分库分表番外：多数据源/动态数据源实现

最新推荐文章于 2024-05-13 01:52:31 发布

天黑请闭眼丶风

最新推荐文章于 2024-05-13 01:52:31 发布

阅读量1k

点赞数 1

分类专栏：分库分表文章标签：数据库多数据源

本文链接：https://blog.csdn.net/admin522043032/article/details/126869562

版权

分库分表专栏收录该内容

5 篇文章 1 订阅

订阅专栏

多数据源/动态数据源实现

比如在电商网站中可能会有这样的需求：根据用户所在城市不同，查询不同城市的商品数据。而在后台，这些不同城市的数据被分配在不同的数据库当中。很多人想当然的就觉得需要使用ShardingJDBC来实现多数据源管理。
这种场景就是一个典型的多数据源切换的场景。但是我们仔细分析这样的场景，他跟分库分表其实并不太相同。ShardingJDBC固然可以使用Hint策略实现快速的数据库分库查询。例如前端传进来一个cityId字段，然后在后台查询数据时，将cityId设置到HintManager中，通过定制Hint策略，将后续的SQL操作分配到目标数据源当中。Hint分片策略案例参考分库分表二：ShardingJDBC进阶实战案例上
但是，其实这种场景跟分库分表还是有差距的,那么如果不使用ShardingJDBC如何实现多数据源的切换。

方案一：JDBC自带的多数据源方案

在springboot中整合好mybatis和web功能，能够实现普通的增删改查。
yml配置

spring:
  datasource:
    datasource1:
      url: jdbc:mysql://localhost/sharding_test?useSSL=false&useUnicode=true&characterEncoding=utf-8&zeroDateTimeBehavior=convertToNull&transformedBitIsBoolean=true&tinyInt1isBit=false&allowMultiQueries=true&serverTimezone=GMT%2B8&allowPublicKeyRetrieval=true
      username: root
      password: root
      driver-class-name: com.mysql.cj.jdbc.Driver
    datasource2:
      url: jdbc:mysql://xxx/xmkf_zt?useSSL=false&useUnicode=true&characterEncoding=utf-8&zeroDateTimeBehavior=convertToNull&transformedBitIsBoolean=true&tinyInt1isBit=false&allowMultiQueries=true&serverTimezone=GMT%2B8&allowPublicKeyRetrieval=true&rewriteBatchedStatements=true
      username: xxx
      password: xxx
      driver-class-name: com.mysql.cj.jdbc.Driver

配置文件中配置了两个数据源。在两个的数据源中创建表

CREATE TABLE `sharding_user` (
  `id` bigint(11) NOT NULL AUTO_INCREMENT,
  `user_name` varchar(255) DEFAULT NULL,
  `age` int(11) DEFAULT NULL,
  `source` varchar(255) DEFAULT 'test',
  `create_time` datetime DEFAULT NULL,
  `update_time` datetime DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=latin1;

实体类 service 那些就忽略了和普通的mybatis调用是一样的

配置所有数据源DataSource

@Configuration
public class DataSourceConfig {

	@Bean(name = "dataSource1")
	@ConfigurationProperties(prefix = "spring.datasource.datasource1")
	public DataSource dataSource1(){
		// 底层会自动拿到spring.datasource中的配置， 创建一个DruidDataSource
		return DruidDataSourceBuilder.create().build();
	}

	@Bean(name = "dataSource2")
	@ConfigurationProperties(prefix = "spring.datasource.datasource2")
	public DataSource dataSource2(){
		// 底层会自动拿到spring.datasource中的配置， 创建一个DruidDataSource
		return DruidDataSourceBuilder.create().build();
	}
	//事务管理器
	@Bean
	public DataSourceTransactionManager transactionManager(DynamicDataSource dataSource){
		DataSourceTransactionManager dataSourceTransactionManager = new DataSourceTransactionManager();
		dataSourceTransactionManager.setDataSource(dataSource);
		return dataSourceTransactionManager;
	}

}

配置动态数据源

@Component("dynamicDataSource")
@Primary
public class DynamicDataSource extends AbstractRoutingDataSource {
	//当前线程
	public static ThreadLocal<String> dataSourceName = new ThreadLocal<>();
	@Resource
	private DataSource dataSource1;
	@Resource
	private DataSource dataSource2;

	@Override
	protected Object determineCurrentLookupKey() {
		//从当前线程中获取数据源
		return dataSourceName.get();
	}

	@Override
	public void afterPropertiesSet() {
		Map<Object, Object> targetDataSources = new HashMap<>();
		//假设B 代表北京的数据源
		targetDataSources.put("B",dataSource1);
		//假设X 代表厦门的数据源
		targetDataSources.put("X",dataSource2);
		//初始化 设置所有数据源
		super.setTargetDataSources(targetDataSources);
		//设置 默认数据源
		super.setDefaultTargetDataSource(dataSource2);
		super.afterPropertiesSet();
	}
}

测试代码：

	@GetMapping("/testWriteDynamic")
	@ApiOperation(value = "测试动态数据源插入")
	@ApiOperationSupport(order = 9, author = "lsx")
	public R testWriteDynamic(@RequestParam(value = "dsKey",defaultValue = "B") String dsKey){
		List<ShardingUser> list = new ArrayList<>();
		for (int i = 0; i < 20; i++) {
			ShardingUser user = new ShardingUser();
			user.setAge(i);
			user.setUserName("lsx");
			user.setCreateTime(new Date());
			list.add(user);
		}
		//从前端获取数据源 默认为北京的数据源
		DynamicDataSource.dataSourceName.set(dsKey);
		shardingUserService.saveBatch(list);
		return R.success("成功");
	}

	@GetMapping("/testReadDynamic")
	@ApiOperation(value = "测试动态数据源读取")
	@ApiOperationSupport(order = 10, author = "lsx")
	public R testReadDynamic(@RequestParam(value = "dsKey",defaultValue = "X") String dsKey){
		//从前端获取数据源 默认为厦门的数据源
		DynamicDataSource.dataSourceName.set(dsKey);
		List<ShardingUser> list = shardingUserService.list();
		return R.data(list);
	}

测试插入北京数据源
在这里插入图片描述
测试查询厦门数据源

由于厦门数据源没有插入数据所以为空

测试查询北京数据源
在这里插入图片描述
查询成功

测试插入数据到厦门数据源
在这里插入图片描述
然后查询厦门数据源

成功
这种方案的好处是根据前端传入的参数决定使用哪个数据源。

方案二：使用动态数据源框架

引入依赖

		<dependency>
            <groupId>com.baomidou</groupId>
            <artifactId>dynamic-datasource-spring-boot-starter</artifactId>
            <version>3.5.0</version>
        </dependency>

yml配置

spring:
  datasource:
    type: com.alibaba.druid.pool.DruidDataSource
    #使用dynamicDatasource框架
    dynamic:
      #设置默认的数据源或者数据源组
      primary: XM
      #严格匹配数据源,默认false. true未匹配到指定数据源时抛异常,false使用默认数据源
      strict: false
      datasource:
        XM:
          url: jdbc:mysql://localhost/sharding_test?useSSL=false&useUnicode=true&characterEncoding=utf-8&zeroDateTimeBehavior=convertToNull&transformedBitIsBoolean=true&tinyInt1isBit=false&allowMultiQueries=true&serverTimezone=GMT%2B8&allowPublicKeyRetrieval=true
          username: root
          password: root
          driver-class-name: com.mysql.cj.jdbc.Driver
        BJ:
          url: jdbc:mysql://xxx/xmkf_zt?useSSL=false&useUnicode=true&characterEncoding=utf-8&zeroDateTimeBehavior=convertToNull&transformedBitIsBoolean=true&tinyInt1isBit=false&allowMultiQueries=true&serverTimezone=GMT%2B8&allowPublicKeyRetrieval=true&rewriteBatchedStatements=true
          username: xxx
          password: xxx
          driver-class-name: com.mysql.cj.jdbc.Driver

引入了这个框架，配置好数据源就不需要在有额外的配置了。这个框架自动帮我们配置好动态数据源
用法
在service 实现类添加@DS()注解通过DS注解指定数据源方法上的DS注解会覆盖类上的DS注解

@Service
@DS("bj")
public class ShardingUserSerivceImpl extends ServiceImpl<ShardingUserMapper, ShardingUser> implements IShardingUserService{
	@DS("xm")
	@Override
	public boolean saveEntity(ShardingUser entity) {
		return this.save(entity);
	}
	@DS("xm")
	@Override
	public List<ShardingUser> queryList() {
		return this.list();
	}
}

测试代码

@GetMapping("/testWriteDynamic")
	@ApiOperation(value = "测试动态数据源插入")
	@ApiOperationSupport(order = 9, author = "lsx")
	public R testWriteDynamic(@RequestParam(value = "dsKey",defaultValue = "B") String dsKey){
		for (int i = 0; i < 20; i++) {
			ShardingUser user = new ShardingUser();
			user.setAge(i);
			user.setUserName("lsx");
			user.setCreateTime(new Date());
			shardingUserService.saveEntity(user);
		}
		return R.success("成功");
	}

	@GetMapping("/testReadDynamic")
	@ApiOperation(value = "测试动态数据源读取")
	@ApiOperationSupport(order = 9, author = "lsx")
	public R testReadDynamic(@RequestParam(value = "dsKey",defaultValue = "X") String dsKey){
		List<ShardingUser> list = shardingUserService.list();
		return R.data(list);
	}

上述插入和查询都会去xm的数据源操作

天黑请闭眼丶风

关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
分库分表番外：多数据源/动态数据源实现

比如在电商网站中可能会有这样的需求：根据用户所在城市不同，查询不同城市的商品数据。而在后台，这些不同城市的数据被分配在不同的数据库当中。很多人想当然的就觉得需要使用ShardingJDBC来实现多数据源管理。这种场景就是一个典型的多数据源切换的场景。但是我们仔细分析这样的场景，他跟分库分表其实并不太相同。ShardingJDBC固然可以使用Hint策略实现快速的数据库分库查询。
复制链接

扫一扫

专栏目录