MyCAT中的DDL-CSDN博客

今天开发同学提了一个需求，是希望对某一个时间范围的表做DDL操作，看起来好像复杂度也不高。

但是我一看开发同学提供的信息时就有点犹豫了，因为端口是8066，也就意味着使用了中间件。这是一套MyCAT的环境，一共有4个节点，每个节点拆分成了4个逻辑节点，所以有16个sharding分片，正是应了那句话：百库十表。虽然目前看起来节点数也不多，但是看看这个表hisrecord的分片逻辑就会发现，远远比我们想的要更丰富一些。

这个表是按照日期来存储数据的，即数据的存储单位是日。表名类似于rec20180301，rec20180302这种。所以按照这种增长的趋势，可以根据时间维度不断扩展，同时又对每天的表做了细粒度的拆分，每个日表会有16个分片做hashl路由。

开发同学的需求是对某一天之后的日表添加字段，变更第一天的数据需要对该字段添加默认值，之后的就不需要默认值了，这个从业务的角度来说，是因为应用层升级，需要这个属性，如果有些业务暂时还没有迁移过来，有一天的时间来缓冲调整修复。所以目前的需求的福利就是我们要修改的表目前没有写入，做变更不用考虑在线业务的写入影响。

我简单算了下，按照目前的修改幅度，影响的日表有177个。

mysql> select datediff('2018-11-01','2018-05-08');

+-------------------------------------+

| datediff('2018-11-01','2018-05-08') |

+-------------------------------------+

| 177 |

+-------------------------------------+

1 row in set (0.00 sec)

按照16个分片来算，这个数量就相当大了，有2800多张表。

mysql> select 177*16;

+--------+

| 177*16 |

+--------+

| 2832 |

+--------+

1 row in set (0.00 sec)

涉及的DDL表有2个，即2个DDL语句，所以算下来就是5600多张表了。所以你看一张表就能拆分成2000多张表，一年有差不多5800张相关的表。

如果在这个基础上考虑当天的表结构变更，那就更复杂了。

我们来简单看下MyCAT里面的schema.xml配置。

里面配置了16个分片，即dn50-dn65,database是histrecord01-histrecord16

。。。

对表的分片规则是按照hash取模来计算的。

<table name="rec20180302" dataNode="dn$50-65" rule="mod-long-16-pid" />。。。

要做这个工作，手工完成的可能性太低，所以准备了如下的脚本，借鉴了之前同事的一些思路。

我们输入两个时间，即起始时间，终止时间。app_sql/create_sql.sql是表结构的定义文件。这个脚本的意义在于不断的处理表结构信息，打上时间戳，写入另外一个脚本文件，按照日期循环100天，就写入100次。

startdate=`date -d "20180508" +%Y%m%d`

enddate=`date -d "20181101" +%Y%m%d`

#定义循环主函数

function main(){

while [[ ${startdate} < ${enddate} ]]

echo ${startdate}

cat /home/mysql/app_sql/create_sql.sql >> /home/mysql/app_sql/alter_his_record.sql

sed -i "s/20180508/${startdate}/g" /home/mysql/app_sql/alter_his_record.sql

echo "" >> /home/mysql/app_sql/alter_his_record.sql

echo

startdate=`date -d "+1 day ${startdate}" +%Y%m%d`

done

}

#执行主函数

main

所以很快就完成了上述的基本操作。当然MyCAT端是不支持DDL语句的。所以我们需要在每个节点上单独去执行相应的变更DDL。

根据得到的脚本略作改动，就可以分发到不同的sharding节点侧了。整个过程持续了不到半个小时，很多时间都是在不断的确认中，因为这个变更的影响范围确实有点大。

当然这个问题的前提是我们已经创建好了日表，如果没有日表的话，我们还是需要重新配置一下，然后在MyCAT端reload一些配置。

把这个任务扩展一下，就会发现，中间件层面的数据处理更侧重于TP业务，而且是插入密集型的业务，如果是节点间的交互分布式，那这个方案就不大适合了。同时不断的拆分从业务的角度来说，历史数据的归档保留和数据的聚合需求还是有的。可能在这个时候中间件层面的支持就很有限了，我们在一定程度上可能需要其他的解决方案。

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/23718752/viewspace-2154157/，如需转载，请注明出处，否则将追究法律责任。