前言:由于互联网的发展迅速,业务数据量暴增,出现了数据库量过大,需要扩容
扩容的方式:大库拆分成小库,大表拆分成小表
我们用到了sharding-JDBC是针对本文中所说的水平拆分
这里也不去讲解其他分库分表的技术了,例如mycat,可以自行博文搜索了解
大库拆分成小库、大表 拆分成小表
一 数据库垂直拆分
当下springcloud 、dubbo。。类似的这些微服务越来越受欢迎,我们可以根据业务的需要拆分成多个微服务,一并将数据库也拆分成对应的几个数据库,简而言之:一个微服务对应一个数据库,这样大库拆小库就完成了,具体的操作这里就不多讲了,因为本文主要是要讲 sharding-jdbc
二 表的垂直拆分
假设一张订单表,里面有订单的基本信息,又有订单的使用优惠券信息,又有订单的评价信息,我们完全可以拆分成 订单基本信息表:order,订单优惠信息表:order_cuppon,订单评价表:order_assess;
三 水平拆分(我们重点讲下数据库的水平拆分,表的水平拆分思想,理论差不多)
一句话描述,就是将原本的数据分片存储;
我们来看看实战步骤:
1.pom中引入依赖
<dependency>
<groupId>org.apache.shardingsphere</groupId>
<artifactId>sharding-jdbc-spring-boot-starter</artifactId>
<version>${sharding-jdbc.version}</version>
</dependency>
2.配置文件中配置sharding
2.1我们需要配置多个数据库,假设我们现在是分两个库
# 数据源 多个
spring.shardingsphere.datasource.names=ds0,ds1
# 第一个数据库
spring.shardingsphere.datasource.ds0.type=com.zaxxer.hikari.HikariDataSource
spring.shardingsphere.datasource.ds0.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.ds0.jdbc-url=jdbc:mysql://139.139.139.82:3306/zwt_shop_order_0?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=Asia/Shanghai&allowPublicKeyRetrieval=true
spring.shardingsphere.datasource.ds0.username=root
spring.shardingsphere.datasource.ds0.password=123456
# 第二个数据库
spring.shardingsphere.datasource.ds1.type=com.zaxxer.hikari.HikariDataSource
spring.shardingsphere.datasource.ds1.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.ds1.jdbc-url=jdbc:mysql://139.139.139.82:3306/zwt_shop_order_1?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=Asia/Shanghai&allowPublicKeyRetrieval=true
spring.shardingsphere.datasource.ds1.username=root
spring.shardingsphere.datasource.ds1.password=123
这里的ds0 和ds1 就是我们两个数据源
2.2 分库策略有多种,默认的是 ”行表达式分片策略“,也是最简单,最容易理解的
下文中product_order为我们实战的逻辑表
我们需要配置一下这个逻辑表的数据分布情况,这张表会在两个库中都存在,并且在每个库中都会有product_order_0,product_order_1表
# 指定product_order表的数据分布情况,配置数据节点,行表达式标识符使用 ${...} 或 $->{...},
# 但前者与 Spring 本身的文件占位符冲突,所以在 Spring 环境中建议使用 $->{...}
spring.shardingsphere.sharding.tables.product_order.actual-data-nodes=ds$->{0..1}.product_order_$->{0..1}
①行表达式分片策略
指定分片键,就是我们根据什么字段来进行分区
spring.shardingsphere.sharding.tables.product_order.database-strategy.inline.sharding-column=user_id
分片算法,根据分片键路由到哪一个库
spring.shardingsphere.sharding.tables.product_order.database-strategy.inline.algorithm-expression=ds$->{user_id % 2 }
②精准分片策略
指定分片键
spring.shardingsphere.sharding.tables.product_order.database-strategy.standard..sharding-column=user_id
分片算法,注意这里分片算法,是由我们在java中类中实现的
spring.shardingsphere.sharding.tables.product_order.database-strategy.standard.precise-algorithm-class-name=com.zwt.strategy.CustomDBPreciseShardingAlgorithm
com.zwt.strategy.CustomDBPreciseShardingAlgorithm这个类中就实现了分片算法
public class CustomDBPreciseShardingAlgorithm implements PreciseShardingAlgorithm<Long> {
@Override
public String doSharding(Collection<String> dataSourceNames, PreciseShardingValue<Long> preciseShardingValue) {
for(String datasourceName : dataSourceNames){
String value = preciseShardingValue.getValue() % dataSourceNames.size() + "";
//ds0、ds1
if(datasourceName.endsWith(value)){
return datasourceName;
}
}
return null;
}
}
这个方法重写了PreciseShardingAlgorithm中的dosharding方法,指定分片算法
③hint分片策略
简而言之,分片键是在代码中指定的,分片算法和精准分片策略一样
指定分片键
@Test
public void testHint() {
// 清除掉历史的规则
HintManager.clear();
//Hint分片策略必须要使用 HintManager工具类
HintManager hintManager = HintManager.getInstance();
// 设置库的分片健,value用于库分片取模, 读0库
hintManager.addDatabaseShardingValue("product_order",0L);
// 设置表的分片健,value用于表分片取模,读1表
//hintManager.addTableShardingValue("product_order", 7L);
hintManager.addTableShardingValue("product_order", 7L);
// 如果在读写分离数据库中,Hint 可以强制读主库(主从复制存在一定延时,但在业务场景中,可能更需要保证数据的实时性)
//hintManager.setMasterRouteOnly();
//对应的value只做查询,不做sql解析
productOrderMapper.selectList(new QueryWrapper<ProductOrderDO>().eq("id", 66L));
}
分片算法
spring.shardingsphere.sharding.tables.product_order.database-strategy.hint.algorithm-class-name=com.zwt.strategy.CustomDBHintShardingAlgorithm
public class CustomDBHintShardingAlgorithm implements HintShardingAlgorithm<Long> {
/**
*
* @param dataSourceNames 数据源集合
* 在分库时值为所有分片库的集合 databaseNames
* 分表时为对应分片库中所有分片表的集合 tablesNames
*
* @param hintShardingValue 分片属性,包括
* logicTableName 为逻辑表,
* columnName 分片健(字段),hit策略此处为空 ""
*
* value 【之前】都是 从 SQL 中解析出的分片健的值,用于取模判断
* HintShardingAlgorithm不再从SQL 解析中获取值,而是直接通过
* hintManager.addTableShardingValue("product_order", 1)参数进行指定
* @return
*/
@Override
public Collection<String> doSharding(Collection<String> dataSourceNames, HintShardingValue<Long> hintShardingValue) {
Collection<String> result = new ArrayList<>();
for (String tableName : dataSourceNames) {
for (Long shardingValue : hintShardingValue.getValues()) {
if (tableName.endsWith(String.valueOf(shardingValue % dataSourceNames.size()))) {
result.add(tableName);
}
}
}
return result;
}
}
ok,三种分片策略到此结束了,希望能帮助到大家
如果需要项目实战代码的,可以私聊我