(17) 分库分表

最新推荐文章于 2024-02-24 08:50:44 发布
最新推荐文章于 2024-02-24 08:50:44 发布
阅读量1.3k 收藏 2
点赞数
分类专栏： MySQL 文章标签： mysql
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42603620/article/details/124270657
版权

1 介绍

链接：百度网盘 请输入提取码 （[提取码：0429]，下面将会使用到的脚本资源文件）

1.1 问题分析

随着互联网及移动互联网的发展，应用系统的数据量也是成指数式增长，若采用单数据库进行数据存储，存在以下性能瓶颈：

  • IO瓶颈：热点数据太多，数据库缓存不足，产生大量磁盘IO，效率较低。 请求数据太多，带宽不够，网络IO瓶颈。
  • CPU瓶颈：排序、分组、连接查询、聚合统计等SQL会耗费大量的CPU资源，请求数太多，CPU出现瓶颈。

为了解决上述问题，需要对数据库进行分库分表处理。
 

分库分表的中心思想：将数据分散存储，使得单一数据库/表的数据量变小来缓解单一数据库的性能问题，从而达到提升数据库性能的目的。

1.2 拆分策略

分库分表的形式，主要是两种：垂直拆分和水平拆分。而拆分的粒度，一般又分为分库和分表。

所以组成的拆分策略最终如下：

1.3 垂直拆分

1）垂直分库

垂直分库：以表为依据，根据业务 将不同的表 拆分到不同库中。

特点：

  • 每个库的表结构都不一样。
  • 每个库的数据也不一样。
  • 所有库的并集是全量数据。

2）垂直分表

垂直分表：以字段为依据，根据字段属性 将不同字段 拆分到不同表中。

特点：

  • 每个表的结构都不一样。
  • 每个表的数据也不一样，一般通过一列（主键/外键）关联。
  • 所有表的并集是全量数据。

1.4 水平拆分

1）水平分库

水平分库：以字段为依据，按照一定策略，将一个库的数据拆分到多个库中。

特点：

  • 每个库的表结构都一样。
  • 每个库的数据都不一样。
  • 所有库的并集是全量数据。

2）水平分表

水平分表：以字段为依据，按照一定策略，将一个表的数据拆分到多个表中。

特点：

  • 每个表的表结构都一样。
  • 每个表的数据都不一样。
  • 所有表的并集是全量数据。

注：在业务系统中，为了缓解磁盘IO及CPU的性能瓶颈，到底是垂直拆分，还是水平拆分；具体是分库，还是分表，都需要根据 具体的业务需求 具体分析。

1. 5 实现技术

  • shardingJDBC：基于AOP原理，在应用程序中对本地执行的SQL进行拦截，解析、改写、路由处理。需要自行编码配置实现，只支持java语言，性能较高。
  • MyCat：数据库分库分表中间件，不用调整代码即可实现分库分表，支持多种语言，性能不及前者。

注：这里选择的是MyCat数据库中间件，通过MyCat中间件来完成分库分表操作。

2 MyCat概述

2.1 介绍

Mycat是开源的、活跃的、基于Java语言编写的 MySQL数据库中间件。可以像使用mysql一样来使用mycat，对于开发人员来说根本感觉不到mycat的存在。

开发人员只需要连接MyCat即可，而具体底层用到几台数据库，每一台数据库服务器里面存储了什么数据，都无需关心。 具体的分库分表的策略，只需要在MyCat中配置即可。

优势：

  • 性能可靠稳定
  • 强大的技术团队
  • 体系完善
  • 社区活跃

2.2 下载

下载地址：Index of /
 

2.3 安装

Mycat是采用java语言开发的开源的数据库中间件，支持Windows和Linux运行环境，下面介绍MyCat的Linux中的环境搭建。

需要在准备好的服务器中安装如下软件：

  • MySQL
  • JDK
  • Mycat

1）JDK安装

（1）上传安装包
使用Xftp将jdk的二进制发布包上传到Linux虚拟机上，查看上传的安装包：

（2）解压安装包
执行如下指令，将上传上来的压缩包进行解压，并通过-C参数指定解压文件存放目录为 /usr/local：

tar -zxvf jdk-8u171-linux-x64.tar.gz -C /usr/local

（3）配置环境变量
使用vim命令修改/etc/profile文件，在文件末尾加入如下配置：

JAVA_HOME=/usr/local/jdk1.8.0_171
PATH=$JAVA_HOME/bin:$PATH

（4）重新加载profile文件
为了使更改的配置立即生效，需要重新加载profile文件：

source /etc/profile

（5）检查安装是否成功

java -version

2）MyCat安装

（1）上传Mycat压缩包到服务器

Mycat-server-1.6.7.3-release-20210913163959-linux.tar.gz 

（2） 解压MyCat的压缩包

tar -zxvf Mycat-server-1.6.7.3-release-20210913163959-linux.tar.gz -C /usr/local/

2.4 目录介绍

  • bin：存放可执行文件，用于启动停止mycat
  • conf：存放mycat的配置文件
  • lib：存放mycat的项目依赖包（jar）
  • logs：存放mycat的日志文件

2.5 概念介绍

在MyCat的整体结构中，分为两个部分：上面的逻辑结构、下面的物理结构。
 

MyCat的逻辑结构主要负责 逻辑库、逻辑表、分片规则、分片节点 等逻辑结构的处理，而具体的数据存储还是在物理结构，也就是数据库服务器中存储的。

3 MyCat入门

3.1 需求

需求：由于 tb_order 表中数据量很大，磁盘IO及容量都到达了瓶颈，现在需要对 tb_order 表进行数据分片，分为三个数据节点，每一个节点主机位于不同的服务器上，具体的结构参考下图：

3.2 环境准备

准备3台服务器：（并且3台数据库中创建数据库db01）

  • 192.168.200.210：MyCat中间件服务器，同时也是第一个分片服务器。
  • 192.168.200.213：第二个分片服务器。
  • 192.168.200.214：第三个分片服务器。

3.3 配置

1）schema.xml

在 schema.xml 中配置 逻辑库、逻辑表、数据节点、节点主机 等相关信息。具体的配置如下：

<?xml version="1.0"?>
<!DOCTYPE mycat:schema SYSTEM "schema.dtd">
<mycat:schema xmlns:mycat="http://io.mycat/">
	<schema name="DB01" checkSQLschema="true" sqlMaxLimit="100">
		<table name="TB_ORDER" dataNode="dn1,dn2,dn3" rule="auto-sharding-long" />
	</schema>
	
	<dataNode name="dn1" dataHost="dhost1" database="db01" />
	<dataNode name="dn2" dataHost="dhost2" database="db01" />
	<dataNode name="dn3" dataHost="dhost3" database="db01" />
	
	<dataHost name="dhost1" maxCon="1000" minCon="10" balance="0"
			  writeType="0" dbType="mysql" dbDriver="jdbc" switchType="1"  slaveThreshold="100">
		<heartbeat>select user()</heartbeat>
		
		<writeHost host="master" url="jdbc:mysql://192.168.200.210:3306?useSSL=false&amp;serverTimezone=Asia/Shanghai&amp;characterEncoding=utf8" user="root" password="1234" />
	</dataHost>
	
	<dataHost name="dhost2" maxCon="1000" minCon="10" balance="0"
			  writeType="0" dbType="mysql" dbDriver="jdbc" switchType="1"  slaveThreshold="100">
		<heartbeat>select user()</heartbeat>
		
		<writeHost host="master" url="jdbc:mysql://192.168.200.213:3306?useSSL=false&amp;serverTimezone=Asia/Shanghai&amp;characterEncoding=utf8" user="root" password="1234" />
	</dataHost>
	
	<dataHost name="dhost3" maxCon="1000" minCon="10" balance="0"
			  writeType="0" dbType="mysql" dbDriver="jdbc" switchType="1"  slaveThreshold="100">
		<heartbeat>select user()</heartbeat>
		
		<writeHost host="master" url="jdbc:mysql://192.168.200.214:3306?useSSL=false&amp;serverTimezone=Asia/Shanghai&amp;characterEncoding=utf8" user="root" password="1234" />
	</dataHost>
</mycat:schema>

2）server.xml

定义了两个用户 root 和 user，这两个用户都可以访问 DB01 这个逻辑库，访问密码都是123456。但是root用户访问DB01逻辑库，既可以读，又可以写，而user用户访问DB01逻辑库是只读。

<user name="root" defaultAccount="true">
	<property name="password">123456</property>
	<property name="schemas">DB01</property>
	
	<!-- 表级 DML 权限设置 -->
	<!--
	<privileges check="true">
		<schema name="DB01" dml="0110" >
			<table name="TB_ORDER" dml="1110"></table>
		</schema>
	</privileges>
	-->
</user>
<user name="user">
	<property name="password">123456</property>
	<property name="schemas">DB01</property>
	<property name="readOnly">true</property>
</user>

3.4 测试

1）启动

配置完毕后，先启动涉及到的3台分片服务器，然后启动MyCat服务器。切换到Mycat的安装目录，执行如下指令启动Mycat：

#启动 
bin/mycat start 
#停止 
bin/mycat stop

Mycat启动之后，占用端口号 8066。

启动完毕之后，可以查看logs目录下的启动日志，查看Mycat是否启动完成：

2）测试

（1）连接MyCat。

通过如下指令，就可以连接并登陆MyCat：

mysql -h 192.168.200.210 -P 8066 -uroot -p123456

可以通过MySQL的指令来连接的MyCat，因为MyCat在底层实际上是模拟了MySQL的协议。

（2）数据测试

然后就可以在MyCat中来创建表，并往表结构中插入数据，查看数据在MySQL中的分布情况：

CREATE TABLE TB_ORDER (
    id BIGINT(20) NOT NULL,
    title VARCHAR(100) NOT NULL ,
    PRIMARY KEY (id)
) ENGINE=INNODB DEFAULT CHARSET=utf8 ;

INSERT INTO TB_ORDER(id,title) VALUES(1,'goods1');
INSERT INTO TB_ORDER(id,title) VALUES(2,'goods2');
INSERT INTO TB_ORDER(id,title) VALUES(3,'goods3');
INSERT INTO TB_ORDER(id,title) VALUES(1,'goods1');
INSERT INTO TB_ORDER(id,title) VALUES(2,'goods2');
INSERT INTO TB_ORDER(id,title) VALUES(3,'goods3');
INSERT INTO TB_ORDER(id,title) VALUES(5000000,'goods5000000');
INSERT INTO TB_ORDER(id,title) VALUES(10000000,'goods10000000');
INSERT INTO TB_ORDER(id,title) VALUES(10000001,'goods10000001');
INSERT INTO TB_ORDER(id,title) VALUES(15000000,'goods15000000');
INSERT INTO TB_ORDER(id,title) VALUES(15000001,'goods15000001');

测试结果：经过测试发现，往 TB_ORDER 表中插入数据时：

  • 如果id的值在1-500w之间，数据将会存储在第一个分片数据库中。
  • 如果id的值在500w-1000w之间，数据将会存储在第二个分片数据库中。
  • 如果id的值在1000w-1500w之间，数据将会存储在第三个分片数据库中。
  • 如果id的值超出1500w，在插入数据时，将会报错。

4 MyCat配置

4.1 schema.xml

schema.xml 作为MyCat中最重要的配置文件之一 , 涵盖了MyCat的 逻辑库 、 逻辑表 、 分片规则、分片节点、数据源的配置。

主要包含以下三组标签：

  • schema标签
  • datanode标签
  • datahost标签

1）schema标签

（1）schema 定义逻辑库

schema 标签用于定义 MyCat实例中的逻辑库，一个MyCat实例中, 可以有多个逻辑库，通过 schema 标签来划分不同的逻辑库。

注：MyCat中的逻辑库的概念，等同于MySQL中的database概念，需要操作某个逻辑库下的表时，也需要切换逻辑库(use xxx)。

核心属性：

  • name：指定自定义的逻辑库库名。
  • checkSQLschema：在SQL语句操作时指定了数据库名称，执行时是否自动去除；true：自动去除，false：不自动去除。
  • sqlMaxLimit：如果未指定limit进行查询，列表查询模式查询多少条记录。

（2）chema 中的table定义逻辑表

table 标签定义了MyCat中逻辑库schema下的逻辑表，所有需要拆分的表都需要在table标签中定义 。

核心属性：

  • name：定义逻辑表表名，在该逻辑库下唯一。
  • dataNode：定义逻辑表所属的dataNode，该属性需要与dataNode标签中name对应；多个dataNode逗号分隔。
  • rule：分片规则的名字，分片规则名字是在rule.xml中定义的。
  • primaryKey：逻辑表对应真实表的主键。
  • type：逻辑表的类型，目前逻辑表只有全局表和普通表，如果未配置，就是普通表；全局表，配置为 global。

2）datanode标签

核心属性：

  • name：定义数据节点名称。
  • dataHost：数据库实例主机名称，引用自 dataHost 标签中name属性。
  • database：定义分片所属数据库。

3）datahost标签

该标签在MyCat逻辑库中作为底层标签存在，直接定义了具体的 数据库实例、读写分离、心跳语句。

核心属性：

  • name：唯一标识，供上层标签使用。
  • maxCon / minCon：最大连接数 / 最小连接数。
  • balance：负载均衡策略，取值 0、1、2、3。
  • writeType：写操作分发方式（0：写操作转发到第一个writeHost，第一个挂了，切换到第二个；1：写操作随机分发到配置的writeHost）。
  • dbDriver：数据库驱动，支持 native、jdbc。

4.2 rule.xml

rule.xml中定义所有拆分表的规则，在使用过程中可以灵活的使用分片算法，或对同一个分片算法使用不同的参数，它让分片过程可配置化。主要包含两类标签：tableRule、Function。

4.3 server.xml

server.xml配置文件包含了MyCat的系统配置信息，主要有两个重要的标签：system、user。

1）system标签

主要配置MyCat中的系统配置信息，对应的系统配置项及其含义，如下：

2）user标签

配置MyCat中的 用户、访问密码，以及用户针对于逻辑库、逻辑表的权限信息，具体的权限描述方式及配置说明如下：

在测试权限操作时，只需要将 privileges 标签的注释放开。 在privileges下的schema标签中配置的dml属性配置的是 逻辑库的权限。 在privileges下的schema下的table标签的dml属性中配置 逻辑表的权限。

5 MyCat分片

5.1 垂直拆分

1）场景

在业务系统中涉及以下表结构，但是由于用户与订单每天都会产生大量的数据，单台服务器的数据存储及处理能力是有限的，可以对数据库表进行拆分。原有的数据库表如下。

现在考虑将其进行垂直分库操作，将商品相关的表拆分到一个数据库服务器，订单表拆分的一个数据库服务器，用户及省市区表拆分到一个服务器。最终结构如下：

2）准备

准备三台服务器，IP地址如图所示：

并且在 192.168.200.210、192.168.200.213、192.168.200.214 上面创建数据库shopping。

3）配置

(1）schema.xml

<schema name="SHOPPING" checkSQLschema="true" sqlMaxLimit="100">
    <table name="tb_goods_base" dataNode="dn1" primaryKey="id" />
    <table name="tb_goods_brand" dataNode="dn1" primaryKey="id" />
    <table name="tb_goods_cat" dataNode="dn1" primaryKey="id" />
    <table name="tb_goods_desc" dataNode="dn1" primaryKey="goods_id" />
	<table name="tb_goods_item" dataNode="dn1" primaryKey="id" />

    <table name="tb_order_item" dataNode="dn2" primaryKey="id" />
    <table name="tb_order_master" dataNode="dn2" primaryKey="order_id" />
    <table name="tb_order_pay_log" dataNode="dn2" primaryKey="out_trade_no" />
	
    <table name="tb_user" dataNode="dn3" primaryKey="id" />
    <table name="tb_user_address" dataNode="dn3" primaryKey="id" />

    <table name="tb_areas_provinces" dataNode="dn3" primaryKey="id"/>
    <table name="tb_areas_city" dataNode="dn3" primaryKey="id"/>
    <table name="tb_areas_region" dataNode="dn3" primaryKey="id"/>
</schema>

<dataNode name="dn1" dataHost="dhost1" database="shopping" />
<dataNode name="dn2" dataHost="dhost2" database="shopping" />
<dataNode name="dn3" dataHost="dhost3" database="shopping" />

<dataHost name="dhost1" maxCon="1000" minCon="10" balance="0"
        writeType="0" dbType="mysql" dbDriver="jdbc" switchType="1"
slaveThreshold="100">
    <heartbeat>select user()</heartbeat>
    <writeHost host="master" url="jdbc:mysql://192.168.200.210:3306?
useSSL=false&serverTimezone=Asia/Shanghai&characterEncoding=utf8"
user="root" password="1234" />
</dataHost>

<dataHost name="dhost2" maxCon="1000" minCon="10" balance="0"
        writeType="0" dbType="mysql" dbDriver="jdbc" switchType="1"
slaveThreshold="100">
    <heartbeat>select user()</heartbeat>
    <writeHost host="master" url="jdbc:mysql://192.168.200.213:3306?
useSSL=false&serverTimezone=Asia/Shanghai&characterEncoding=utf8"
user="root" password="1234" />
</dataHost>

<dataHost name="dhost3" maxCon="1000" minCon="10" balance="0"
        writeType="0" dbType="mysql" dbDriver="jdbc" switchType="1"
slaveThreshold="100">
    <heartbeat>select user()</heartbeat>
    <writeHost host="master" url="jdbc:mysql://192.168.200.214:3306?
useSSL=false&serverTimezone=Asia/Shanghai&characterEncoding=utf8"
user="root" password="1234" />
</dataHost>

（2）server.xml

<user name="root" defaultAccount="true">
	<property name="password">123456</property>
	<property name="schemas">SHOPPING</property>
	
	<!-- 表级 DML 权限设置 -->
	<!--
	<privileges check="true">
		<schema name="DB01" dml="0110" >
			<table name="TB_ORDER" dml="1110"></table>
		</schema>
	</privileges>
	-->
</user>

<user name="user">
	<property name="password">123456</property>
	<property name="schemas">SHOPPING</property>
	<property name="readOnly">true</property>
</user>

4）测试

（1）上传测试SQL脚本到服务器的/root目录。

（2）执行指令导入测试数据。

重新启动MyCat后，在mycat的命令行中，通过source指令导入表结构，以及对应的数据，查看数据分布情况。

source /root/shopping-table.sql 
source /root/shopping-insert.sql

（3）查询用户的收件人及收件人地址信息(包含省、市、区)。在MyCat的命令行中，执行以下多表联查的SQL语句时，可以正常查询出数据。

select ua.user_id, ua.contact, p.province, c.city, r.area, ua.address
from tb_user_address ua,
     tb_areas_city c,
     tb_areas_provinces p,
     tb_areas_region r
where ua.province_id = p.provinceid
  and ua.city_id = c.cityid
  and ua.town_id = r.areaid;

（4）查询每一笔订单及订单的收件地址信息(包含省、市、区)。实现该需求对应的SQL语句如下：

SELECT order_id, payment, receiver, province, city, area
FROM tb_order_master o,
     tb_areas_provinces p,
     tb_areas_city c,
     tb_areas_region r
WHERE o.receiver_province = p.provinceid
  AND o.receiver_city = c.cityid
  AND o.receiver_region = r.areaid;

但是存在一个问题，订单相关的表 是在192.168.200.213数据库服务器中，而省市区的数据库表 是在192.168.200.214数据库服务器中。那么在MyCat中执行是否可以成功呢？

测试结果：SQL语句执行报错。因为MyCat在执行该SQL语句时，需要往具体的数据库服务器中路由，而当前没有一个数据库服务器完全包含 订单以及省市区的表结构，造成SQL语句失败，报错。

解决方法：使用全局表。

5）全局表

对于省、市、区/县，表tb_areas_provinces、tb_areas_city 、tb_areas_region 属于数据字典表，在多个业务模块中都可能会遇到，可以将其设置为全局表，利于业务操作。

（1）修改schema.xml中的逻辑表的配置，修改 tb_areas_provinces、tb_areas_city、tb_areas_region 三个逻辑表，增加 type 属性，配置为global，就代表该表是全局表，就会在所涉及到的dataNode中创建该表。对于当前配置来说，也就意味着所有的节点中都有该表了。

<table name="tb_areas_provinces" dataNode="dn1,dn2,dn3" primaryKey="id" type="global"/>

<table name="tb_areas_city" dataNode="dn1,dn2,dn3" primaryKey="id" type="global"/>

<table name="tb_areas_region" dataNode="dn1,dn2,dn3" primaryKey="id" type="global"/>

（2）配置完毕后，重新启动MyCat。

（3）删除原来每一个数据库服务器中的所有表结构。

（4）通过source指令，导入表及数据。

source /root/shopping-table.sql 
source /root/shopping-insert.sql

（5）检查每一个数据库服务器中的表及数据分布，看到三个节点中都有这三张全局表。

（6）然后再次执行上面的多表联查的SQL语句。

SELECT order_id, payment, receiver, province, city, area
FROM tb_order_master o,
     tb_areas_provinces p,
     tb_areas_city c,
     tb_areas_region r
WHERE o.receiver_province = p.provinceid
  AND o.receiver_city = c.cityid
  AND o.receiver_region = r.areaid;


当在MyCat中更新全局表的时可以看到，所有分片节点中的数据都发生了变化，每个节点的全局表数据时刻保持一致。

5.2 水平拆分

1）场景

在业务系统中，有一张表(日志表)，业务系统每天都会产生大量的日志数据，单台服务器的数据存储及处理能力是有限的，可以对数据库表进行拆分。

2）准备

准备三台服务器，具体的结构如下：

并且，在三台数据库服务器中分表创建一个数据库itcast。

2）配置

（1）schema.xml

<schema name="ITCAST" checkSQLschema="true" sqlMaxLimit="100">
	<table name="tb_log" dataNode="dn4,dn5,dn6" primaryKey="id" rule="mod-long" />
</schema>

<dataNode name="dn4" dataHost="dhost1" database="itcast" />
<dataNode name="dn5" dataHost="dhost2" database="itcast" />
<dataNode name="dn6" dataHost="dhost3" database="itcast" />

tb_log表最终落在3个节点中，分别是 dn4、dn5、dn6 ，而具体的数据分别存储在 dhost1、dhost2、dhost3 的itcast数据库中。

（2）server.xml

配置root用户既可以访问 SHOPPING 逻辑库，又可以访问ITCAST逻辑库。

<user name="root" defaultAccount="true">
	<property name="password">123456</property>
	<property name="schemas">SHOPPING,ITCAST</property>
	
	<!-- 表级 DML 权限设置 -->
	<!--
	<privileges check="true">
		<schema name="DB01" dml="0110" >
			<table name="TB_ORDER" dml="1110"></table>
		</schema>
	</privileges>
	-->
</user>

3）测试

配置完毕后重新启动MyCat，然后在mycat的命令行中，执行如下SQL创建表并插入数据，查看数据分布情况。

CREATE TABLE tb_log (
    id bigint(20) NOT NULL COMMENT 'ID',
    model_name varchar(200) DEFAULT NULL COMMENT '模块名',
    model_value varchar(200) DEFAULT NULL COMMENT '模块值',
    return_value varchar(200) DEFAULT NULL COMMENT '返回值',
    return_class varchar(200) DEFAULT NULL COMMENT '返回值类型',
    operate_user varchar(20) DEFAULT NULL COMMENT '操作用户',
    operate_time varchar(20) DEFAULT NULL COMMENT '操作时间',
    param_and_value varchar(500) DEFAULT NULL COMMENT '请求参数名及参数值',
    operate_class varchar(200) DEFAULT NULL COMMENT '操作类',
    operate_method varchar(200) DEFAULT NULL COMMENT '操作方法',
    cost_time bigint(20) DEFAULT NULL COMMENT '执行方法耗时, 单位 ms',
    source int(1) DEFAULT NULL COMMENT '来源 : 1 PC , 2 Android , 3 IOS',
    PRIMARY KEY (id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

INSERT INTO tb_log (id, model_name, model_value, return_value, return_class, operate_user, operate_time, param_and_value, operate_class, operate_method,cost_time，source)
    VALUES('1','user','insert','success','java.lang.String','10001','2022-01-06 18:12:28','{\"age\":\"20\",\"name\":\"Tom\",\"gender\":\"1\"}','cn.itcast.controller.UserController','insert','10',1);
INSERT INTO tb_log (id, model_name, model_value, return_value, return_class, operate_user, operate_time, param_and_value, operate_class, operate_method, cost_time，source)
    VALUES('2','user','insert','success','java.lang.String','10001','2022-01-06 18:12:27','{\"age\":\"20\",\"name\":\"Tom\",\"gender\":\"1\"}','cn.itcast.controller.UserController','insert','23',1);
INSERT INTO tb_log (id, model_name, model_value, return_value, return_class, operate_user, operate_time, param_and_value, operate_class, operate_method, cost_time，source)
    VALUES('3','user','update','success','java.lang.String','10001','2022-01-0618:16:45','{\"age\":\"20\",\"name\":\"Tom\",\"gender\":\"1\"}','cn.itcast.controller.UserController','update','34',1);
INSERT INTO tb_log (id, model_name, model_value, return_value, return_class, operate_user, operate_time, param_and_value, operate_class, operate_method,cost_time，source)
    VALUES('4','user','update','success','java.lang.String','10001','2022-01-06 18:16:45','{\"age\":\"20\",\"name\":\"Tom\",\"gender\":\"1\"}','cn.itcast.controller.UserController','update','13',2);
INSERT INTO tb_log (id, model_name, model_value, return_value, return_class, operate_user, operate_time, param_and_value, operate_class, operate_method, cost_time，source)
    VALUES('5','user','insert','success','java.lang.String','10001','2022-01-06 18:30:31','{\"age\":\"200\",\"name\":\"TomCat\",\"gender\":\"0\"}','cn.itcast.controller.UserController','insert','29',3);
INSERT INTO tb_log (id, model_name, model_value, return_value, return_class, operate_user, operate_time, param_and_value, operate_class, operate_method, cost_time，source)
    VALUES('6','user','find','success','java.lang.String','10001','2022-01-06 18:30:31','{\"age\":\"200\",\"name\":\"TomCat\",\"gender\":\"0\"}','cn.itcast.controller.UserController','find','29',2);

5.3 分片规则

1）范围分片

（1）介绍

根据 指定的字段 及其配置的范围 与数据节点的对应情况， 来决定该数据属于哪一个分片。

（2）配置

schema.xml逻辑表配置：

<table name="TB_ORDER" dataNode="dn1,dn2,dn3" rule="auto-sharding-long" />

schema.xml数据节点配置：

<dataNode name="dn1" dataHost="dhost1" database="db01" /> 
<dataNode name="dn2" dataHost="dhost2" database="db01" />
<dataNode name="dn3" dataHost="dhost3" database="db01" />

rule.xml分片规则配置：

<tableRule name="auto-sharding-long">
	<rule>
		<columns>id</columns>
		<algorithm>rang-long</algorithm>
	</rule>
</tableRule>

<function name="rang-long" class="io.mycat.route.function.AutoPartitionByLong">
	<property name="mapFile">autopartition-long.txt</property>
	<property name="defaultNode">0</property>
</function>

分片规则配置属性含义：

在rule.xml中配置分片规则时，关联了一个映射配置文件 autopartition-long.txt，该配置文件的配置如下：

# range start-end ,data node index
# K=1000,M=10000.
0-500M=0
500M-1000M=1
1000M-1500M=2

含义：0-500万之间的值，存储在0号数据节点(数据节点的索引从0开始) ； 500万-1000万之间的数据存储在1号数据节点 ； 1000万-1500万的数据节点存储在2号节点 ；

注：该分片规则，主要是针对于 数字类型的字段 适用。
 

2）取模分片

（1）介绍

根据 指定的字段值与 节点数量 进行求模运算，根据运算结果， 来决定该数据属于哪一个分片。

（2）配置

schema.xml逻辑表配置：

<table name="tb_log" dataNode="dn4,dn5,dn6" primaryKey="id" rule="mod-long" />

schema.xml数据节点配置：

<dataNode name="dn4" dataHost="dhost1" database="itcast" /> 
<dataNode name="dn5" dataHost="dhost2" database="itcast" /> 
<dataNode name="dn6" dataHost="dhost3" database="itcast" />

rule.xml分片规则配置：

<tableRule name="mod-long">
	<rule>
		<columns>id</columns>
		<algorithm>mod-long</algorithm>
	</rule>
</tableRule>

<function name="mod-long" class="io.mycat.route.function.PartitionByMod">
	<property name="count">3</property>
</function>

分片规则属性说明如下：

注：该分片规则，主要是针对于 数字类型的字段 适用。

3）一致性hash分片

（1）介绍

所谓一致性哈希，相同的哈希因子计算值 总是被划分到 相同的分区表中，不会因为分区节点的增加 而改变原来数据的分区位置，有效的解决了分布式数据的拓容问题。

（2）配置

schema.xml中逻辑表配置：

<!-- 一致性hash --> 
<table name="tb_order" dataNode="dn4,dn5,dn6" rule="sharding-by-murmur" />

schema.xml中数据节点配置：

<dataNode name="dn4" dataHost="dhost1" database="itcast" /> 
<dataNode name="dn5" dataHost="dhost2" database="itcast" /> 
<dataNode name="dn6" dataHost="dhost3" database="itcast" />

rule.xml中分片规则配置：

<tableRule name="sharding-by-murmur">
	<rule>
		<columns>id</columns>
		<algorithm>murmur</algorithm>
	</rule>
</tableRule>

<function name="murmur" class="io.mycat.route.function.PartitionByMurmurHash">
	<property name="seed">0</property><!-- 默认是0 -->
	<property name="count">3</property>
	<property name="virtualBucketTimes">160</property>
</function>

分片规则属性含义：

（3）测试

配置完毕后重新启动MyCat，然后在mycat的命令行中，执行如下SQL创建表、并插入数据，查看数据分布情况。

create table tb_order(
	id varchar(100) not null primary key,
	money int null,
	content varchar(200) null
);

INSERT INTO tb_order (id, money, content) VALUES ('b92fdaaf-6fc4-11ec-b831-482ae33c4a2d', 10, 'b92fdaf8-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b93482b6-6fc4-11ec-b831-482ae33c4a2d', 20, 'b93482d5-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b937e246-6fc4-11ec-b831-482ae33c4a2d', 50, 'b937e25d-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b93be2dd-6fc4-11ec-b831-482ae33c4a2d', 100, 'b93be2f9-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b93f2d68-6fc4-11ec-b831-482ae33c4a2d', 130, 'b93f2d7d-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b9451b98-6fc4-11ec-b831-482ae33c4a2d', 30, 'b9451bcc-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b9488ec1-6fc4-11ec-b831-482ae33c4a2d', 560, 'b9488edb-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b94be6e6-6fc4-11ec-b831-482ae33c4a2d', 10, 'b94be6ff-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b94ee10d-6fc4-11ec-b831-482ae33c4a2d', 123, 'b94ee12c-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b952492a-6fc4-11ec-b831-482ae33c4a2d', 145, 'b9524945-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b95553ac-6fc4-11ec-b831-482ae33c4a2d', 543, 'b95553c8-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b9581cdd-6fc4-11ec-b831-482ae33c4a2d', 17, 'b9581cfa-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b95afc0f-6fc4-11ec-b831-482ae33c4a2d', 18, 'b95afc2a-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b95daa99-6fc4-11ec-b831-482ae33c4a2d', 134, 'b95daab2-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b9667e3c-6fc4-11ec-b831-482ae33c4a2d', 156, 'b9667e60-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b96ab489-6fc4-11ec-b831-482ae33c4a2d', 175, 'b96ab4a5-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b96e2942-6fc4-11ec-b831-482ae33c4a2d', 180, 'b96e295b-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b97092ec-6fc4-11ec-b831-482ae33c4a2d', 123, 'b9709306-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b973727a-6fc4-11ec-b831-482ae33c4a2d', 230, 'b9737293-6fc4-11ec-b831-482ae33c4a2d');
INSERT INTO tb_order (id, money, content) VALUES ('b978840f-6fc4-11ec-b831-482ae33c4a2d', 560, 'b978843c-6fc4-11ec-b831-482ae33c4a2d');

4）枚举分片

（1）介绍

通过在配置文件中 配置可能的枚举值，指定数据分布到不同数据节点上，本规则适用于按照省份、性别、状态拆分数据等业务。

（2）配置

schema.xml中逻辑表配置：

<!-- 枚举 --> 
<table name="tb_user" dataNode="dn4,dn5,dn6" rule="sharding-by-intfile-enumstatus" />

schema.xml中数据节点配置：

<dataNode name="dn4" dataHost="dhost1" database="itcast" /> 
<dataNode name="dn5" dataHost="dhost2" database="itcast" /> 
<dataNode name="dn6" dataHost="dhost3" database="itcast" />

rule.xml中分片规则配置：

<tableRule name="sharding-by-intfile">
	<rule>
		<columns>sharding_id</columns>
		<algorithm>hash-int</algorithm>
	</rule>
</tableRule>

<!-- 自己增加 tableRule -->
<tableRule name="sharding-by-intfile-enumstatus">
	<rule>
		<columns>status</columns>
		<algorithm>hash-int</algorithm>
	</rule>
</tableRule>

<function name="hash-int" class="io.mycat.route.function.PartitionByFileMap">
	<property name="defaultNode">2</property>
	<property name="mapFile">partition-hash-int.txt</property>
</function>

partition-hash-int.txt 中内容如下 :

1=0 
2=1 
3=2

分片规则属性含义：

（3）测试

配置完毕后重新启动MyCat，然后在mycat的命令行中，执行如下SQL创建表、并插入数据，查看数据分布情况。

CREATE TABLE tb_user (
	id bigint(20) NOT NULL COMMENT 'ID',
	username varchar(200) DEFAULT NULL COMMENT '姓名',
	status int(2) DEFAULT '1' COMMENT '1: 未启用, 2: 已启用, 3: 已关闭',
	PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

insert into tb_user (id,username ,status) values(1,'Tom',1);
insert into tb_user (id,username ,status) values(2,'Cat',2);
insert into tb_user (id,username ,status) values(3,'Rose',3);
insert into tb_user (id,username ,status) values(4,'Coco',2);
insert into tb_user (id,username ,status) values(5,'Lily',1);
insert into tb_user (id,username ,status) values(6,'Tom',1);
insert into tb_user (id,username ,status) values(7,'Cat',2);
insert into tb_user (id,username ,status) values(8,'Rose',3);
insert into tb_user (id,username ,status) values(9,'Coco',2);
insert into tb_user (id,username ,status) values(10,'Lily',1);

5）应用指定算法

（1）介绍

运行阶段 由应用自主决定路由到那个分片 , 直接根据字符子串（必须是数字）计算分片号。

（2）配置

schema.xml中逻辑表配置：

<!-- 应用指定算法 --> 
<table name="tb_app" dataNode="dn4,dn5,dn6" rule="sharding-by-substring" />

schema.xml中数据节点配置：

<dataNode name="dn4" dataHost="dhost1" database="itcast" /> 
<dataNode name="dn5" dataHost="dhost2" database="itcast" /> 
<dataNode name="dn6" dataHost="dhost3" database="itcast" />

rule.xml中分片规则配置：

<tableRule name="sharding-by-substring">
	<rule>
		<columns>id</columns>
		<algorithm>sharding-by-substring</algorithm>
	</rule>
</tableRule>

<function name="sharding-by-substring"
class="io.mycat.route.function.PartitionDirectBySubString">
	<property name="startIndex">0</property> <!-- zero-based -->
	<property name="size">2</property>
	<property name="partitionCount">3</property>
	<property name="defaultPartition">0</property>
</function>

分片规则属性含义：

（3）测试

配置完毕后重新启动MyCat，然后在mycat的命令行中，执行如下SQL创建表、并插入数据，查看数据分布情况。

CREATE TABLE tb_app (
	id varchar(10) NOT NULL COMMENT 'ID',
	name varchar(200) DEFAULT NULL COMMENT '名称',
	PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

insert into tb_app (id,name) values('0000001','Testx00001');
insert into tb_app (id,name) values('0100001','Test100001');
insert into tb_app (id,name) values('0100002','Test200001');
insert into tb_app (id,name) values('0200001','Test300001');
insert into tb_app (id,name) values('0200002','TesT400001');

6）固定分片hash算法

（1）介绍

该算法类似于十进制的求模运算，但是为二进制的操作。例如，取 id 的二进制低 10 位 与 1111111111 进行位 & 运算，位与运算最小值为 0000000000，最大值为1111111111，转换为十进制，也就是位于0-1023之间。

特点：

  • 如果是求模，连续的值，分别分配到各个不同的分片；但是此算法会将连续的值可能分配到相同的分片，降低事务处理的难度。
  • 可以均匀分配，也可以非均匀分配。
  • 分片字段必须为数字类型。

（2）配置

schema.xml中逻辑表配置：

<!-- 固定分片hash算法 --> 
<table name="tb_longhash" dataNode="dn4,dn5,dn6" rule="sharding-by-long-hash" />

schema.xml中数据节点配置：

<dataNode name="dn4" dataHost="dhost1" database="itcast" />
<dataNode name="dn5" dataHost="dhost2" database="itcast" />
<dataNode name="dn6" dataHost="dhost3" database="itcast" />

rule.xml中分片规则配置：

<tableRule name="sharding-by-long-hash">
	<rule>
		<columns>id</columns>
		<algorithm>sharding-by-long-hash</algorithm>
	</rule>
</tableRule>

<!-- 分片总长度为1024，count与length数组长度必须一致； -->
<function name="sharding-by-long-hash"
class="io.mycat.route.function.PartitionByLong">
	<property name="partitionCount">2,1</property>
	<property name="partitionLength">256,512</property>
</function>

分片规则属性含义：

约束 :

  • 分片长度：默认最大2^10，即1024 ;
  • count，length的数组长度必须是一致的 ;

以上分为三个分区:0-255、256-511、512-1023

示例说明 :

（3）测试

配置完毕后重新启动MyCat，然后在mycat的命令行中，执行如下SQL创建表、并插入数据，查看数据分布情况。

CREATE TABLE tb_longhash (
    id int(11) NOT NULL COMMENT 'ID',
    name varchar(200) DEFAULT NULL COMMENT '名称',
    firstChar char(1) COMMENT '首字母',
    PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

insert into tb_longhash (id,name,firstChar) values(1,'七匹狼','Q');
insert into tb_longhash (id,name,firstChar) values(2,'八匹狼','B');
insert into tb_longhash (id,name,firstChar) values(3,'九匹狼','J');
insert into tb_longhash (id,name,firstChar) values(4,'十匹狼','S');
insert into tb_longhash (id,name,firstChar) values(5,'六匹狼','L');
insert into tb_longhash (id,name,firstChar) values(6,'五匹狼','W');
insert into tb_longhash (id,name,firstChar) values(7,'四匹狼','S');
insert into tb_longhash (id,name,firstChar) values(8,'三匹狼','S');
insert into tb_longhash (id,name,firstChar) values(9,'两匹狼','L');

7）字符串hash解析算法

（1）介绍

截取字符串中的指定位置的 子字符串，进行hash算法， 算出分片。

（2）配置

schema.xml中逻辑表配置：

<!-- 字符串hash解析算法 --> 
<table name="tb_strhash" dataNode="dn4,dn5" rule="sharding-by-stringhash" />

schema.xml中数据节点配置：

<dataNode name="dn4" dataHost="dhost1" database="itcast" /> 
<dataNode name="dn5" dataHost="dhost2" database="itcast" />

rule.xml中分片规则配置：

<tableRule name="sharding-by-stringhash">
	<rule>
		<columns>name</columns>
		<algorithm>sharding-by-stringhash</algorithm>
	</rule>
</tableRule>

<function name="sharding-by-stringhash"
class="io.mycat.route.function.PartitionByString">
	<property name="partitionLength">512</property> <!-- zero-based -->
	<property name="partitionCount">2</property>
	<property name="hashSlice">0:2</property>
</function>

分片规则属性含义：

示例说明：

（3）测试

配置完毕后重新启动MyCat，然后在mycat的命令行中，执行如下SQL创建表、并插入数据，查看数据分布情况。

create table tb_strhash(
    name varchar(20) primary key,
    content varchar(100)
)engine=InnoDB DEFAULT CHARSET=utf8mb4;

INSERT INTO tb_strhash (name,content) VALUES('T1001', UUID());
INSERT INTO tb_strhash (name,content) VALUES('ROSE', UUID());
INSERT INTO tb_strhash (name,content) VALUES('JERRY', UUID());
INSERT INTO tb_strhash (name,content) VALUES('CRISTINA', UUID());
INSERT INTO tb_strhash (name,content) VALUES('TOMCAT', UUID());

8）按天分片算法

（1）介绍

按照日期及 对应的时间周期 来分片。

（2）配置

schema.xml中逻辑表配置：

<!-- 按天分片 --> 
<table name="tb_datepart" dataNode="dn4,dn5,dn6" rule="sharding-by-date" />

schema.xml中数据节点配置：

<dataNode name="dn4" dataHost="dhost1" database="itcast" /> 
<dataNode name="dn5" dataHost="dhost2" database="itcast" /> 
<dataNode name="dn6" dataHost="dhost3" database="itcast" />

rule.xml中分片规则配置：

<tableRule name="sharding-by-date">
	<rule>
		<columns>create_time</columns>
		<algorithm>sharding-by-date</algorithm>
	</rule>
</tableRule>

<function name="sharding-by-date"
class="io.mycat.route.function.PartitionByDate">
	<property name="dateFormat">yyyy-MM-dd</property>
	<property name="sBeginDate">2022-01-01</property>
	<property name="sEndDate">2022-01-30</property>
	<property name="sPartionDay">10</property>
</function>

<!--
	从开始时间开始，每10天为一个分片，到达结束时间之后，会重复开始分片插入。
	配置表的 dataNode 的分片，必须和分片规则数量一致，例如 2022-01-01 到 2022-12-31 ，每10天一个分片，一共需要37个分片。
-->

分片规则属性含义：

（3）测试

配置完毕后重新启动MyCat，然后在mycat的命令行中，执行如下SQL创建表、并插入数据，查看数据分布情况。

create table tb_datepart(
    id bigint not null comment 'ID' primary key,
    name varchar(100) null comment '姓名',
    create_time date null
);

insert into tb_datepart(id,name ,create_time) values(1,'Tom','2022-01-01');
insert into tb_datepart(id,name ,create_time) values(2,'Cat','2022-01-10');
insert into tb_datepart(id,name ,create_time) values(3,'Rose','2022-01-11');
insert into tb_datepart(id,name ,create_time) values(4,'Coco','2022-01-20');
insert into tb_datepart(id,name ,create_time) values(5,'Rose2','2022-01-21');
insert into tb_datepart(id,name ,create_time) values(6,'Coco2','2022-01-30');
insert into tb_datepart(id,name ,create_time) values(7,'Coco3','2022-01-31');

9）自然月分片

（1）介绍

使用场景为按照月份来分片，每个自然月为一个分片。

2). 配置

schema.xml中逻辑表配置：

<!-- 按自然月分片 --> 
<table name="tb_monthpart" dataNode="dn4,dn5,dn6" rule="sharding-by-month" />

schema.xml中数据节点配置：

<dataNode name="dn4" dataHost="dhost1" database="itcast" /> 
<dataNode name="dn5" dataHost="dhost2" database="itcast" /> 
<dataNode name="dn6" dataHost="dhost3" database="itcast" />

rule.xml中分片规则配置：

<tableRule name="sharding-by-month">
	<rule>
		<columns>create_time</columns>
		<algorithm>partbymonth</algorithm>
	</rule>
</tableRule>

<function name="partbymonth" class="io.mycat.route.function.PartitionByMonth">
	<property name="dateFormat">yyyy-MM-dd</property>
	<property name="sBeginDate">2022-01-01</property>
	<property name="sEndDate">2022-03-31</property>
</function>

<!--
	从开始时间开始，一个月为一个分片，到达结束时间之后，会重复开始分片插入。
	配置表的 dataNode 的分片，必须和分片规则数量一致，例如 2022-01-01 到 2022-12-31 ，一共需要12个分片。
-->

分片规则属性含义：

（3）测试

配置完毕后重新启动MyCat，然后在mycat的命令行中，执行如下SQL创建表、并插入数据，查看数据分布情况。

create table tb_monthpart(
    id bigint not null comment 'ID' primary key,
    name varchar(100) null comment '姓名',
    create_time date null
);

insert into tb_monthpart(id,name ,create_time) values(1,'Tom','2022-01-01');
insert into tb_monthpart(id,name ,create_time) values(2,'Cat','2022-01-10');
insert into tb_monthpart(id,name ,create_time) values(3,'Rose','2022-01-31');
insert into tb_monthpart(id,name ,create_time) values(4,'Coco','2022-02-20');
insert into tb_monthpart(id,name ,create_time) values(5,'Rose2','2022-02-25');
insert into tb_monthpart(id,name ,create_time) values(6,'Coco2','2022-03-10');
insert into tb_monthpart(id,name ,create_time) values(7,'Coco3','2022-03-31');
insert into tb_monthpart(id,name ,create_time) values(8,'Coco4','2022-04-10');
insert into tb_monthpart(id,name ,create_time) values(9,'Coco5','2022-04-30');

6 MyCat管理及监控

6.1 MyCat原理

在MyCat中，当执行一条SQL语句时，MyCat需要进行 SQL解析、分片分析、路由分析、读写分离分析 等操作，最终经过一系列的分析 决定将当前的SQL语句 到底路由到那几个(或哪一个)节点数据库，数据库将数据执行完毕后，如果有返回的结果，则将结果返回给MyCat，最终还需要在MyCat中进行 结果合并、聚合处理、排序处理、分页处理 等操作，最终再将结果返回给客户端。

而在MyCat的使用过程中，MyCat官方也提供了一个管理监控平台MyCat-Web（MyCat-eye）。Mycat-web 是 Mycat 可视化运维的管理和监控平台，弥补了 Mycat 在监控上的空白。帮 Mycat分担统计任务和配置管理任务。Mycat-web 引入了 ZooKeeper 作为配置中心，可以管理多个节点。

Mycat-web 主要管理和监控 Mycat 的流量、连接、活动线程和内存等，具备 IP 白名单、邮件告警等模块，还可以统计 SQL 并分析慢 SQL 和高频 SQL 等。为优化 SQL 提供依据。

6.2 MyCat管理

Mycat默认开通2个端口，可以在 server.xml中 进行修改。

8066：数据访问端口，即进行 DML 和 DDL 操作。

9066：数据库管理端口，即 mycat 服务管理控制功能，用于管理mycat的整个集群状态。

连接MyCat的管理控制台：

mysql -h 192.168.200.210 -p 9066 -uroot -p123456

6.3 MyCat-eye

1）介绍

Mycat-web(Mycat-eye)是对mycat-server提供监控服务，功能不局限于对mycat-server使用。通过JDBC连接对Mycat、Mysql监控，监控远程服务器(目前仅限于linux系统)的cpu、内存、网络、磁盘。

Mycat-eye运行过程中需要依赖zookeeper，因此需要先安装zookeeper。

2）zookeeper安装

（1）上传安装包 

zookeeper-3.4.6.tar.gz

（2）解压

tar -zxvf zookeeper-3.4.6.tar.gz -C /usr/local/

（3）创建数据存放目录

cd /usr/local/zookeeper-3.4.6/
mkdir data

（4）修改配置文件名称并配置

cd config
mv zoo_sample.cfg zoo.cfg

（5）配置数据存放目录

dataDir=/usr/local/zookeeper-3.4.6/data

（6）启动Zookeeper

bin/zkServer.sh start
bin/zkServer.sh status

3）Mycat-web安装

（1）上传安装包 

Mycat-web.tar.gz

（2）解压

tar -zxvf Mycat-web.tar.gz -C /usr/local/

（3）目录介绍

etc         ----> jetty配置文件
lib         ----> 依赖jar包
mycat-web   ----> mycat-web项目
readme.txt
start.jar   ----> 启动jar
start.sh    ----> linux启动脚本

（4）启动

sh start.sh

（5）访问

http://192.168.200.210:8082/mycat

注：如果Zookeeper与Mycat-web不在同一台服务器上 , 需要设置Zookeeper的地址 。在/usr/local/mycat-web/mycat-web/WEB-INF/classes/mycat.properties文件中配置 : 

4）访问

http://192.168.200.210:8082/mycat

5）配置

（1）开启MyCat的实时统计功能(server.xml)

<property name="useSqlStat">1</property> <!-- 1为开启实时统计、0为关闭 -->

（2）在Mycat监控界面配置服务地址

5）测试

可以通过MyCat执行一系列的增删改查的测试，然后过一段时间之后，打开mycat-eye的管理界面，查看mycat-eye监控到的数据信息。

​（1）性能监控

（2）物理节点

（3）SQL统计

（4）SQL表分析

（5）SQL监控

（6）高频SQL

杉杉来啦
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
node.js+mysql实现分库分表存查数据：
专研前端，探索后端
10-25 2182
node.js+mysql实现分库分表存查数据
Node.js 的 MySQL 分表分库访问中间件 TribeDB
前端栈开发
08-08 1754
TribeDB 详细介绍 Node.js 的 MySQL 分表分库数据访问中间件，实现MySQL数据的分布式集群储存管理。在处理海量数据、高并发访问时，获得更加优越的性能及横向扩展能力。它包含以下主要特性: 可伸缩、高扩展的架构 自动路由分库，维护数据库连接池 支持数据表的“横向”和“纵向”分表 支持“一主多从”式读写分离 分布式并行处理，成倍提升性...
node.js+mysql实现分库分表存查数据
路人贾！
07-16 453
node.js+mysql实现分库分表存查数据
使用prisma实现跨库事务一致性
吴智深的博客
02-24 1012
从业务逻辑上，可以进行垂直分表，比如按记录的状态分表，不同状态进不同表，可以省略状态字段。从数据规模上可以进行水平分表，按外键取模分表。垂直分表可以从本质上降低业务复杂度，但对于数据规模问题，仍然需要分库解决。但要从根本上解决数据规模问题，需要基于水平分表再分库。分表分库是一门艺术，需要针对实际业务具体分析。大的原则是要综合考虑关联查询成本、跨库事务一致性等。跨库事务一致性可通过prisma提供的多schema接入和动态事务处理功能实现。
详解Node.js开发中不可或缺的7个库
前端达人
05-24 1586
在Node.js开发中，选择合适的库对于提高开发效率和优化应用程序性能至关重要。本文将介绍七个备受关注的Node.js库，它们在各自的领域中展现了出色的功能和性能。这些库分别是：Config、Fetch、Ioredis、Multer、Cache、Fast-xml-parser和Cron。我们将深入了解它们的特点、用法和优势，帮助你更好地利用它们来开发出高质量的Node.js应用程序。1、 Conf...
mycat的安装
TYD123013的博客
08-02 1081
mycat 安装
17、ShardingJDBC分库分表实战指南-ev.rar
最新发布
03-08
17、ShardingJDBC分库分表实战指南_ev.rar17、ShardingJDBC分库分表实战指南_ev.rar17、ShardingJDBC分库分表实战指南_ev.rar17、ShardingJDBC分库分表实战指南_ev.rar17、ShardingJDBC分库分表实战指南_ev.rar17、...
java实现权限管理源码-middle-ware-parent:SpringBoot集成常用开发中间件，分库分表，缓存，消息队列，定时器，权限
06-05
SpringBoot集成常用开发中间件，分库分表，缓存，消息队列，定时器，权限管理等组件 关于作者 推荐项目 序号 项目名称 GitHub地址 GitEE地址 推荐指数 01 Java描述设计模式,算法,数据结构 ☆☆☆☆☆ 02 Java基础、...
仿12306项目JDK17 + SpringBoot3&SpringCloud 微服务架构，构建高并发、大数据量下能提供购票服务
01-31
12306 项目中包含了缓存、消息队列、分库分表、设计模式等代码，通过这些代码可以全面了解分布式系统的核心知识点。 12306 铁路购票服务是与大家生活和出行相关的关键系统，包括会员、购票、订单、支付和网关等服务...
2021互联网大厂Java架构师面试题突击视频教程
07-13
46_体验一下面试官对于分库分表这个事儿的一个连环炮 47_来来来！咱们聊一下你们公司是怎么玩儿分库分表的？ 48_你们当时是如何把系统不停机迁移到分库分表的？ 49_好啊！那如何设计可以动态扩容缩容的分库分表方案...
Java面试题mysql数据库和jvm知识面试题用于技能提升和面试提升
04-19
分库分表分区 8 数据库引擎 9 预处理 9 mysql like查询 9 读写分离 9 MySQL事物 9 一、事务定义 9 二、转账操作理解事务 9 三、事务四大特征(ACID) 10 四、关于事务的一些术语 10 五、和事务相关的两条重要的SQL语句...
Node.js的MySQL分表分库访问中间件TribeDB.zip
07-19
Node.js 的 MySQL 分表分库数据访问中间件，实现MySQL数据的分布式集群储存管理。在处理海量数据、高并发访问时，获得更加优越的性能及横向扩展能力。它包含以下主要特性: 可伸缩、高扩展的架构 自动路由分库，维护数据库连接池 支持数据表的“横向”和“纵向”分表 支持“一主多从”式读写分离 分布式并行处理，成倍提升性能 对应用层隐藏数据来源及技术细节 拥有以上特点意味着，可随时通过增加普通级别数据库服务器的方式，方便地扩展整体系统性能，而无需修改业务层架构和代码。理论上TribeDB的扩展能力上线在于主库单表插入性能和主从数据同步开销。通过合理设计“横向”和“纵向”分表和数据切分粒度，可轻松应对上亿级别的数据量和访问请求。 快速上手： var tribe = require('tribedb'); //载入配置文件，sync选项为true 表示同步读取解析配置文件 tribe.configure('/path/to/tribe.conf',{sync:true}); //通过数据库表名建立查询请求 var db = tribe.createQuery('my_table'); //插入封装 db.data({title:'标题'}).insert(function(err, data){   console.log(err);   console.log(data); }); //查询封装 db.where('title','标题').order_by('time','DESC').limit(1).select(function(err, data){   console.log(err);   console.log(data); }); //不使用封装的操作，直接执行sql tribe.query('SELECT * FROM user_0 WHERE id=1 LIMIT 1',function(err, data){   console.log(err);   console.log(data); }); TribeDB 通过全局唯一的表名，自动连接对应的数据库，并通过分表配置，将操作映射到涉及的分表，同时完成读写分离。 一切都由 TribeDB 自动完成，业务层不必关心数据的位置。当数据库负载过高需要添加服务器时，只需简单修改配置文件而不必修改业务代码，甚至将整个架构推倒重来。继续阅读文档详细了解如何使用。 标签：TribeDB
如何用分库分表的9种分布式主键ID生成方案
m0_57768035的博客
06-26 271
前言 前段时间，我向一位在阿里的朋友寻求进大厂的秘诀，他分享给我一份阿里内部资料——JAVA核心进阶手册，仔细翻阅一番才知道里面收纳整理的知识可真是齐全，不得不来感叹一番… 我将JAVA核心进阶手册大致分为以下5篇内容 基础：多线程+网络+数据结构与算法+MySQL+Tomcat 框架：设计模式+Spring+SpringMVC+MyBatis 分布式架构：限流（ZK/Nginx）+缓存（Redis/MongoDB/Memcached）+通讯（MQ/kafka） 微服务架构：RPC+SpringBoot+
nodejs mysql 分表_数据库分库分表学习
weixin_31858863的博客
02-05 778
大型网站数据库分库分表分库分表方案：垂直&水平1、什么是垂直拆分？指的是将一个包含了很多表的数据库,根据表的功能的不同,拆分为多个小的数据库,每个库中包含部分表。、垂直拆分的另外2种用途？1)、将一个包含了很多字段的大表拆分为多个小表,每个表中包含部分字段(基本很少遇到)2)、进行服务化(SOA)的改造,除了业务上需要进行拆分,底层的存储也需要进行隔离3、垂直拆分的好处？垂直拆分会使得单个...
国密SM2算法的java和nodejs实现
林新华的博客
10-09 9361
转至 http://mp.weixin.qq.com/s/nboZAvg1qYiJIEun6yF2aQ国密即国家密码局认定的国产密码算法，即商用密码。包括对称加密（SM1） ，非对称加密(SM2) , 信息摘要(SM3). 本文介绍SM2SM2 基于 ECC实现。.国家密码局推荐ECC曲线是256位，相当于比特币的secp256k1. SM2 数学计算过程可以参考国家密码局官网的公布文档 本文介
mycat的安装及使用
qq_41683000的博客
06-23 1198
mycat的安装及使用
千万数据的分库分表(一)
xgocn的专栏
01-31 4199
单表数据量达到1000W以后，就要拆了. 背景情况 用户表达到了 几千万级别，在做很多操作都比较吃力,.所以，考虑对其进行分表. 常用的切分方案 数据的切分（Sharding）根据其切分规则的类型，可以分为两种切分模式。一种是按照不同的表（或者  Schema）来切分到不同的数据库（主机）之上，这种切可以称之为数据的垂直（纵向）切分；另外一种则是根据  表中的数据的逻辑
关于分库分表，这有一套大而全的轻量级架构设计思路
不吃_花椒的博客
04-18 5231
原来文章地址：https://www.toutiao.com/a6545626478447428103/?tt_from=weixin&amp;utm_campaign=client_share&amp;article_category=stock&amp;timestamp=1524029012&amp;app=news_article&amp;utm_source=weixin&amp;iid...
shardingsphere 分库分表
09-11
ShardingSphere是一个开源的分布式数据库中间件，用于实现分库分表。分库分表是将一个数据库按照一定的规则分成多个库或者多个表，从而达到提高数据库性能和扩展性的目的。 在ShardingSphere中，可以通过配置公共表的方式来实现分库分表。通过设置配置文件中的参数，指定需要进行分库分表的表以及相应的规则和算法。例如，在配置文件中可以设置公共表和分库分表的策略，如分库数量、分表数量、分片键的生成策略等。引用 同时，在使用ShardingSphere进行分库分表时，需要进行综合评估确定分库分表的数量。一般建议初次分库分表时，将数据库分为4-8个库。引用 分库分表可以解决一些问题，例如垂直分表可以将热门数据和冷门数据分开存储，同时将大字段放在冷门数据表中。垂直分库可以按照业务进行拆分，将不同的业务放在不同的库中，解决单一服务器性能的瓶颈，提升整体架构的业务清晰度。水平分表可以解决单一表数据量过大的问题，而水平分库可以将一个表的数据分别分到不同的库中，解决单一服务器数据量过大的问题。引用 总结来说，ShardingSphere是一个用于实现分库分表的分布式数据库中间件，通过配置公共表和分库分表的策略，可以将数据库按照一定规则进行分割，从而提高数据库性能和扩展性。分库分表的选择需要综合评估，并根据实际业务需求来确定分库分表的数量和策略。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值