Mycat水平拆分之十种分片规则

亦凉 2021-11-23 01:54 245阅读 0赞

水平切分分片实现
 
 配置schema.xml 在同一个mysql数据库中，创建了三个数据库 testdb1，testdb2，testdb3。并在每个库中都创建了user表
 
 
 <?xml version="1.0"?>
 <!DOCTYPE mycat:schema SYSTEM "schema.dtd">
 <mycat:schema xmlns:mycat="http://io.mycat/">
 
 <schema name="testdb" checkSQLschema="false" sqlMaxLimit="100” >
 <!——指定rule 分片规则-->
 <table name="user" dataNode="dn1,dn2,dn3" rule="sharding-by-intfile" />
 </schema>
 
 <dataNode name="dn1" dataHost="host" database="testdb1" />
 <dataNode name="dn2" dataHost="host" database="testdb2" />
 <dataNode name="dn3" dataHost="host" database="testdb3" />
 
 <dataHost name="host" maxCon="1000" minCon="10" balance="0"
 writeType="0" dbType="mysql" dbDriver="native">
 <heartbeat>select 1</heartbeat>
 <writeHost host="hostM1" url="localhost:3306" user="root" password="123" />
 </dataHost>
 
 </mycat:schema>
 
 配置server.xml
 <?xml version="1.0" encoding="UTF-8"?>
 <!DOCTYPE mycat:server SYSTEM "server.dtd">
 <mycat:server xmlns:mycat="http://io.mycat/">
 <system>
 <property name="defaultSqlParser">druidparser</property>
 </system>
 <user name="mycat">
 <property name="password">mycat</property>
 <property name="schemas">testdb</property>
 </user>
 </mycat:server>
 
 配置rule.xml
 <?xml version="1.0" encoding="UTF-8"?>
 <!DOCTYPE mycat:rule SYSTEM "rule.dtd">
 <mycat:rule xmlns:mycat="http://io.mycat/“>
 <tableRule name="sharding-by-intfile">
 <rule>
 <columns>sharding_id</columns>
 <algorithm>hash-int</algorithm>
 </rule>
 </tableRule>
 
 <function name="hash-int"
 class="io.mycat.route.function.PartitionByFileMap">
 <property name="mapFile">partition-hash-int.txt</property>
 </function>
 </mycat:rule>
 
 
 
 
 常用的分片规则：总共十个（基本够用）
 
 一、枚举法
 <tableRule name="sharding-by-intfile">
 <rule>
 <columns>user_id</columns>
 <algorithm>hash-int</algorithm>
 </rule>
 </tableRule>
 <function name="hash-int" class="io.mycat.route.function.PartitionByFileMap">
 <property name="mapFile">partition-hash-int.txt</property>
 <property name="type">0</property>
 <property name="defaultNode">0</property>
 </function>
 
 partition-hash-int.txt 配置：
 10000=0
 10010=1
 上面columns 标识将要分片的表字段，algorithm 分片函数，
 其中分片函数配置中，mapFile标识配置文件名称，type默认值为0，0表示Integer，非零表示String，
 所有的节点配置都是从0开始，及0代表节点1
 /**
 * defaultNode 默认节点:小于0表示不设置默认节点，大于等于0表示设置默认节点,结点为指定的值
 * 
 默认节点的作用：枚举分片时，如果碰到不识别的枚举值，就让它路由到默认节点
 * 如果不配置默认节点（defaultNode值小于0表示不配置默认节点），碰到
 * 不识别的枚举值就会报错，
 * like this：can't find datanode for sharding column:column_name val:ffffffff 
 */
 
 二、固定分片hash算法
 <tableRule name="rule1">
 <rule>
 <columns>user_id</columns>
 <algorithm>func1</algorithm>
 </rule>
 </tableRule>
 
 <function name="func1" class="io.mycat.route.function.PartitionByLong">
 <property name="partitionCount">2,1</property>
 <property name="partitionLength">256,512</property>
 </function>
 配置说明：
 上面columns 标识将要分片的表字段，algorithm 分片函数，
 partitionCount 分片个数列表，partitionLength 分片范围列表
 分区长度:默认为最大2^n=1024 ,即最大支持1024分区
 约束 :
 count,length两个数组的长度必须是一致的。
 1024 = sum((count[i]*length[i])). count和length两个向量的点积恒等于1024
 用法例子：
 @Test
 public void testPartition() {
 // 本例的分区策略：希望将数据水平分成3份，前两份各占25%，第三份占50%。（故本例非均匀分区）
 // |<---------------------1024------------------------>|
 // |<----256--->|<----256--->|<----------512---------->|
 // | partition0 | partition1 | partition2 |
 // | 共2份,故count[0]=2 | 共1份，故count[1]=1 |
 int[] count = new int[] { 2, 1 };
 int[] length = new int[] { 256, 512 };
 PartitionUtil pu = new PartitionUtil(count, length);
 
 // 下面代码演示分别以offerId字段或memberId字段根据上述分区策略拆分的分配结果
 int DEFAULT_STR_HEAD_LEN = 8; // cobar默认会配置为此值
 long offerId = 12345;
 String memberId = "qiushuo";
 
 // 若根据offerId分配，partNo1将等于0，即按照上述分区策略，offerId为12345时将会被分配到partition0中
 int partNo1 = pu.partition(offerId);
 
 // 若根据memberId分配，partNo2将等于2，即按照上述分区策略，memberId为qiushuo时将会被分到partition2中
 int partNo2 = pu.partition(memberId, 0, DEFAULT_STR_HEAD_LEN);
 
 Assert.assertEquals(0, partNo1);
 Assert.assertEquals(2, partNo2);
 }
 
 如果需要平均分配设置：平均分为4分片，partitionCount*partitionLength=1024
 <function name="func1" class="org.opencloudb.route.function.PartitionByLong">
 <property name="partitionCount">4</property>
 <property name="partitionLength">256</property>
 </function>
 
 三、范围约定
 <tableRule name="auto-sharding-long">
 <rule>
 <columns>user_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>
 </function>
 # range start-end ,data node index
 # K=1000,M=10000.
 0-500M=0
 500M-1000M=1
 1000M-1500M=2
 或
 0-10000000=0
 10000001-20000000=1
 
 
 配置说明：
 上面columns 标识将要分片的表字段，algorithm 分片函数，
 rang-long 函数中mapFile代表配置文件路径
 所有的节点配置都是从0开始，及0代表节点1，此配置非常简单，即预先制定可能的id范围到某个分片
 
 四、求模法
 <tableRule name="mod-long">
 <rule>
 <columns>user_id</columns>
 <algorithm>mod-long</algorithm>
 </rule>
 </tableRule>
 <function name="mod-long" class="io.mycat.route.function.PartitionByMod">
 
 <property name="count">3</property>
 </function>
 
 配置说明：
 上面columns 标识将要分片的表字段，algorithm 分片函数，
 此种配置非常明确即根据id与count（你的结点数）进行求模预算，相比方式1，此种在批量插入时需要切换数据源，id不连续
 
 五、日期列分区法
 <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">2014-01-01</property>
 <property name="sPartionDay">10</property>
 </function>
 配置说明：
 上面columns 标识将要分片的表字段，algorithm 分片函数，
 配置中配置了开始日期，分区天数，即默认从开始日期算起，分隔10天一个分区
 
 还有一切特性请看源码
 
 
 Assert.assertEquals(true, 0 == partition.calculate("2014-01-01"));
 Assert.assertEquals(true, 0 == partition.calculate("2014-01-10"));
 Assert.assertEquals(true, 1 == partition.calculate("2014-01-11"));
 Assert.assertEquals(true, 12 == partition.calculate("2014-05-01"));
 
 
 
 六、通配取模
 <tableRule name="sharding-by-pattern">
 <rule>
 <columns>user_id</columns>
 <algorithm>sharding-by-pattern</algorithm>
 </rule>
 </tableRule>
 <function name="sharding-by-pattern" class="io.mycat.route.function.PartitionByPattern">
 <property name="patternValue">256</property>
 <property name="defaultNode">2</property>
 <property name="mapFile">partition-pattern.txt</property>
 
 </function>
 partition-pattern.txt 
 # id partition range start-end ,data node index
 ###### first host configuration
 1-32=0
 33-64=1
 65-96=2
 97-128=3
 ######## second host configuration
 129-160=4
 161-192=5
 193-224=6
 225-256=7
 0-0=7
 配置说明：
 上面columns 标识将要分片的表字段，algorithm 分片函数，patternValue 即求模基数，defaoultNode 默认节点，如果不配置了默认，则默认是0即第一个结点
 mapFile 配置文件路径
 配置文件中，1-32 即代表id%256后分布的范围，如果在1-32则在分区1，其他类推，如果id非数字数据，则会分配在defaoultNode 默认节点
 
 
 String idVal = "0";
 Assert.assertEquals(true, 7 == autoPartition.calculate(idVal));
 idVal = "45a";
 Assert.assertEquals(true, 2 == autoPartition.calculate(idVal));
 
 七、ASCII码求模通配
 <tableRule name="sharding-by-prefixpattern">
 <rule>
 <columns>user_id</columns>
 <algorithm>sharding-by-prefixpattern</algorithm>
 </rule>
 </tableRule>
 <function name="sharding-by-pattern" class="io.mycat.route.function.PartitionByPrefixPattern">
 <property name="patternValue">256</property>
 <property name="prefixLength">5</property>
 <property name="mapFile">partition-pattern.txt</property>
 
 </function>
 
 partition-pattern.txt
 
 # range start-end ,data node index
 # ASCII
 # 48-57=0-9
 # 64、65-90=@、A-Z
 # 97-122=a-z
 ###### first host configuration
 1-4=0
 5-8=1
 9-12=2
 13-16=3
 ###### second host configuration
 17-20=4
 21-24=5
 25-28=6
 29-32=7
 0-0=7
 配置说明：
 上面columns 标识将要分片的表字段，algorithm 分片函数，patternValue 即求模基数，prefixLength ASCII 截取的位数
 mapFile 配置文件路径
 配置文件中，1-32 即代表id%256后分布的范围，如果在1-32则在分区1，其他类推 
 
 此种方式类似方式6只不过采取的是将列种获取前prefixLength位列所有ASCII码的和进行求模sum%patternValue ,获取的值，在通配范围内的
 即 分片数，
 /**
 * ASCII编码：
 * 48-57=0-9阿拉伯数字
 * 64、65-90=@、A-Z
 * 97-122=a-z
 *
 */
 如 
 
 String idVal="gf89f9a";
 Assert.assertEquals(true, 0==autoPartition.calculate(idVal));
 
 idVal="8df99a";
 Assert.assertEquals(true, 4==autoPartition.calculate(idVal));
 
 idVal="8dhdf99a";
 Assert.assertEquals(true, 3==autoPartition.calculate(idVal));
 
 八、编程指定
 <tableRule name="sharding-by-substring">
 <rule>
 <columns>user_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> 
 <property name="size">2</property>
 <property name="partitionCount">8</property>
 <property name="defaultPartition">0</property>
 </function>
 配置说明：
 上面columns 标识将要分片的表字段，algorithm 分片函数 
 此方法为直接根据字符子串（必须是数字）计算分区号（由应用传递参数，显式指定分区号）。
 例如id=05-100000002
 在此配置中代表根据id中从startIndex=0，开始，截取siz=2位数字即05，05就是获取的分区，如果没传默认分配到defaultPartition
 
 九、字符串拆分hash解析
 <tableRule name="sharding-by-stringhash">
 <rule>
 <columns>user_id</columns>
 <algorithm>sharding-by-stringhash</algorithm>
 </rule>
 </tableRule>
 <function name="sharding-by-substring" class="io.mycat.route.function.PartitionByString">
 <property name=length>512</property> 
 <property name="count">2</property>
 <property name="hashSlice">0:2</property>
 </function>
 配置说明：
 上面columns 标识将要分片的表字段，algorithm 分片函数 
 函数中length代表字符串hash求模基数，count分区数，hashSlice hash预算位
 即根据子字符串 hash运算
 
 hashSlice ： 0 means str.length(), -1 means str.length()-1
 
 /**
 * "2" -> (0,2) 
 * "1:2" -> (1,2) 
 * "1:" -> (1,0) 
 * "-1:" -> (-1,0) 
 * ":-1" -> (0,-1) 
 * ":" -> (0,0) 
 */
 public class PartitionByStringTest {
 
 @Test
 public void test() {
 PartitionByString rule = new PartitionByString();
 String idVal=null;
 rule.setPartitionLength("512");
 rule.setPartitionCount("2");
 rule.init();
 rule.setHashSlice("0:2");
 // idVal = "0";
 // Assert.assertEquals(true, 0 == rule.calculate(idVal));
 // idVal = "45a";
 // Assert.assertEquals(true, 1 == rule.calculate(idVal));
 
 
 
 //last 4
 rule = new PartitionByString();
 rule.setPartitionLength("512");
 rule.setPartitionCount("2");
 rule.init();
 //last 4 characters
 rule.setHashSlice("-4:0");
 idVal = "aaaabbb0000";
 Assert.assertEquals(true, 0 == rule.calculate(idVal));
 idVal = "aaaabbb2359";
 Assert.assertEquals(true, 0 == rule.calculate(idVal));
 }
 
 十、一致性hash
 <tableRule name="sharding-by-murmur">
 <rule>
 <columns>user_id</columns>
 <algorithm>murmur</algorithm>
 </rule>
 </tableRule>
 <function name="murmur" class="io.mycat.route.function.PartitionByMurmurHash">
 <property name="seed">0</property>
 <property name="count">2</property>
 
 
 </function>
 
 一致性hash预算有效解决了分布式数据的扩容问题，前1-9中id规则都多少存在数据扩容难题，而10规则解决了数据扩容难点