片

  1. SQL解析: 编写SQL查询的是逻辑表, 执行时 ShardingJDBC 要解析SQL ,解析的目的是为了找到需要改写的位置.
  2. SQL路由: SQL的路由是指 将对逻辑表的操作,映射到对应的数据节点的过程. ShardingJDBC会获取分片键判断是否正确,正确 就执行分片策略(算法) 来找到真实的表.
  3. SQL改写: 程序员面向的是逻辑表编写SQL, 并不能直接在真实的数据库中执行,SQL改写用于将逻辑SQL改为在真实的数据库中可以正确执行的SQL.
  4. SQL执行: 通过配置规则 pay_order_$->{order_id % 2 + 1} ,可以知道当 order_id 为偶数时 ,应该向 pay_order_1表中插入数据, 为奇数时向 pay_order_2表插入数据.
  5. 将所有真正执行sql的结果进行汇总合并,然后返回。

三、Sharding-JDBC分库分表

1.水平分表

把一张表的数据按照一定规则,分配到同一个数据库的多张表中,每个表只有这个表的部分数据. 在Sharding-JDBC入门使用中, 我们已经完成了水平分表的操作.
Springboot整合ShardingSphere实现分库分表_第5张图片

2.水平分库

水平分库是把同一个表的数据按一定规则拆到不同的数据库中,每个库可以放在不同的服务器上。

  1. 将原来的lg_order 数据库,拆分为 lg_order_1 和 lg_order_2
    Springboot整合ShardingSphere实现分库分表_第6张图片
  2. 分片规则配置
    现在是两个数据库,所以要配置两份数据源信息.
# 定义多个数据源
spring.shardingsphere.datasource.names = db1,db2
# db1
spring.shardingsphere.datasource.db1.type = com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.db1.driver-class-name = com.mysql.jdbc.Driver
spring.shardingsphere.datasource.db1.url = jdbc:mysql://localhost:3306/lg_order_1?characterEncoding=UTF-8&useSSL=false
spring.shardingsphere.datasource.db1.username = root
spring.shardingsphere.datasource.db1.password = 123456
# db2
spring.shardingsphere.datasource.db2.type = com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.db2.driver-class-name = com.mysql.jdbc.Driver
spring.shardingsphere.datasource.db2.url = jdbc:mysql://localhost:3306/lg_order_2?characterEncoding=UTF-8&useSSL=false
spring.shardingsphere.datasource.db2.username = root
spring.shardingsphere.datasource.db2.password = 123456

通过配置对数据库的分片策略,来指定数据库进行操作

# 分库策略,以user_id为分片键,分片策略为user_id % 2 + 1,user_id为偶数操作db1数据源,否则操作db2。
spring.shardingsphere.sharding.tables.pay_order.databasestrategy.inline.sharding-column = user_id
spring.shardingsphere.sharding.tables.pay_order.databasestrategy.inline.algorithm-expression = db$->{user_id % 2 + 1}
  1. 分库分表的策略
    分库策略 ,目的是将一个逻辑表 , 映射到多个数据源
# 分库找的是数据库 db$->{user_id % 2 + 1}
spring.shardingsphere.sharding.tables.逻辑表名称.database-strategy.分片策略.分片策略属性名 = 分片策略表达式

分表策略, 如何将一个逻辑表 , 映射为多个 实际表

#分表 找的是具体的表 pay_order_$->{order_id % 2 + 1}
spring.shardingsphere.sharding.tables.逻辑表名称.table-strategy.分片策略.algorithm-expression = 分片策略表达式
  1. Sharding-JDBC支持以下几种分片策略:
     ○ standard:标准分片策略
     ○ complex:符合分片策略
     ○ inline:行表达式分片策略,使用Groovy的表达式.
     ○ hint:Hint分片策略,对应HintShardingStrategy。
     ○ none:不分片策略,对应NoneShardingStrategy。不分片的策略。
    具体信息请查阅官方文档:https://shardingsphere.apache.org

  2. 插入测试

@Test
public void testInsertPayOrder(){

	//user_1 为奇数,插入到 lg_order_1 数据库
	for (int i = 0; i < 5; i++) {
	//插入数据
	payOrderDao.insertPayOrder(1,"海尔电视",1);
	}
	
	//user_2 为偶数,插入到 lg_order_2 数据库
	for (int i = 0; i < 5; i++) {
	//插入数据
	payOrderDao.insertPayOrder(4,"王牌电视",1);
	}
	
}

首先会根据分库策略找到对应的数据库 db$->{user_id % 2 + 1}

然后再根据分表策略 找到要插入数据的表 pay_order_$->{order_id % 2 + 1}
Springboot整合ShardingSphere实现分库分表_第7张图片
6. 查询测试

@Test
public void testFindOrderByIds(){
	List ids = new ArrayList<>();
	ids.add(517399941648220160L); //lg_order_1数据库的 order_1表
	ids.add(517399941518196736L); //lg_order_2数据库的 order_1表
	List mapList = payOrderDao.findOrderByIds(ids);
	System.out.println(mapList);
}

通过日志发现,sharding-jdbc将sql 路由到了 db1
在这里插入图片描述
原因在 配置上有问题,数据库只指定了 db1
在这里插入图片描述
7. 修改数据节点配置

#数据节点: db1.pay_order_1 , db1.pay_order_2, db2.pay_order_1,db2.pay_order_2
spring.shardingsphere.sharding.tables.pay_order.actual-data-nodes = db$->{1..2}.pay_order_$->{1..2}

3.垂直分库

垂直分库是指按照业务将表进行分类,分布到不同的数据库上面,每个库可以放在不同的服务器上,它的核心理念是专库专用.

在使用微服务架构时,业务切割得足够独立,数据也会按照业务切分,保证业务数据隔离,大大提升了数据库的吞吐能力。

  1. 创建数据库
CREATE DATABASE lg_user CHARACTER SET 'utf8';
  1. 在lg_user 数据库中 users 创建表
DROP TABLE IF EXISTS users;
CREATE TABLE users (
	id BIGINT(20) PRIMARY KEY,
	username VARCHAR(20) ,
	phone VARCHAR(11),
	STATUS VARCHAR(11)
);
  1. 规则配置
  • 配置数据源信息
spring.shardingsphere.datasource.names = db1,db2,db3
spring.shardingsphere.datasource.db3.type = com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.db3.driver-class-name = com.mysql.jdbc.Driver
spring.shardingsphere.datasource.db3.url = jdbc:mysql://localhost:3306/lg_user?characterEncoding=UTF-8&useSSL=false
spring.shardingsphere.datasource.db3.username = root
spring.shardingsphere.datasource.db3.password = 123456
  • 配置数据节点
spring.shardingsphere.sharding.tables.users.actual-data-nodes = db$->{3}.users
spring.shardingsphere.sharding.tables.users.table-strategy.inline.shardingcolumn = id
spring.shardingsphere.sharding.tables.users.table-strategy.inline.algorithmexpression = users
  1. 测试插入与查询
  • UserDao
@Mapper
@Component
public interface UsersDao {
	/**
	* 新增用户
	*/
	@Insert("INSERT INTO users(id, username,phone,status) VALUE(#{id},#{username},#{phone},#{status})")
	int insertUser(@Param("id")Long id, @Param("username")String username,@Param("phone")String phone,@Param("status")String status);
	
	/**
	* 查询用户
	*/
	@Select({
	""})
	List selectUserbyIds(@Param("userIds")List userIds);

}
  • UserDaoTest
@RunWith(SpringRunner.class)
@SpringBootTest(classes = RunBoot.class)
public class UserDaoTest {
	@Autowired
	UsersDao usersDao;
	
	@Test
	public void testInsert(){
		for (int i = 0; i < 10 ; i++) {
			Long id = i + 100L;
			usersDao.insertUser(id,"Timi"+i,"13511112222", "1");
		}
	}
	
	@Test
	public void testSelect(){
		List ids = new ArrayList<>();
		ids.add(101L);
		ids.add(105L);
		List list = usersDao.selectUserbyIds(ids);
		System.out.println(list);
	}

}

四、Sharding-JDBC 操作公共表

1.什么是公共表

公共表属于系统中数据量较小,变动少,而且属于高频联合查询的依赖表。参数表、数据字典表等属于此类型。

可以将这类表在每个数据库都保存一份,所有更新操作都同时发送到所有分库执行。

Springboot整合ShardingSphere实现分库分表_第8张图片

2.公共表配置与测试

  1. 创建数据库
    分别在 lg_order_1, lg_order_2 , lg_user都创建 district表
-- 区域表
CREATE TABLE district (
	id BIGINT(20) PRIMARY KEY COMMENT '区域ID',
	district_name VARCHAR(100) COMMENT '区域名称',
	LEVEL INT COMMENT '等级'
);

在这里插入图片描述
2) 在Sharding-JDBC的配置文件中 指定公共表

# 指定district为公共表
spring.shardingsphere.sharding.broadcast-tables=district
# 主键生成策略
spring.shardingsphere.sharding.tables.district.key-generator.column=id
spring.shardingsphere.sharding.tables.district.key-generator.type=SNOWFLAKE
  1. 编写代码, 操作公共表
  • DistrictDao
@Mapper
@Component
public interface DistrictDao {
	/**
	* 插入数据
	*/
	@Insert("INSERT INTO district(district_name,level) VALUES(#{district_name},#{level})")
	public void insertDist(@Param("district_name") String district_name,@Param("level") int level);
	
	/**
	* 删除数据
	*/
	@Delete("delete from district where id = #{id}")
	int deleteDict(@Param("id") Long id);
}
  • DistrictDaoTest
@RunWith(SpringRunner.class)
@SpringBootTest(classes = RunBoot.class)
public class DistrictDaoTest {
	@Autowired
	DistrictDao districtDao;
	
	@Test
	public void testInsert(){
		districtDao.insertDist("昌平区",2);
		districtDao.insertDist("朝阳区",2);
	}
	
	@Test
	public void testDelete(){
		districtDao.deleteDict(523944169266216961L);
	}
	
}

五、Sharding-JDBC读写分离

Sharding-JDBC读写分离则是根据SQL语义的分析,将读操作和写操作分别路由至主库与从库。它提供透明化读写分离,让使用方尽量像使用一个数据库一样使用主从数据库集群。

Springboot整合ShardingSphere实现分库分表_第9张图片

1.MySQL主从同步

为了实现Sharding-JDBC的读写分离,首先,要进行mysql的主从同步配置。
我们直接使用MyCat讲解中,在虚拟机上搭建的主从数据库.

  • 在主服务器中的 test数据库 创建商品表
CREATE TABLE products (
	pid BIGINT(32) PRIMARY KEY ,
	pname VARCHAR(50) DEFAULT NULL,
	price INT(11) DEFAULT NULL,
	flag VARCHAR(2) DEFAULT NULL
);
  • 主库新建表之后,从库会根据binlog日志,同步创建.
    Springboot整合ShardingSphere实现分库分表_第10张图片

2.sharding-jdbc实现读写分离

  1. 配置数据源
# 定义多个数据源
spring.shardingsphere.datasource.names = db1,db2,db3,m1,s1

spring.shardingsphere.datasource.m1.type = com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.m1.driver-class-name = com.mysql.jdbc.Driver
spring.shardingsphere.datasource.m1.url = jdbc:mysql://192.168.200.129:3306/test?characterEncoding=UTF-8&useSSL=false
spring.shardingsphere.datasource.m1.username = root
spring.shardingsphere.datasource.m1.password = QiDian@666

spring.shardingsphere.datasource.s1.type = com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.s1.driver-class-name = com.mysql.jdbc.Driver
spring.shardingsphere.datasource.s1.url = jdbc:mysql://192.168.200.130:3306/test?characterEncoding=UTF-8&useSSL=false
spring.shardingsphere.datasource.s1.username = root
spring.shardingsphere.datasource.s1.password = QiDian@666
  1. 配置主库与从库的相关信息
  • ms1 包含了 m1 和 s1
spring.shardingsphere.sharding.master-slave-rules.ms1.master-data-source-name=m1
spring.shardingsphere.sharding.master-slave-rules.ms1.slave-data-source-names=s1
  1. 配置数据节点
#配置数据节点
spring.shardingsphere.sharding.tables.products.actual-data-nodes = ms1.products
  1. 编写测试代码
  • ProductsDao
@Mapper
@Component
public interface ProductsDao {

	/**
	* 读写分离 插入
	*/
	@Insert("insert into products(pid,pname,price,flag) values(#{pid},#{pname},#{price},#{flag})")
	int insertProduct(@Param("pid") Long pid, @Param("pname") String
	pname,@Param("price") int price,@Param("flag") String flag);
	
	/**
	* 读写分离 查询
	*/
	@Select({"select * from products"})
	List findAll();
	
}
  • 测试
@RunWith(SpringRunner.class)
@SpringBootTest(classes = RunBoot.class)
public class ProductsDaoTest {

	@Autowired
	ProductsDao productsDao;
	
	/**
	* 测试插入
	*/
	@Test
	public void testInsert(){
		for (int i = 0; i < 5; i++) {
			productsDao.insertProduct(100L+i,"小米手机",1888,"1");
		}
	}
	
	/**
	* 测试查询
	*/
	@Test
	public void testSelect(){
		List all = productsDao.findAll();
		System.out.println(all);
	}
	
}

你可能感兴趣的:(springboot,spring,boot)