ShardingSphere数据分片之读写分离

1、概述

读写分离是一种常见的数据库架构，它将数据库分为主从库，一个主库（Master）用于写数据，多个从库（Slave）进行轮询读取数据的过程。主从库之间通过某种通讯机制进行数据的同步。
所以，数据的读写分离是在数据库的主从复制基础上建立起来的。

数据库的主从复制可以参考之前的文章：Mysql8.0实现主从复制。

读写分离的原理是让主数据库处理事务性增、改、删操作（INSERT、UPDATE、DELETE），而从数据库处理SELECT查询操作。这样可以有效地减轻主数据库的压力，提高数据库的并发性能和稳定性。

2、优缺点

优点：

1. 减轻数据库压力：通过将读操作和写操作分开到不同的数据库服务器上，可以有效地减轻主数据库的压力，提高数据库的并发性能和稳定性。
2. 提高性能：只读服务器没有写操作，可以大大减轻磁盘IO等性能问题，提高查询效率。同时，读服务器可以采用负载均衡，实现读操作的可伸缩性。
3. 易于扩展：读写分离可以很容易地扩展到更多的数据库服务器上，以满足不断增长的业务需求。

缺点：

1. 数据实时性差：数据不是实时同步到只读服务器上的，当数据写入主服务器后，要在下次同步后才能查询到。这可能导致数据不一致的问题。
2. 数据量大时同步效率差：单表数据量过大时插入和更新因索引、磁盘IO等问题，性能会变的很差。这可能影响到只读服务器的性能和稳定性。
3. 连接多个数据库：至少要连接到两个数据库，实际的读写操作是在程序代码中完成的，容易引起混乱。这增加了开发和维护的复杂性。

3、SpringBoot整合实现

使用SpringBoot对ShardingSphere的基本整合可以浏览之前的文章：
ShardingSphere数据分片之分表操作。

因为是SpringBoot整合ShardingSphere，所以我们只需要配置Yaml文件便可以轻松的实现数据库的读写分离。

3.1、引入依赖

CSDN上很多博客都使用的是sharding-jdbc-spring-boot-starter依赖，但是这个依赖是很久以前的了，在需求日益增长的现在，还是要紧跟时代比较好，所以我就用了离现在不是很久的依赖。

<dependency>
     <groupId>org.apache.shardingspheregroupId>
     <artifactId>shardingsphere-jdbc-core-spring-boot-starterartifactId>
     <version>5.1.1version>
 dependency>

3.2、配置YAML文件

这里结合了读写分离 + 分表的操作，所以YAML文件的配置就比较多。

spring:
  shardingsphere:
    props:
      sql-show: true # 展示shardingSphere对SQL的处理
    datasource: # 配置真实的数据源
      master: # 主数据库
        username: root
        password: 123456
        url: jdbc:mysql://wangwu_mysql:3306/mysql_test?serverTimezone=Asia/Shanghai # zhoujn.e3.luyouxia.net:11580
        type: com.zaxxer.hikari.HikariDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
      slave: # 从数据库
        username: root
        password: 123456
        url: jdbc:mysql://zhangsan_mysql:3306/mysql_test?serverTimezone=Asia/Shanghai
        type: com.zaxxer.hikari.HikariDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
      names: master
    rules: # 配置路由规则
      readwrite-splitting: # 配置读写分离
        data-sources: # 读写分离数据库配置
          read-write-datasource: # 自定义读写分离数据库配置名称
            type: Static # 静态配置，配置的选项来自同一个YAML文件的datasource参数
            props:
              write-data-source-name: master # 写库的配置
              read-data-source-names: slave # 读库的配置，多个从库之间使用逗号进行隔开
              load-balancer-name: round-robin # 多个读库之间采用的访问策略
        load-balancers: # 访问策略的配置
          round-robin: # 自
          定义策略名称
            type: ROUND_ROBIN # 明确的策略
            
      sharding: # 数据分片配置
        sharding-algorithms: # 数据分片算法配置
          table-inline:
            type: INLINE
            props:
              algorithm-expression: test_$->{id % 2}
        tables: # 表的分片配置
          logic_table_name:
            actual-data-nodes: read-write-datasource.test_${0..1}
            table-strategy:
              standard:
                sharding-column: id
                sharding-algorithm-name: table-inline
    mode:
      type: Memory
      repository:
        type: JDBC

load-balancers.type从库访问策略可以是以下的值：

参数名称	描述
ROUND_ROBIN	轮询负载均衡器。按照顺序依次将请求分配给每个分片，当所有分片都处理完后再从头开始分配。
LEAST_ACTIVE	最少活跃调用负载均衡器。选择当前活跃请求数最少的分片作为目标分片。
LEAST_CONNECTION	最少连接负载均衡器。选择当前连接数最少的分片作为目标分片。
RANDOM	随机负载均衡器。随机选择一个分片作为目标分片。
LEAST_RESPONSE_TIME	最少响应时间负载均衡器。选择当前响应时间最少的分片作为目标分片。

注意点：
在使用读写分离时，actual-data-nodes参数所对应的真是表的名称不再是Master或者Slave，而是rules.readwrite-splitting.data-sources下自定义是读写分离数据库的名称。
否则读写分离不会成功。

其他的分库分表参数请浏览：ShardingSphere数据分片之分表操作。

3.3、代码层面

整合了ShardingSphere后代码层面还是和日常的编写方式一样就可以了。

3.3.1、controller

@RestController
@RequiredArgsConstructor
public class shardingController {

    private final TestServiceImpl testService;

    @GetMapping(value = "/add")
    public String addData(){
        for(int i = 1; i <= 10; i++){
        	// 此处的操作一定是在Master库中执行的
            testService.save(new Test().setTestName("data_" + i).setId(i));
        }
        return "插入完成";
    }

    @GetMapping(value = "/list")
    public List<Test> list(){
    	// 此处的操作一定是在Slave库中执行
        return testService.list();
    }

}

3.3.2、service

@Service
public class TestServiceImpl extends ServiceImpl<TestMapper, Test> implements IService<Test> {
} 

3.3.3、mapper

@Mapper
public interface TestMapper extends BaseMapper<Test> {
}