号外：Sharding-JDBC 支持单库分表和多数据源

我现在遇到的场景：有n多个数据库，其中有的是单库分表的，有的是单库单表，现在要在一个服务上集成所有的库，多数据源是必不可少的，但是单库分表的多数据源还是第一次遇到，sharding-jdbc是一个优秀的分表中间件，如果大家不知道sharding-jdbc怎么使用的话，可以自行了解，网上的资料很多， 今天我们就是用它来完成我们的需求

• 搭建mybatis plus的多数据源配置
• 集成sharding-jdbc的jar
• 完成sharding-jdbc的多数据源配置
• 结果展示

1. 搭建mybatis的多数据源配置

加载mybatis plus的maven配置 我是用的版本是3.0.7
<dependency>
    <groupId>com.baomidou</groupId>
    <artifactId>mybatis-plus-boot-starter</artifactId>
    <version>${mybatis.version}</version>
</dependency>        

然后在我们的yaml文件中配置上我们连接数据库的连接，例如：

xxx.datasource.url=jdbc:mysql://xxx:3306/xxx?useUnicode=true&characterEncoding=utf8&autoReconnect=true&failOverReadOnly=false&zeroDateTimeBehavior=convertToNull
xxx.datasource.username=root
xxx.datasource.password=xxx
xxx.datasource.driverClassName=com.mysql.jdbc.Driver        

2. 集成sharding-jdbc的jar

配置maven 我是的版本是4.0.0
<dependency>
    <groupId>org.apache.shardingsphere</groupId>
    <artifactId>sharding-jdbc-core</artifactId>
    <version>${sharding-sphere.version}</version>
</dependency>

3. 完成sharding-jdbc的多数据源配置

@Configuration
@MapperScan(basePackages = "com.xxx.xxx.dao.community", sqlSessionFactoryRef = "shardingSqlSessionFactory")
public class ShardingDataSourceConfig {

    @Value("${xxx.datasource.url}")
    private String url;

    @Value("${xxx.datasource.username}")
    private String user;

    @Value("${xxx.datasource.password}")
    private String password;

    @Value("${xxx.datasource.driverClassName}")
    private String driverClass;

    @Autowired
    private PaginationInterceptor paginationInterceptor;

    @Bean(name = "communityDataSource")
    public DataSource dataSource() throws SQLException {
        return mybatisDataSource();
    }

    //分表算法
    @Resource
    private MyPreciseShardingAlgorithm myPreciseShardingAlgorithm;


    private DataSource mybatisDataSource() throws SQLException {

        DruidDataSource dataSource = new DruidDataSource();
        dataSource.setDriverClassName(driverClass);
        dataSource.setUrl(url);
        dataSource.setUsername(user);
        dataSource.setPassword(password);

        /* 配置初始化大小、最小、最大 */
        dataSource.setInitialSize(1);
        dataSource.setMinIdle(1);
        dataSource.setMaxActive(20);

        /* 配置获取连接等待超时的时间 */
        dataSource.setMaxWait(60000);

        /* 配置间隔多久才进行一次检测，检测需要关闭的空闲连接，单位是毫秒 */
        dataSource.setTimeBetweenEvictionRunsMillis(60000);

        /* 配置一个连接在池中最小生存的时间，单位是毫秒 */
        dataSource.setMinEvictableIdleTimeMillis(300000);

        dataSource.setTestWhileIdle(true);
        dataSource.setTestOnBorrow(false);
        dataSource.setTestOnReturn(false);

        /* 打开PSCache，并且指定每个连接上PSCache的大小。
           如果用Oracle，则把poolPreparedStatements配置为true，
           mysql可以配置为false。分库分表较多的数据库，建议配置为false */
        dataSource.setPoolPreparedStatements(false);
        dataSource.setMaxPoolPreparedStatementPerConnectionSize(20);

        /* 配置监控统计拦截的filters */
        dataSource.setFilters("stat,wall");

        return dataSource;
    }

    //创建数据源，需要把分库的库都传递进去
    //@Bean("dataSource")

    @Bean("dataSource")
    public DataSource dataSource(@Qualifier("xxxDataSource") DataSource xxx) throws SQLException {
        // 配置真实数据源
        Map<String, DataSource> dataSourceMap = new HashMap<String, DataSource>();
        dataSourceMap.put("xxx", xxx);
        ShardingRuleConfiguration shardingRuleConfig = new ShardingRuleConfiguration();
        //如果有多个数据表需要分表，依次添加到这里
        shardingRuleConfig.getTableRuleConfigs().add(getOrderTableRuleConfiguration());
        // shardingRuleConfig.getTableRuleConfigs().add(getOrderItemTableRuleConfiguration());
        Properties p = new Properties();
        p.setProperty("sql.show", Boolean.TRUE.toString());
        // 获取数据源对象
        DataSource dataSource = ShardingDataSourceFactory.createDataSource(dataSourceMap, shardingRuleConfig, p);
        return dataSource;
    }

    // 创建SessionFactory
    @Bean(name = "shardingSqlSessionFactory")
    public SqlSessionFactory shardingSqlSessionFactory(@Qualifier("dataSource") DataSource dataSource) throws Exception {
        MybatisSqlSessionFactoryBean sessionFactory = new MybatisSqlSessionFactoryBean();
        sessionFactory.setDataSource(dataSource);
        sessionFactory.setMapperLocations(new PathMatchingResourcePatternResolver().getResources("classpath:mapper/xxx/*.xml"));
        sessionFactory.setPlugins(new Interceptor[]{paginationInterceptor});
        return sessionFactory.getObject();
    }

    // 创建事务管理器
    @Bean("shardingTransactionManger")
    public DataSourceTransactionManager shardingTransactionManger(@Qualifier("dataSource") DataSource dataSource) {
        return new DataSourceTransactionManager(dataSource);
    }

    // 创建SqlSessionTemplate
    @Bean(name = "shardingSqlSessionTemplate")
    public SqlSessionTemplate shardingSqlSessionTemplate(@Qualifier("shardingSqlSessionFactory") SqlSessionFactory sqlSessionFactory) {
        return new SqlSessionTemplate(sqlSessionFactory);
    }

    private TableRuleConfiguration getOrderTableRuleConfiguration() {
        TableRuleConfiguration result = new TableRuleConfiguration("aaa","bbb.aaa_$->{0..99}");
        result.setTableShardingStrategyConfig(new StandardShardingStrategyConfiguration("aaa_id",myPreciseShardingAlgorithm));
        return result;
    }
}

我来解释一下关键部分的代码

TableRuleConfiguration result = new TableRuleConfiguration("aaa","bbb.aaa_$->{0..9}");
result.setTableShardingStrategyConfig(new StandardShardingStrategyConfiguration("aaa_id",myPreciseShardingAlgorithm));

这是sharding-jdbc配置的关键所在，“aaa”,“bbb.aaa_$->{0…99}”： aaa表示分表的逻辑名称，bbb表示数据库，{0…99}这段代码的表示aaa_0至aaa_9十个表，aaa_id 表示分片键，myPreciseShardingAlgorithm是我自己实现的分片算法

#实现sharding-jdbc的精确分片算法的接口
public class MyPreciseShardingAlgorithm implements PreciseShardingAlgorithm<Integer> {

    @Override
    public String doSharding(Collection<String> availableTargetNames, PreciseShardingValue<Integer> shardingValue) {
        return shardingValue.getLogicTableName()+"_"+shardingValue.getValue() % 10 + "";
    }

}

从shardingValue中可以获取到逻辑表名称和aaa_id,算法可以自己去实现，体现sharding-jdbc很灵活

4. 结果展示

结果日志打印出来了，我这里可以从其他表获取所有的分片键，所以用到了分片算法，相对来说，快了一下，但是如果没有用到分片键，就要全表扫描了

希望可以帮助到跟我遇到同样问题的同学，这个方式肯定没问题，如果有问题，可以给我留言