Druid07-高可用案例

1、简介

​ 当系统并发越来高时数据库服务器的压力也是越来越大，最终成为性能的瓶颈，可以采用缓存、读写分离、分库分表等技术来降低服务器压力，Druid 提供了高可用数据源 ( HighAvailableDataSource ) 是基于Druid数据源之上进行了二次封装，通过名称选择数据源的高可用数据源配置。

​ 数据源配置

 	@Bean(name = "masterDataSource", initMethod = "init", destroyMethod = "close")
    public DataSource masterDataSource() {
        DruidDataSource dataSource = new DruidDataSource();
        dataSource.setDriverClassName(driverName);
        dataSource.setUrl(masterUrl);
        dataSource.setUsername(user);
        dataSource.setPassword(password);
        return dataSource;
    }

    @Bean(name = "slaveDataSource", initMethod = "init", destroyMethod = "close")
    public DataSource slaveDataSource() {
        DruidDataSource dataSource = new DruidDataSource();
        dataSource.setDriverClassName(driverName);
        dataSource.setUrl(slaveUrl);
        dataSource.setUsername(user);
        dataSource.setPassword(password);
        return dataSource;
    }

    @Bean(name = "haDataSource")
    @Primary
    public DataSource haDataSource(@Qualifier("masterDataSource") DataSource master, @Qualifier("slaveDataSource") DataSource slave) {
        HighAvailableDataSource haDataSource = new HighAvailableDataSource();
        haDataSource.setSelector(DataSourceSelectorEnum.BY_NAME.getName());
        Map<String, DataSource> dataSource = new ConcurrentHashMap<>();
        dataSource.put("default", master);
        dataSource.put("slave", slave);
        dataSource.put("master", master);
        haDataSource.setDataSourceMap(dataSource);
        return haDataSource;
    }

​ 使用自定义注解切换数据源

    @Documented
    @Target({ElementType.METHOD})
    @Retention(RetentionPolicy.RUNTIME)
    public @interface DataSource {
        String value() default "slave";
    }

​ AOP 选择数据源，使用后进行重置

    @Aspect
    @Component
    public class DataSourceAspect {
        @Pointcut("@annotation(com.manage.DataSource)")
        private void pointCut() {
        }
        
        @Autowired
        @Qualifier("haDataSource")
        private HighAvailableDataSource haDataSource;

        @Around("pointCut() && @annotation(dataSource)")
        public Object around(ProceedingJoinPoint joinPoint, DataSource dataSource) throws Throwable {
            String value = dataSource.value();
            if (StringUtils.isEmpty(value)) {
                return joinPoint.proceed();
            } else {
                DataSourceSelector dataSourceSelector = haDataSource.getDataSourceSelector();
                try {
                    haDataSource.setTargetDataSource(value);
                    return joinPoint.proceed();
                } finally {
                    if (dataSourceSelector instanceof NamedDataSourceSelector) {
                        NamedDataSourceSelector selector = (NamedDataSourceSelector) dataSourceSelector;
                        //重置连接池数据源
                        selector.resetDataSourceName();
                    }
                }
            }
        }
    }

使用场景

1. 读写分离场景中，有多个数据库的从库提供读服务；
2. 使用了分库分表中间件进行分库分表，部署了多台中间件服务；
3. 以上实现目的是默认操作都使用主数据源，使用注解标记的使用从库数据源，从而实现读写分离。

2、路由选择-selector

1. byName 名称的数据源选择。
2. random 随机的数据源选择 (默认)。
3. stickyRandom 粘性随机数据源选择 (同一线程中多次通过HighAvailableDataSource 获取连接时始终会返回同一个数据源)。

3、随机节点的健康检查

​ 在使用随机的数据源选择（random）或粘性随机数据源选择（stickyRandom）时，HighAvailableDataSource 会检查后端节点的健康状态。

1. druid.ha.random.checkingIntervalSeconds 设定健康检查的间隔时间
2. 针对每个节点，使用数据源的配置信息新建后端节点的数据库连接，调用dataSource.validateConnection() 方法检查连接状态，完成检查后关闭新建的连接
3. druid.ha.random.blacklistThreshold 节点连续健康检查失败多少次后会被加入黑名单
4. 黑名单会有另外一个线程进行探活检查druid.ha.random.recoveryIntervalSeconds 每隔多少秒进行一次探活，如果探活成功，则会将其从黑名单中移除