1.读写分离的原理
面对日益增加的系统访问量,数据库的吞吐量面临着巨大瓶颈。对于同一时刻有大量并发读操作和较少 写操作类型的应用系统来说,将数据库拆分为主库和从库,主库负责处理事务性的增删改操作,从库负 责处理查询操作,能够有效的避免由数据更新导致的行锁,使得整个系统的查询性能得到极大的改善。 通过一主多从的配置方式,可以将查询请求均匀的分散到多个数据副本,能够进一步的提升系统的处理 能力。使用多主多从的方式,不但能够提升系统的吞吐量,还能够提升系统的可用性,可以达到在任何 一个数据库宕机,甚至磁盘物理损坏的情况下仍然不影响系统的正常运行。 与将数据根据分片键打散至各个数据节点的水平分片不同,读写分离则是根据 SQL 语义的分析,将读操 作和写操作分别路由至主库与从库。
在实现读写分离之前,我们必须要有主从同步的mysql数据库集群,关于数据库集群的配置,我有相关的文章,来阐述在centos上实现主从同步的数据库集群。
2.代码的实现
依赖如下
<dependency>
<groupId>org.mybatis.spring.boot</groupId>
<artifactId>mybatis-spring-boot-starter</artifactId>
<version>2.2.2</version>
</dependency>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
</dependency>
<dependency>
<groupId>com.alibaba</groupId>
<artifactId>druid-spring-boot-starter</artifactId>
<version>1.2.15</version>
</dependency>
<dependency>
<groupId>org.apache.shardingsphere</groupId>
<artifactId>sharding-jdbc-spring-boot-starter</artifactId>
<version>4.0.0-RC1</version>
</dependency>
<dependency>
实体类
@Data
public class Course {
private Long cid;
private String cname;
private Long userId;
private String cstatus;
@Override
public String toString() {
return "Course{" +
"cid=" + cid +
", cname='" + cname + '\'' +
", userId=" + userId +
", cstatus='" + cstatus + '\'' +
'}';
}
}
<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE mapper
PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN"
"http://mybatis.org/dtd/mybatis-3-mapper.dtd">
<mapper namespace="com.keelon.sharedingjdbc.Mapper.CourseMapper">
<insert id="insert" parameterType="com.keelon.sharedingjdbc.entity.Course">
insert into course (cid,cname,user_id,cstatus) values (#{cid}, #{cname},#{userId},#{cstatus})
</insert>
<select id="queryCoursee" resultType="com.keelon.sharedingjdbc.entity.Course">
select * from course where cid = #{cid} and user_id =#{userId}
</select>
</mapper>
我在这里做了水平分表,根据cid是否是奇数,插入course_1和course_2这两个表。具体的配置文件如下
spring.shardingsphere.datasource.names =m1,s0
#主服务器数据源
spring.shardingsphere.datasource.m1.type = com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.m1.driver-class-name=com.mysql.jdbc.Driver
spring.shardingsphere.datasource.m1.url=jdbc:mysql://192.168.31.109:3306/course_db?serverTimerzone=GMT%2B8
spring.shardingsphere.datasource.m1.username=root
spring.shardingsphere.datasource.m1.password=dcdell88
#从服务器数据源
spring.shardingsphere.datasource.s0.type = com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.s0.driver-class-name=com.mysql.jdbc.Driver
spring.shardingsphere.datasource.s0.url=jdbc:mysql://192.168.31.208:3306/course_db?serverTimerzone=GMT%2B8
spring.shardingsphere.datasource.s0.username=root
spring.shardingsphere.datasource.s0.password=dcdell88
#主从库数据源定义
spring.shardingsphere.sharding.master-slave-rules.ds0.master-data-source-name=m1
spring.shardingsphere.sharding.master-slave-rules.ds0.slave-data-source-names=s0
#配置表的规则 m1.course_1,m1.course_2
spring.shardingsphere.rules.sharding.tables.course.actual-data-nodes=ds0.course_$->{1..2}
#配置主键字段
spring.shardingsphere.sharding.tables.course.key-generator.column=cid
#主键字段的生成规则,这里是雪花算法
spring.shardingsphere.sharding.tables.course.key-generator.type=SNOWFLAKE
spring.main.allow-bean-definition-overriding=true
#配置分片策略的字段
spring.shardingsphere.sharding.tables.course.table-strategy.inline.sharding-column=cid
spring.shardingsphere.sharding.tables.course.table-strategy.inline.algorithm-expression=course_$->{cid % 2 +1}
#打印sql
spring.shardingsphere.props.sql.show=true
3.单元测试
@SpringBootTest
class SharedingjdbcApplicationTests {
@Autowired
private CourseMapper courseMapper;
@Test
void testData() {
Course course = new Course();
course.setCname("zhangsan");
course.setUserId(100L);
course.setCid(5L);
course.setCstatus("Nomarl");
courseMapper.insert(course);
}
@Test
void testDffTable(){
Course course = new Course();
course.setCname("zhanxia");
course.setUserId(113L);
course.setCid(32L);
course.setCstatus("Nomarl");
courseMapper.insert(course);
Course course1 = new Course();
course1.setCname("lily");
course1.setUserId(34L);
course1.setCid(35L);
course1.setCstatus("Nomarl");
courseMapper.insert(course1);
}
@Test
void queryData() {
Map map = new HashMap();
map.put("cid",32);
map.put("userId",113L);
Course course = courseMapper.queryCoursee(map);
System.out.println(course.toString());
}
}
通过单元测试打印的sql,我们可以看出,我们在查询的时候,查询是走了从库的数据源。
总体来说,shardingJdbc帮我们解决了。在读写的操作,选择主库数据源和从库的数据源的问题。数据的持久层和普通的持久层操作没有任何变化。