配置文件中,1-32 即代表 id%256 后分布的范围,如果在 1-32 则在分区 1,其他类推,如果 id 非数据,则
会分配在 defaoultNode 默认节点
String idVal = “0”;
Assert.assertEquals(true, 7 == autoPartition.calculate(idVal));
idVal = “45a”;
Assert.assertEquals(true, 2 == autoPartition.calculate(idVal));
复制代码
7.截取数字做 hash 求模范围约束
此种规则类似于取模范围约束,此规则支持数据符号字母取模。
user_id
sharding-by-prefixpattern
<function name=“sharding-by-pattern”
class=“io.mycat.route.function.PartitionByPrefixPattern”>
256
5
partition-pattern.txt
复制代码
partition-pattern.txt
partition-pattern.txt
range start-end ,data node index
ASCII
8-57=0-9 阿拉伯数字
64、65-90=@、A-Z
97-122=a-z
first host configuration
1-4=0
5-8=1
9-12=2
13-16=3
second host configuration
17-20=4
21-24=5
25-28=6
29-32=7
0-0=7
复制代码
配置说明:
上面 columns 标识将要分片的表字段,algorithm 分片函数,patternValue 即求模基数,prefixLength
ASCII 截取的位数
mapFile 配置文件路径
配置文件中,1-32 即代表 id%256 后分布的范围,如果在 1-32 则在分区 1,其他类推
此种方式类似方式 6 只不过采取的是将列种获取前 prefixLength 位列所有 ASCII 码的和进行求模
sum%patternValue ,获取的值,在范围内的分片数,
String idVal=“gf89f9a”;
Assert.assertEquals(true, 0==autoPartition.calculate(idVal));
idVal=“8df99a”;
Assert.assertEquals(true, 4==autoPartition.calculate(idVal));
idVal=“8dhdf99a”;
Assert.assertEquals(true, 3==autoPartition.calculate(idVal));
复制代码
8.应用指定
此规则是在运行阶段有应用自主决定路由到那个分片。
user_id
sharding-by-substring
<function name=“sharding-by-substring”
class=“io.mycat.route.function.PartitionDirectBySubString”>
0
2
8
0
复制代码
配置说明:
上面 columns 标识将要分片的表字段,algorithm 分片函数
此方法为直接根据字符子串(必须是数字)计算分区号(由应用传递参数,显式指定分区号)。
例如 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,如果没传
默认分配到 defaultPartition
复制代码
9.截取数字 hash 解析
此规则是截取字符串中的 int 数值 hash 分片。
user_id
sharding-by-stringhash
<function name=“sharding-by-stringhash”
class=“io.mycat.route.function.PartitionByString”>
512
2
0:2
复制代码
配置说明:
上面 columns 标识将要分片的表字段,algorithm 分片函数
函数中 partitionLength 代表字符串 hash 求模基数,
partitionCount 分区数,
hashSlice hash 预算位,即根据子字符串中 int 值 hash 运算
hashSlice : 0 means str.length(), -1 means str.length()-1
/**
-
“2” -> (0,2)
-
“1:2” -> (1,2)
-
“1:” -> (1,0)
-
“-1:” -> (-1,0)
-
“:-1” -> (0,-1)
-
“:” -> (0,0)
*/
复制代码
例子:
String idVal=null;
rule.setPartitionLength(“512”);
rule.setPartitionCount(“2”);
rule.init();
rule.setHashSlice(“0:2”);
// idVal = “0”;
// Assert.assertEquals(true, 0 == rule.calculate(idVal));
// idVal = “45a”;
// Assert.assertEquals(true, 1 == rule.calculate(idVal));
//last 4
rule = new PartitionByString();
rule.setPartitionLength(“512”);
rule.setPartitionCount(“2”);
rule.init();
//last 4 characters
rule.setHashSlice(“-4:0”);
idVal = “aaaabbb0000”;
Assert.assertEquals(true, 0 == rule.calculate(idVal));
idVal = “aaaabbb2359”;
Assert.assertEquals(true, 0 == rule.calculate(idVal));
复制代码
10.一致性 hash
一致性hash有效解决了分布式数据的扩容问题。
user_id
murmur
0
2
160
复制代码
11.按单月小时拆分
此规则是单月内按照小时拆分,最小粒度是小时,可以一天最多 24 个分片,最少 1 个分片,一个月完后下月 从头开始循环。 每个月月尾,需要手工清理数据。
create_time
sharding-by-hour
24
复制代码
配置说明: columns: 拆分字段,字符串类型(yyyymmddHH) splitOneDay : 一天切分的分片数
LatestMonthPartion partion = new LatestMonthPartion();
partion.setSplitOneDay(24);
Integer val = partion.calculate(“2015020100”);
assertTrue(val == 0);
val = partion.calculate(“2015020216”);
assertTrue(val == 40);
val = partion.calculate(“2015022823”);
assertTrue(val == 27 * 24 + 23);
Integer[] span = partion.calculateRange(“2015020100”, “2015022823”);
assertTrue(span.length == 27 * 24 + 23 + 1);
assertTrue(span[0] == 0 && span[span.length - 1] == 27 * 24 + 23);
span = partion.calculateRange(“2015020100”, “2015020123”);
assertTrue(span.length == 24);
assertTrue(span[0] == 0 && span[span.length - 1] == 23);
复制代码
12.范围求模分片
先进行范围分片计算出分片组,组内再求模 优点可以避免扩容时的数据迁移,又可以一定程度上避免范围分片的热点问题 综合了范围分片和求模分片的优点,分片组内使用求模可以保证组内数据比较均匀,分片组之间是范围分片可以 兼顾范围查询。 最好事先规划好分片的数量,数据扩容时按分片组扩容,则原有分片组的数据不需要迁移。由于分片组内数据比 较均匀,所以分片组内可以避免热点数据问题。
id
rang-mod
<function name=“rang-mod”
class=“io.mycat.route.function.PartitionByRangeMod”>
partition-range-mod.txt
21
复制代码
配置说明:
上面 columns 标识将要分片的表字段,algorithm 分片函数,
rang-mod 函数中 mapFile 代表配置文件路径
defaultNode 超过范围后的默认节点顺序号,节点从 0 开始。
partition-range-mod.txt
range start-end ,data node group size
以下配置一个范围代表一个分片组,=号后面的数字代表该分片组所拥有的分片的数量。
0-200M=5 //代表有 5 个分片节点
200M1-400M=1
400M1-600M=4
600M1-800M=4
800M1-1000M=6
复制代码
13.日期范围 hash 分片
思想与范围求模一致,当由于日期在取模会有数据集中问题,所以改成 hash 方法。 先根据日期分组,再根据时间 hash 使得短期内数据分布的更均匀 优点可以避免扩容时的数据迁移,又可以一定程度上避免范围分片的热点问题 要求日期格式尽量精确些,不然达不到局部均匀的目的
col_date
range-date-hash
<function name=“range-date-hash”
class=“io.mycat.route.function.PartitionByRangeDateHash”>
2014-01-01 00:00:00
3
yyyy-MM-dd HH:mm:ss
6
复制代码
sPartionDay 代表多少天分一个分片 groupPartionSize 代表分片组的大小
14.冷热数据分片
根据日期查询日志数据 冷热数据分布 ,最近 n 个月的到实时交易库查询,超过 n 个月的按照 m 天分片。
create_time
sharding-by-hotdate
yyyy-MM-dd
10
30
复制代码
15.自然月分片
按月份列分区 ,每个自然月一个分片,格式 between 操作解析的范例。
create_time
sharding-by-month
yyyy-MM-dd
2014-01-01
复制代码
配置说明:
-
columns: 分片字段,字符串类型
-
dateFormat : 日期字符串格式
-
sBeginDate : 开始日期
PartitionByMonth partition = new PartitionByMonth();
partition.setDateFormat(“yyyy-MM-dd”);
partition.setsBeginDate(“2014-01-01”);
partition.init();
Assert.assertEquals(true, 0 == partition.calculate(“2014-01-01”));
Assert.assertEquals(true, 0 == partition.calculate(“2014-01-10”));
Assert.assertEquals(true, 0 == partition.calculate(“2014-01-31”));
Assert.assertEquals(true, 1 == partition.calculate(“2014-02-01”));
Assert.assertEquals(true, 1 == partition.calculate(“2014-02-28”));
Assert.assertEquals(true, 2 == partition.calculate(“2014-03-1”));
Assert.assertEquals(true, 11 == partition.calculate(“2014-12-31”));
Assert.assertEquals(true, 12 == partition.calculate(“2015-01-31”));
Assert.assertEquals(true, 23 == partition.calculate(“2015-12-31”));
复制代码
16.有状态分片算法
有状态分片算法与之前的分片算法不同,它是为数据自动迁移而设计的. 直至 2018 年 7 月 24 日为止,现支持有状态算法的分片策略只有 crc32slot 欢迎大家提供更多有状态分片算法.
一个有状态分片算法在使用过程中暂时存在两个操作
一种是初始化,使用 mycat 创建配置带有有状态分片算法的 table 时(推介)或者第一次配置有状态分片算法的 table 并启动 mycat 时,有状态分片算法会根据表的 dataNode 的数量划分分片范围并生成 ruledata 下的文件, 这个分片范围规则就是’状态’,一个表对应一个状态,对应一个有状态分片算法实例,以及对应一个满足以下命 名规则的文件:
算法名字_schema 名字_table 名字.properties 文件里内容一般具有以下特征:
8=91016-102399
7=79639-91015
6=68262-79638
5=56885-68261
4=45508-56884
3=34131-45507
2=22754-34130
1=11377-22753
0=0-11376
复制代码
行数就是 table 的分片节点数量,每行的’数字-数字’就是分片算法生成的范围,这个范围与具体算法实现有关, 一个分片节点可能存在多个范围,这些范围以逗号,分隔.一般来说,不要手动更改这个文件,应该使用算法生成范围, 而且需要注意的是,物理库上的数据的分片字段的值一定要落在对应范围里. 一种是添加操作,即数据扩容,具体参考第六章的 6.8 与 6.9 添加节点,有状态分片算法根据节点的变化,重新分配范围规则,之后执行数据自动迁移任务.
17.crc32slot 分片算法
crc32solt 是有状态分片算法的实现之一,具体参考第六章 数据自动迁移方案设计 crc32(key)%102400=slot
slot 按照范围均匀分布在 dataNode 上,针对每张表进行实例化,通过一个文件记录 slot 和节点 映射关系,迁移过程中通过 zk 协调 其中需要在分片表中增加 slot 字段,用以避免迁移时重新计算,只需要迁移对应 slot 数据即可 分片最大个数为 102400 个,短期内应该够用,每分片一千万,总共可以支持一万亿数据 配置说明:
复制代码
总结
这个月马上就又要过去了,还在找工作的小伙伴要做好准备了,小编整理了大厂java程序员面试涉及到的绝大部分面试题及答案,希望能帮助到大家
的分片节点数量,每行的’数字-数字’就是分片算法生成的范围,这个范围与具体算法实现有关, 一个分片节点可能存在多个范围,这些范围以逗号,分隔.一般来说,不要手动更改这个文件,应该使用算法生成范围, 而且需要注意的是,物理库上的数据的分片字段的值一定要落在对应范围里. 一种是添加操作,即数据扩容,具体参考第六章的 6.8 与 6.9 添加节点,有状态分片算法根据节点的变化,重新分配范围规则,之后执行数据自动迁移任务.
17.crc32slot 分片算法
crc32solt 是有状态分片算法的实现之一,具体参考第六章 数据自动迁移方案设计 crc32(key)%102400=slot
slot 按照范围均匀分布在 dataNode 上,针对每张表进行实例化,通过一个文件记录 slot 和节点 映射关系,迁移过程中通过 zk 协调 其中需要在分片表中增加 slot 字段,用以避免迁移时重新计算,只需要迁移对应 slot 数据即可 分片最大个数为 102400 个,短期内应该够用,每分片一千万,总共可以支持一万亿数据 配置说明:
复制代码
总结
这个月马上就又要过去了,还在找工作的小伙伴要做好准备了,小编整理了大厂java程序员面试涉及到的绝大部分面试题及答案,希望能帮助到大家
[外链图片转存中…(img-xWJ9cwQm-1714421717951)]
[外链图片转存中…(img-qVsXxgSU-1714421717952)]