Sharding-JDBC 实战 - 分片策略1：标准分片策略StandardShardingStrategy

Sharding-JDBC 实战 - 分片策略1：标准分片策略StandardShardingStrategy

什么是分片策略

分片策略是指在进行数据库分库分表时，如何将数据按照一定的规则分配到不同的数据库和数据表中的策略。Sharding-JDBC 提供了多种分片策略，以满足不同场景下的需求。其中，标准分片策略（StandardShardingStrategy）是最常用的一种。

标准分片策略概述

标准分片策略（StandardShardingStrategy）通过指定的分片键和分片算法将数据分配到不同的库表中。它适用于绝大多数分片场景。分片键通常是一个或多个字段，通过这些字段的值来决定数据应该存储在哪个库表中。

使用步骤

1. 引入依赖
   在 Maven 项目中引入 Sharding-JDBC 依赖：

   <dependency>
       <groupId>org.apache.shardingsphere</groupId>
       <artifactId>sharding-jdbc-core</artifactId>
       <version>4.1.1</version>
   </dependency>
   

2. 配置数据源
   配置多个数据源，并将其注册到 ShardingDataSource 中：

   Map<String, DataSource> dataSourceMap = new HashMap<>();
   dataSourceMap.put("ds0", createDataSource("ds0"));
   dataSourceMap.put("ds1", createDataSource("ds1"));
   
   // 配置分片规则
   ShardingRuleConfiguration shardingRuleConfig = new ShardingRuleConfiguration();
   

3. 配置标准分片策略
   配置分片规则，指定逻辑表、实际表、分片键和分片算法：

   TableRuleConfiguration orderTableRuleConfig = new TableRuleConfiguration("t_order", "ds${0..1}.t_order_${0..1}");
   orderTableRuleConfig.setTableShardingStrategyConfig(new StandardShardingStrategyConfiguration("order_id", new OrderShardingAlgorithm()));
   orderTableRuleConfig.setDatabaseShardingStrategyConfig(new StandardShardingStrategyConfiguration("user_id", new DatabaseShardingAlgorithm()));
   
   shardingRuleConfig.getTableRuleConfigs().add(orderTableRuleConfig);
   

4. 实现分片算法
   实现自定义的分片算法，分别用于数据库和表的分片：

   public class OrderShardingAlgorithm implements PreciseShardingAlgorithm<Long> {
       @Override
       public String doSharding(Collection<String> availableTargetNames, PreciseShardingValue<Long> shardingValue) {
           for (String targetName : availableTargetNames) {
               if (targetName.endsWith(shardingValue.getValue() % 2 + "")) {
                   return targetName;
               }
           }
           throw new UnsupportedOperationException();
       }
   }
   
   public class DatabaseShardingAlgorithm implements PreciseShardingAlgorithm<Integer> {
       @Override
       public String doSharding(Collection<String> availableTargetNames, PreciseShardingValue<Integer> shardingValue) {
           for (String targetName : availableTargetNames) {
               if (targetName.endsWith(shardingValue.getValue() % 2 + "")) {
                   return targetName;
               }
           }
           throw new UnsupportedOperationException();
       }
   }
   

5. 配置 ShardingDataSource
   创建 ShardingDataSource 并初始化：

   DataSource dataSource = ShardingDataSourceFactory.createDataSource(dataSourceMap, shardingRuleConfig, new Properties());
   

示例

假设有一个订单表 t_order，我们将其分成两个数据库 ds0 和 ds1，每个数据库中有两个实际表 t_order_0 和 t_order_1。分片规则是根据 order_id 进行表分片，根据 user_id 进行库分片。

public class ShardingJDBCExample {
    public static void main(String[] args) throws SQLException {
        Map<String, DataSource> dataSourceMap = new HashMap<>();
        dataSourceMap.put("ds0", createDataSource("ds0"));
        dataSourceMap.put("ds1", createDataSource("ds1"));

        ShardingRuleConfiguration shardingRuleConfig = new ShardingRuleConfiguration();

        TableRuleConfiguration orderTableRuleConfig = new TableRuleConfiguration("t_order", "ds${0..1}.t_order_${0..1}");
        orderTableRuleConfig.setTableShardingStrategyConfig(new StandardShardingStrategyConfiguration("order_id", new OrderShardingAlgorithm()));
        orderTableRuleConfig.setDatabaseShardingStrategyConfig(new StandardShardingStrategyConfiguration("user_id", new DatabaseShardingAlgorithm()));

        shardingRuleConfig.getTableRuleConfigs().add(orderTableRuleConfig);

        DataSource dataSource = ShardingDataSourceFactory.createDataSource(dataSourceMap, shardingRuleConfig, new Properties());
    }

    private static DataSource createDataSource(String dataSourceName) {
        // 创建数据源的具体代码，通常使用数据库连接池如 Druid、HikariCP 等
    }
}

通过以上配置，Sharding-JDBC 会根据 order_id 和 user_id 的值将数据分片到对应的数据库和表中，从而实现数据的水平扩展。

结论

标准分片策略是 Sharding-JDBC 中最常用的一种分片策略，适用于大多数场景。通过配置标准分片策略，可以灵活地根据业务需求实现数据的分库分表，提升数据库的性能和扩展性。在实际应用中，可以根据具体的分片需求调整分片算法，以满足业务需求。