关于个人学习ShardingSphere的一些记录

ShardingSphere ：

1、一套开源的分部署数据库中间件解决方案
2、有三个产品组成：Sharding-JDBC 、 Sharding-Proxy 和 Sharding-Sidecar（规划中）
3、定位为关系型数据库中间件，合理在分布式环境下使用关系型数据库

什么是分库分表：

1、数据库数据量是不可控的，随着时间和业务的发展，造成表里面数据越来越多，如果再去对表进行CRUD操作的时候，会造成性能的问题
方案1：从硬件上解决，加内存，加cpu，加硬盘（成本过高）
方案2：分库分表 * 为了解决由于数据量过大而造成数据库性能降低的问题

分库分表的方式：

1、垂直切分：
①垂直分表概念：（把单个表 拆分成两张表进行查询）
（1）操作数据库中的某张表，把这张表中的一部分字段数据存到另一张表中，再把这张表中的另一部分的字段的数据存到另外一张表中
例如 订单当中有些商品名称存储在 商品配置信息表中， 订单的信息存储在订单表中

②垂直分库：（把单一数据库按照业务进行划分，专库专表的操作）
（1）按照每个业务，每个业务都需要建一个数据库，专门用于处理业务的数据
例如 订单 与 商品分表建议一个库来存储

小缺点：如果单个业务 数据量过大的话，那么单用垂直分库分表的话那么还是会造成系统性能降低

2、水平切分：
①水平分库：（将一模一样的数据库结构分为多个库存储）
操作方式 例如 判断课程Id为奇数的时候存进数据库A 课程Id为偶数的时候存进数据库B 根据业务可自行写算法进行塞值
例如 数据库A 数据库B 里面同样存储订单表当中数据 而表结构是一模一样的

单用缺陷：库中数据量达到一定数量得增加服务器或者另外的数据库 成本过高

②水平分表：（在同一个数据库中，同样表结构，以不同后缀区分表名进行拆分）
操作方式 例如在同一个数据库内， 表A 与 表B 结构一致，表名以年月区分 A_202101 A_202102

垂直：改变结构 水平：改变数据量

分库分表的应用与问题：

1、应用：
（1）在数据库设计阶段就需要考虑垂直分库和垂直分表
（2）随着数据库数据量的增加，不要马上考虑首先进行水平切分，首先考虑进行缓存、读写分离、使用索引等方法，如果这些方法都没办法解决的话，那么再考虑水平分库与分表

2、分库分表问题：
（1）跨节点连接查询 （分页、排序）
例如 数据库A 和数据库B 进行垂直划分 两个在不同的数据库中，现在想查询 数据库A 与数据库B中 包含的数据 需要进行汇总等操作，数据库操作次数过多
（2）多数据源管理问题

ShardingSphere-JDBC （并不是做分库分表，是用于数据分片和主从复制）

简介：
1、是一个轻量级的java框架，是个增强版的jdbc
2、主要的目的是：简化对分库分表之后数据的相关操作

ShardingSphere-JDBC 实现水平分表：
1、引入Sharding-JDBC连接池 相关依赖

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

2、创建相关数据库与表
3、约定相关匹配规则（举例-id为奇数或者偶数）或者日期
4、添加相关配置（根据文档进行配置）
https://shardingsphere.apache.org/document/current/cn/user-manual/shardingsphere-jdbc/yaml-config/
5、在application文件中添加配置

# 真实数据源名称，多个数据源用逗号区分
spring.shardingsphere.datasource.names=m1
#配置数据源具体内容
spring.shardingsphere.datasource.m1.type=com.zaxxer.hikari.HikariDataSource
spring.shardingsphere.datasource.m1.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.m1.jdbc-url=jdbc:mysql://localhost:3306/course_db?serverTimezone=GMT%2B8
spring.shardingsphere.datasource.m1.username=root
spring.shardingsphere.datasource.m1.password=1234

#绑定course表分布情况，配置表在哪个数据库里面，表名称都是什么   tables后的为规则course    $->{1..2}为表达式，为表的拼接分布情况
spring.shardingsphere.sharding.tables.course.actual-data-nodes=m1.course_$->{0..9}
#分片所用到的字段
spring.shardingsphere.sharding.tables.course.table-strategy.standard.sharding-column=id
#精确分片策略
spring.shardingsphere.sharding.tables.course.table-strategy.standard.precise-algorithm-class-name=com.example.demo.shardingutil.PreciseShardingConfig
#范围分片策略
spring.shardingsphere.sharding.tables.course.table-strategy.standard.range-algorithm-class-name=com.example.demo.shardingutil.RangeAlgorithmConfig

# 打开sql日志输出
spring.shardingsphere.props.sql.show=true

6、自定义分片算法

/**
 * 自定义分片策略 -> 精确分片
 */
public class PreciseShardingConfig implements PreciseShardingAlgorithm<Long> {

    @Override
    public String doSharding(Collection<String> shardingValue, PreciseShardingValue<Long> preciseShardingValue) {
        String tableName = preciseShardingValue.getLogicTableName();
        Long id = preciseShardingValue.getValue();

        tableName = String.join("_", tableName, String.valueOf(id % 10L));
        if (tableName.contains(tableName)) {
            return tableName;
        }
        throw new IllegalArgumentException("分片失败");
    }
}

/**
 * 分片策略----> 范围分片   该分片可作为时间分片使用，此方法仅仅只是测试用方法，不可使用
 */
public class RangeAlgorithmConfig implements RangeShardingAlgorithm<Integer> {
    @Override
    public Collection<String> doSharding(Collection<String> shardingValue, RangeShardingValue<Integer> rangeShardingValue) {
        Set<String> setList = Sets.newHashSet();
        String logicTableName = rangeShardingValue.getLogicTableName();
        for (int i = 0; i < 10; i++) {
            String tableName = String.join("_",logicTableName,String.valueOf((int) (Math.random() * 10)));
            setList.add(tableName);
        }
        return setList;
    }
}

Sharding-Proxy