Sharding-JDBC——数据分片——分表（最全demo）

已于 2023-07-27 16:29:50 修改
阅读量664 收藏 4
点赞数 1
分类专栏： java 分库分表 文章标签： java 数据库 数据库架构
于 2023-07-21 10:42:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cxclll/article/details/131685476
版权

简介

ShardingSphere是一套开源的分布式数据库中间件解决方案组成的生态圈，它由Sharding-JDBC、Sharding-Proxy和Sharding-Sidecar（计划中）这3款相互独立的产品组成。 他们均提供标准化的数据分片、分布式事务和数据库治理功能，可适用于如Java同构、异构语言、容器、云原生等各种多样化的应用场景。

ShardingSphere定位为关系型数据库中间件，旨在充分合理地在分布式的场景下利用关系型数据库的计算和存储能力，而并非实现一个全新的关系型数据库。 它与NoSQL和NewSQL是并存而非互斥的关系。NoSQL和NewSQL作为新技术探索的前沿，放眼未来，拥抱变化，是非常值得推荐的。反之，也可以用另一种思路看待问题，放眼未来，关注不变的东西，进而抓住事物本质。 关系型数据库当今依然占有巨大市场，是各个公司核心业务的基石，未来也难于撼动，我们目前阶段更加关注在原有基础上的增量，而非颠覆。

Sharding-JDBC

定位为轻量级Java框架，在Java的JDBC层提供的额外服务。 它使用客户端直连数据库，以jar包形式提供服务，无需额外部署和依赖，可理解为增强版的JDBC驱动，完全兼容JDBC和各种ORM框架。

我们先介绍一下sharding jdbc的分片算法以及策略

分片策略

1、标准分片策略

标准分片策略适用于单分片键，此策略支持 PreciseShardingAlgorithm 和RangeShardingAlgorithm 两个分片算法。
其中 PreciseShardingAlgorithm 是必选的，用于处理和 IN 的分片。RangeShardingAlgorithm 是可选的，用于处理BETWEEN==、AND， >，<，>=，<= 条件分片。

2、复合分片策略

复合分片策略，同样支持对 SQL语句中的 = ，>， <， >=， <=，IN和 BETWEEN AND 的分片操作。不同的是它支持多分片键，具体分配片细节完全由应用开发者实现。

3、行表达式分片策略

行表达式分片策略，支持对 SQL语句中的 = 和 IN 的分片操作，但只支持单分片键。这种策略通常用于简单的分片，不需要自定义分片算法，可以直接在配置文件中接着写规则。
t_order_$->{t_order_id % 2} 代表 t_order 对其字段 t_order_id取模，拆分成2张表，而表名分别是t_order_0 到 t_order_1。

4、Hint分片策略

Hint分片策略，对应上边的Hint分片算法，通过指定分片健而非从 SQL中提取分片健的方式进行分片的策略。

分片算法

分片算法需要我们继承分片算法接口类，然后自己实现相应的逻辑，该接口类位于sharding-core-api jar里

1、精确分片算法

org.apache.shardingsphere.api.sharding.standard.PreciseShardingAlgorithm,用于单字段作为分片键，需要在标准分片策略（StandardShardingStrategy ）下使用，insert语句、执行有=与IN条件的SQL会使用该算法。

2、范围分片算法

org.apache.shardingsphere.api.sharding.standard.RangeShardingAlgorithm,用于单字段作为分片键，需要在标准分片策略（StandardShardingStrategy ）下使用，执行有 BETWEEN、AND、>、<、>=、<= 等条件的SQL会使用。

3、复合分片算法

org.apache.shardingsphere.api.sharding.complex.ComplexKeysShardingAlgorithm,用于多个字段作为分片键的分片操作，同时获取到多个分片健的值，根据多个字段处理业务逻辑。需要在复合分片策略（ComplexShardingStrategy ）下使用。

4、Hint分片算法

org.apache.shardingsphere.api.sharding.hint.HintShardingAlgorithm，Hint分片算法稍有不同，上边的算法中我们都是解析SQL 语句提取分片键，并设置分片策略进行分片。但有些时候我们并没有使用任何的分片键和分片策略，可还想将 SQL 路由到目标数据库和表，就需要通过手动干预指定SQL的目标数据库和表信息，这也叫强制路由。

上面是对分片策略和分片算法的简介，下面将是不同分片方式的demo

DEMO

下面是一个分表的简单demo ，该demo使用springboot+mybatis框架开发 ,采用三层结构
源码

1、表结构

t_order
把t_order表分成两个表，分别是t_order_0,t_order_1

2、pom依赖

<dependency>
            <groupId>org.apache.shardingsphere</groupId>
            <artifactId>sharding-jdbc-spring-boot-starter</artifactId>
            <version>4.1.1</version>
</dependency>
<dependency>
            <groupId>org.apache.shardingsphere</groupId>
            <artifactId>sharding-jdbc-spring-namespace</artifactId>
            <version>4.1.1</version>
</dependency>

3、基础配置文件

application.yml

server:
  port: 8080
  servlet:
    context-path: /subtable

spring:
  profiles:
    active: inline
  shardingsphere:
    dataSource:
      names: ds
      ds:
        type: com.alibaba.druid.pool.DruidDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        url: jdbc:mysql://127.0.0.1:3306/shardingsphere?useUnicode=true&characterEncoding=UTF-8&zeroDateTimeBehavior=convertToNull&useSSL=false&serverTimezone=Asia/Shanghai
        username: root
        password: 123456

我们分表的demo使用单库，所以这个配置文件里面只需要配置服务的端口号等、数据库链接信息，然后我们使用spring.profiles.active控制不同的分表策略

3.1、行表达式分片策略

application-inline.yaml

spring:
  shardingsphere:
    sharding:
      tables:
        # 逻辑表名
        t_order:
          # 由数据源名 + 表名组成（参考 Inline 语法规则）
          actual-data-nodes: ds.t_order_$->{0..1}
          # 分表策略
          table-strategy:
            # 基于行表达式的分片算法
            inline:
              # 分片列名称
              sharding-column: order_id
              algorithm-expression: t_order_$->{order_id % 2}
          key-generator:
            #自增列名称，缺省表示不使用自增主键生成器
            column: order_id
            #自增列值生成器类型，缺省表示使用默认自增列值生成器。可使用用户自定义的列值生成器或选择内置类型：SNOWFLAKE/UUID
            type: SNOWFLAKE

上面的配置，是对逻辑表t_order表使用order_id字段进行分片，使用行表达式的方式的方式对字段 t_order_id取模，拆分成2张表，而表名分别是t_order_0 到 t_order_1。并且键order_id是自动生成的

执行一下insert

public void save() {
        for(int i=0;i<20;i++){
            OrderEntity entity = new OrderEntity();
            entity.setUserId(i);
            entity.setGoodsId(1000L);
            entity.setPayStatus((short)0);
            orderMapper.insert(entity);
        }
    }

插入20条数据，执行一下看看结果
在这里插入图片描述
在这里插入图片描述
可以看到t_order_0、t_order_1都插入了数据，并且按照我们设定的，偶数键插入t_order_0、奇数键插入t_order_1。

再来试试查询

public List<OrderEntity> list() {
        return orderMapper.selectList(Wrappers.<OrderEntity>lambdaQuery());
    }

查询全部数据，看看结果
在这里插入图片描述

也没有问题，我们再试试范围查询

public List<OrderEntity> list() {
        return orderMapper.selectList(Wrappers.<OrderEntity>lambdaQuery().gt(OrderEntity::getOrderId,0L));
    }

报错
在这里插入图片描述
意思很明白，Inline分片方式不支持范围查找

行表达式分片策略总结：

  1. Inline方式配置简单，但是不支持复杂的分片逻辑，数据扩展比较麻烦
  2. Inline方式只支持insert或者有=、IN等精确条件的SQL的执行，并不能支持像BETWEEN、>、<等范围条件的查询

3.2、标准分片策略

配置文件：

spring:
  shardingsphere:
    sharding:
      tables:
        # 逻辑表名
        t_order:
          # 由数据源名 + 表名组成（参考 Inline 语法规则）
          actual-data-nodes: ds.t_order_$->{0..1}
          # 分表策略
          table-strategy:
            # 用于单分片键的标准分片场景
            standard:
              # 分片列名称
              sharding-column: order_id
              # 精确分片算法 新增或者查询=、in走精确分片算法
              precise-algorithm-class-name: com.sharding.common.subtable.algorithm.ModPreciseShardingAlgorithm
              # 范围分片算法 查询<、>、between、<=、>=走范围分片算法
              range-algorithm-class-name: com.sharding.common.subtable.algorithm.ModRangeShardingAlgorithm
          key-generator:
            #自增列名称，缺省表示不使用自增主键生成器
            column: order_id
            #自增列值生成器类型，缺省表示使用默认自增列值生成器。可使用用户自定义的列值生成器或选择内置类型：SNOWFLAKE/UUID
            type: SNOWFLAKE

精确分片算法

public class ModPreciseShardingAlgorithm implements PreciseShardingAlgorithm<Long> {
    @Override
    public String doSharding(Collection<String> availableTargetNames, PreciseShardingValue<Long> shardingValue) {
        //1、简单的取模方式
//        return shardingValue.getLogicTableName()+"_"+shardingValue.getValue()%2;

        //2、一致性哈希思路,这里用到的表映射的哈希值，可以存放在redis等缓存中间件里面，该方法方便扩展
        long suffix = shardingValue.getValue()%65535;
        if(suffix<16384 || (suffix>=32768 && suffix<49152)) {
            return shardingValue.getLogicTableName()+"_0";
        }else {
            return shardingValue.getLogicTableName()+"_1";
        }
    }
}

范围分片算法

public class ModRangeShardingAlgorithm implements RangeShardingAlgorithm<Long> {

    @Override
    public Collection<String> doSharding(Collection<String> availableTargetNames, RangeShardingValue<Long> shardingValue) {
        Range valueRange = shardingValue.getValueRange();

        //无边界 正负无穷
        if(!valueRange.hasLowerBound() || !valueRange.hasUpperBound()) {
            return availableTargetNames;
        }
        Long smallVal = (Long)valueRange.lowerEndpoint();
        Long bigVal = (Long) valueRange.upperEndpoint();

        // do something
        
        return availableTargetNames;
    }
}

执行新增
在这里插入图片描述
在这里插入图片描述
新增没有问题，再试一下范围查询
在这里插入图片描述
也没有问题。
范围分算法不是必配的，所以我们将配置去掉再执行一下

spring:
  shardingsphere:
    sharding:
      tables:
        # 逻辑表名
        t_order:
          # 由数据源名 + 表名组成（参考 Inline 语法规则）
          actual-data-nodes: ds.t_order_$->{0..1}
          # 分表策略
          table-strategy:
            # 用于单分片键的标准分片场景
            standard:
              # 分片列名称
              sharding-column: order_id
              # 精确分片算法 新增或者查询=、in走精确分片算法
              precise-algorithm-class-name: com.sharding.common.subtable.algorithm.ModPreciseShardingAlgorithm
              # 范围分片算法 查询<、>、between、<=、>=走范围分片算法
#              range-algorithm-class-name: com.sharding.common.subtable.algorithm.ModRangeShardingAlgorithm
          key-generator:
            #自增列名称，缺省表示不使用自增主键生成器
            column: order_id
            #自增列值生成器类型，缺省表示使用默认自增列值生成器。可使用用户自定义的列值生成器或选择内置类型：SNOWFLAKE/UUID
            type: SNOWFLAKE

执行结果（不贴图了）：insert正常执行，不带条件的查询正常执行，执行范围查询报错，会提示没有范围分片规则：
在这里插入图片描述

标准分片策略总结

  1. 标准分片策略下，精确分片算法precise-algorithm-class-name是必须要配置的，范围分片算法range-algorithm-class-name选配置。
  2. insert、带有=、IN等精确条件的SQL会使用精确分片算法分片，带有BETWEEN、>、<等范围条件的SQL会使用范围分片算法分片。
  3. 范围分片算法虽然不是必须要配置的，但是如果有范围查询类的SQL的话，不配置范围分片算法也是会报错的

3.3、复合分片策略

复合分片策略，就是使用多个分片键字段，比如订单号+日期这种，下面的例子使用订单号加用户编号作为复合分片键。

配置文件：

spring:
  shardingsphere:
    sharding:
      tables:
        # 逻辑表名
        t_order:
          # 由数据源名 + 表名组成（参考 Inline 语法规则）
          actual-data-nodes: ds.t_order_$->{0..3}
          # 分表策略
          table-strategy:
            # 用于单分片键的标准分片场景
            complex:
              # 分片列名称
              sharding-columns: order_id,user_id
              # 复合分片策略
              algorithm-class-name: com.sharding.common.subtable.algorithm.ModComplexKeysShardingAlgorithm
          key-generator:
            #自增列名称，缺省表示不使用自增主键生成器
            column: order_id
            #自增列值生成器类型，缺省表示使用默认自增列值生成器。可使用用户自定义的列值生成器或选择内置类型：SNOWFLAKE/UUID
            type: SNOWFLAKE

复合分片算法

public class ModComplexKeysShardingAlgorithm implements ComplexKeysShardingAlgorithm {
    @Override
    public Collection<String> doSharding(Collection availableTargetNames, ComplexKeysShardingValue shardingValue) {
        String logicTableName = shardingValue.getLogicTableName();
        Map columnNameAndShardingValuesMap = shardingValue.getColumnNameAndShardingValuesMap();
        Collection<Long> orderIdCollection = (Collection<Long>)columnNameAndShardingValuesMap.get("order_id");
        Collection<Integer> userIdCollection = (Collection<Integer>)columnNameAndShardingValuesMap.get("user_id");

        if(orderIdCollection!=null && userIdCollection!=null) {
            Long orderId = Long.valueOf(orderIdCollection.toArray()[0].toString());
            Integer userId = Integer.valueOf(userIdCollection.toArray()[0].toString());
            long subOrderId = orderId%2;
            int subUserId = userId%2;
            if(subOrderId==0 && subUserId==0) {
                return Collections.singletonList(logicTableName+"_0");
            }else if(subOrderId==1 && subUserId==0) {
                return Collections.singletonList(logicTableName+"_1");
            }else if(subOrderId==0 && subUserId==1) {
                return Collections.singletonList(logicTableName+"_2");
            }else {
                return Collections.singletonList(logicTableName+"_3");
            }
        }else {
            return availableTargetNames;
        }
    }
}

对订单编号和用户编号分别对2取模，00写到t_order_0，10写到t_order_1，01写到t_order_2，11写到t_order_3。
如果订单编号或用户编号有一个是null值，则返回全部表。

执行以下新增：
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
发现是按照我们定义的逻辑写入数据库的。

我们加一下断点，然后执行一下查询sql
在这里插入图片描述

1、select * from t_order
当没有查询条件的时候，发现并没有进入到断点，执行结果正常在这里插入图片描述

2、select * from t_order where order_id = 0 and user_id = 0
添加了精确筛选条件，进入了断点，并且执行结果正常。断点内容为：
在这里插入图片描述
可以看到，两个字段都有传入值

3、select * from t_order where order_id between 0 and 100 and user_id = 0
使用范围查找条件，进入了断点，执行结果正常，断点内容为在这里插入图片描述
可以看到，范围查找条件字段并没有传入值，精确查找条件字段传入了值

4、select * from t_order where goods_id > 100
执行结果正常，但是没有进入断点

5、insert时不设置user_id

public void save() {
        for(int i=0;i<20;i++){
            OrderEntity entity = new OrderEntity();
//            entity.setUserId(i);
            entity.setGoodsId(1000L);
            entity.setPayStatus((short)0);
            orderMapper.insert(entity);
        }
    }

断点：
在这里插入图片描述
这里我返回的是全表，执行完成之后，四张表都插入了同一条数据

复合分片策略总结

  1. 复合分片策略需要实现ComplexKeysShardingAlgorithm接口类来实现算法。
  2. 复合分片策略是使用多个字段键来进行分片，区别于Inline和标准分片策略的单字段键分片。
  3. 执行的sql中如果没有分片键作为条件的时候，是不会进入到分片算法的。
  4. 分片键的条件只有是IN或=，才会精确传值到分片算法。像范围查找，传入到分片算法的值是null。
  5. 新增的时候需要注意，如果分片键是null，会在所有表都插入重复数据。

3.4、Hint分片策略

hint分片策略，就是强制指定库表
配置文件

spring:
  shardingsphere:
    sharding:
      default-database-strategy:
       inline:
         algorithm-expression: ds
         sharding-column: order_id
      tables:
        # 逻辑表名
        t_order:
          # 由数据源名 + 表名组成（参考 Inline 语法规则）
          actual-data-nodes: ds.t_order_$->{0..3}
          # 分表策略
          table-strategy:
            # 用于hint分片场景
            hint:
              # hint分片策略
              algorithm-class-name: com.sharding.common.subtable.algorithm.ModHintShardingAlgorithm
          key-generator:
            #自增列名称，缺省表示不使用自增主键生成器
            column: order_id
            #自增列值生成器类型，缺省表示使用默认自增列值生成器。可使用用户自定义的列值生成器或选择内置类型：SNOWFLAKE/UUID
            type: SNOWFLAKE

分片算法

public class ModHintShardingAlgorithm implements HintShardingAlgorithm {
    @Override
    public Collection<String> doSharding(Collection availableTargetNames, HintShardingValue shardingValue) {
        return Arrays.stream(shardingValue.getValues().toArray()).map(o -> shardingValue.getLogicTableName()+"_"+o).collect(Collectors.toList());
    }
}

hint分片使用起来要在代码中指定强制使用的库表

public List<OrderEntity> hantList() {
        HintManager hintManager = HintManager.getInstance();
        hintManager.addTableShardingValue("t_order",0);
        hintManager.addTableShardingValue("t_order",1);
        return orderMapper.selectList();
    }

上述代码逻辑为，强制使用t_order_0、t_order_1表。

Hint分片策略总结

  1. hint策略需要在代码中指定使用的实体表，否则会使用逻辑表下所有的实体表。
  2. insert时如果不指定强制使用的实体表，则所有的实体表都会新增一条数据

以上就是sharding-jdbc关于分表的全部实现内容，demo源码，如果有错误，欢迎指正。

chenxianchong
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
shardingjdbc简单使用之五种分片策略
h1774733219的博客
12-27 4283
文章目录1、inline(行表达式)2、standard3、hint4、complex5、none 上源码： @Getter @Setter public class YamlShardingStrategyConfiguration implements YamlConfiguration { private YamlStandardShardingStrategyConfiguration standard; private YamlComplexShardingSt
分库分表ShardingSphere-ShardingJDBC数据分片实战2
janyxe的博客
03-23 180
系列文章目录 MySQL分表分库基础 分库分表-ShardingSphere基础 分库分表-(ShardingSphere)ShardingJDBC数据分片实战1 文章目录系列文章目录前言一、项目背景二、项目使用的技术1.引入Maven库2.基础代码介绍SpringBoot启动类，扫描mybatis Mapper文件实体类枚举类自定义注解类基础查询方法3.核心代码介绍配置文件介绍订单分库算法单元测试类总结 前言 前文介绍了ShardingJDBC框架的基础使用以及一些核心配置介绍，本文通过一个示例讲解
Sharding-JDBC 实战 - 分片策略3：复合分片策略ComplexShardingStrategy
最新发布
qq_33240556的博客
06-20 335
复合分片策略是 Sharding-JDBC 提供的一种分片策略，它基于多个字段进行分片。这意味着可以根据多个维度来确定数据的存储位置，常见的应用场景包括按照用户 ID 和订单 ID 等进行分片。需要在中定义分片规则。以下是一个基于user_id和order_idtables:t_order:complex:复合分片策略为复杂的分片需求提供了灵活的解决方案。通过自定义分片算法，可以实现根据多个字段进行分片的数据路由。希望本文的介绍能帮助你在项目中更好地应用 Sharding-JDBC 的复合分片策略。
Sharding-Jdbc实现mysql分库分表
百木成林
05-06 308
Sharding-Jdbc实现mysql分库分表 简单介绍 数据库分库分表和读写分离区别，分库分表是在多个库建相同的表和同一个库建不同的表，根据随机或者哈希等方式查找实现。读写分离是为了解决数据库的读写性能不足，使用主库master进行写操作，从库slave进行读操作，通过binglog实现主被库数据的同步。 实现数据库分库分表可以自己实现，也可以使用mycat和sharding-jdbc实现。 ...
Sharding-JDBC(版本3.0) 入门demo-1，纯java 代码
小哇
04-23 694
同时在两个数据库中创建表t_order_0,t_order_1两个表。
记录一次sharding-jdbc的demo，按天分表，动态更新sharding节点配置
sugar_peng的博客
06-20 3490
整个demo使用了springboot+mybatis-plus+hutool，数据库：mysql，当然少不了sharding-jdbc。按天分表、动态更新sharding节点配置
Spring Boot与Sharding-JDBC分表实战：快速入门与配置解析
热门推荐
qq_35716085的博客
12-04 1万+
本文旨在为Spring Boot开发者提供一种简单的分表解决方案，通过整合Sharding-JDBC来实现数据分表。文章详细介绍了在Spring Boot项目中引入Sharding-JDBC依赖、配置application.properties或application.yml，以及如何解析sharding配置。我们将重点关注分表策略的实施，确保在不分库的情况下提升数据库性能。通过跟随本文的步骤，读者可以快速掌握在Spring Boot环境中使用Sharding-JDBC进行分表操作的方法。
sharding-jdbc-boot-demo.zip
10-22
【标签】"sharding-jdbc 分库分表" 指出这个项目关注的核心功能是数据分片。分库分表是一种常见的数据库扩展策略，通过将大数据分散到多个数据库或表中，以提高查询性能和系统并发能力。Sharding-JDBC支持基于业务...
mysql分库分表sharding-jdbc-sharding-jdbc-demo.zip
11-07
在这个"sharding-jdbc-demo-master"项目中，你可以看到如何配置Sharding-JDBC，包括配置数据源、分片规则、读写分离策略等。通常，这些配置会写在`application.properties`或`yaml`文件中，通过Spring Boot或其他...
sharding-jdbc按月分表样例2
05-28
7. **实战解析**：在“sharding-jdbc-demo”中，我们可以通过查看源码理解如何配置Sharding-JDBC、定义分片策略、编写业务代码来调用分片API以及测试分片功能是否正常工作。 通过学习这个示例，开发者可以了解到...
sharding-jdbc开源分表框架整合mybatis-demo
11-19
**标题与描述解析** 标题"sharding-jdbc开源分表框架...通过学习这个demo，你可以掌握如何配置Sharding-JDBC的规则，理解分片策略，以及如何在MyBatis中使用Sharding-JDBC的数据源，从而提升系统的数据库处理能力。
sharding-jdbc之——分库分表实例完整源码
02-25
sharding-jdbc之——分库分表实例完整源码，详情请参见博文：http://blog.csdn.net/l1028386804/article/details/79368021
sharding-jdbc-demo.zip
06-15
本文将以"sharding-jdbc-demo.zip"为例，详细介绍如何使用Sharding-JDBC框架实现按月分表，以及其中涉及的关键技术和实践要点。 Sharding-JDBC是一款轻量级的Java框架，它无需中间件即可实现数据库的水平扩展。其...
sharding-jdbc分片方式介绍
weixin_46520767的博客
02-10 1120
广播表属于数据库中数据量较小和变动较少，且存在高频联合查询的表，比如：数据字典表等属于此广播表。可以将这类表在每个数据库都保存一份，所有更新操作都同时发送到所有分库执行。order_db_1└── t_dictorder_db_2└── t_dict#在数据库 user_db、order_db_1、order_db_2中均要建表`dict_id` BIGINT (20) NOT NULL COMMENT '字典id',
九.吊打面试官系列-数据库优化-Sharding-JDBC实现分库分表
墨家巨子@俏如来
11-11 5188
比较传统的小型应用通常是一个项目使用一个数据库进行数据存储，这样的架构模式在数据量日益增长的情况下，数据库势必会成为性能瓶颈。几百万数据还可以通过数据库优化，索引优化等手段勉强支持，但是上千万，上亿的数据再怎么优化索引都无济于事。所以我们的优化手段可以是分库分表。
Sharding-JDBC主子表（绑定表）关联
Curtisjia的博客
09-23 2927
主子表关联在我们的开发业务中是及其常见的，本文我们就来看下如何在分库分表的情况下，使用来完成主子关联。官方文档指分片规则一致的主表和子表。例如：t_order 表和 t_order_item 表，均按照 order_id 分片，则此两张表互为绑定表关系。绑定表之间的多表关联查询不会出现笛卡尔积关联，关联查询效率将大大提升。其中 t_order 在 FROM 的最左侧，ShardingSphere 将会以它作为整个绑定表的主表。
【教程】shardingjdbc(四)选择分片算法
愤怒的菜鸟博客
02-15 8451
本篇将通过小例子的方式来一个一个的说明内置的分片算法;
shardingsphere 5.X结合druid实现读写分离，分库分表
m0_71817461的博客
11-21 3543
shardingsphere 5.X结合druid实现读写分离，分库分表
架构组件：基于shard-jdbc中间件，实现数据分库分表
【积累】，是一个长期持续的过程。
05-21 3662
一、水平分割 1、水平分库 1)、概念： 以字段为依据，按照一定策略，将一个库中的数据拆分到多个库中。 2)、结果 每个库的结构都一样；数据都不一样； 所有库的并集是全量数据； 2、水平分表 1)、概念 以字段为依据，按照一定策略，将一个表中的数据拆分到多个表中。 2)、结果 每个表的结构都一样；数据都不一样； 所有表的并集是全量数据； 二、Shard-jdbc 中间件 1、架构图 2、特点 1......
Sharding-jdbc分库分表
Lyzxii
07-30 5948
引入 不断增长的业务数据会对MySQL数据库的存储和访问造成极大的性能影响，由于单台服务器的资源（CPU、磁盘、内存等）总是有限的，所以单台数据库所能承载的数据量、数据处理能力都将遭遇瓶颈。不论是获取连接还是插入或查询都会有极大的性能问题。 MySQL大数据量造成的性能瓶颈解决方案： 从SQL入手 加入索引 -> 缓存 -> 主从复制/读写分离 使用缓存，减少对数据库的同步访问 减少MySQL使用，可以使用HBase、polarDB、TiDB等分布式存储，ES查询 分库分表 拓展
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值