ShardingJdbc实现读写分离和垂直分表

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。