ShardingSphere探索之路-基础部分

• ShardingSphere简介

Apache 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 JDBC、Proxy和 Sidecar（规划中）这 3 款相互独⽴，却⼜能够混合部署配合使⽤的产品组成。它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、云原⽣等各种多样化的应⽤场景大，目前常用的功能点有:

1. 数据分片(分库分表、读写分离、分片策略可定制化)
2. 分布式事务(标准化事务接口、XA强一致事务、柔性事务)
3. 数据库治理(分布式治理、弹性伸缩)

本篇文章主要介绍ShardingSphere中的基本概念

-为什么要引入ShardingSphere

随着业务的发展，数据量剧增，所以很容易出现数据表单表查询瓶颈的出现，如果数据量在百万级别，可以通过加索引、sql调优的方法来突破性能瓶颈，但是当数据量达到千万甚至上亿的时候，这个时候通过加索引的方式来优化性能就有点杯水车薪了。这个时候需要考虑对表进行分表。垂直拆分or水平拆分？

• 垂直拆分

根据业务，对数据进行垂直拆分，如将系统分为订单库，用户库

优点:将数据分布在多个库中，变相提高了数据库的并发，同时相关业务的数据在同一个库中，会使得业务更加清晰

缺点:跨库会导致表于表之间无法join查询，只能通过不同项目之间http调用的方式来查询数据，同样也会带来分布式事务问题。

• 水平拆分

将同一张表的数据，按照特定的分片键规则，将数据打散在不同n张相同的表中

优点:通过分片键进行数据查询的时候,速度能大幅度提升，在数据量大的情况下，分表会大幅增加数据库的并发

-执行流程

ShardingSphere 的 3 个产品的数据分⽚主要流程是完全⼀致的。核⼼由 SQL 解析 => 执⾏器优化 => SQL 路由 => SQL 改写 => SQL 执⾏ => 结果归并的流程组成。

• SQL 解析

分为词法解析和语法解析。先通过词法解析器将 SQL 拆分为⼀个个不可再分的单词。再使⽤语法解析器 对 SQL 进⾏理解，并最终提炼出解析上下⽂。解析上下⽂包括表、选择项、排序项、