ShardingSphere-jdbc实战

阳光穿透心脏的1/2处 2023-09-29 21:23 10阅读 0赞

#### ShardingSphere-jdbc实战 ####

*  前言
 *   *  ShardingSphere实战操作
     *   *  1 创建数据库
         *  2 使用shardingsphere jdbc
         *  3 复合分片算法
         *  4 ID 生成器

## 前言 ##

> ShardingSphere-JDBC 是 Apache ShardingSphere 的第一个产品，现已更名为 ShardingSphere。 定位为轻量级 Java 框架，在 Java 的 JDBC 层提供的额外服务。 它使用客户端直连数据库，以 jar 包形式提供服务，无需额外部署和依赖，可理解为增强版的 JDBC 驱动，完全兼容 JDBC 和各种 ORM 框架。

在学习Sharding-JDBC分库分表之前，我们有必要先了解分库分表的一些知识。

**分库分表**

一般的机器（4核16G），单库的MySQL并发（QPS+TPS）超过了2k，系统基本就完蛋了。最好是并发量控制在1k左右。这里就引出一个问题，为什么要分库分表？

> 分库分表目的：解决高并发，和数据量大的问题。

分库分表的维度有两个：垂直和水平

*  水平拆分 ：把一个库或者一个表的数据，按照时间，地区或者某个业务键划分到不同的表或者不同的库中，拆分过后每个库表结构是一致的
 *  垂直拆分 ：把一个大表拆分成多个小表，每个库表的结构都不一样，从而达到冷热字段拆分，也可以按照业务进行垂直分库，如分成用户库，订单库，拆分过后每个库表都只包含部分字段  
    ![在这里插入图片描述][747aacc173334c6181fc48c65c585982.png]  
    一般公司都会按照上图的模式进行拆分，先按照业务进行垂直分库，然后再根据需要分表的库进行水平拆分。

**核心概念**

1、分片

一般我们在提到分库分表的时候，大多是以水平切分模式（水平分库、分表）为基础来说的，而分片的可以理解为用于数据库（表）水平拆分的数据库字段，这个字段就叫做分片键，SQL 中如果无分片字段，将执行全路由，性能较差

2、逻辑表or真实表

逻辑表非真实存在的表，如一个订单表order，select \* from order,这里的order指的就是逻辑表，并不存在，如果我们将order拆分成order\_1,order\_2…order\_n,其中order\_n才是真实存在的物理表

3、数据节点  
![在这里插入图片描述][598689cd5b7c48b2b91b260fa0ae479b.png]  
数据分片的最小单元，它由数据源名称和数据表组成，例如上图中 order\_db\_1.t\_order\_0就表示一个数据节点。

4、分布式主键

数据分⽚后，不同数据节点⽣成全局唯⼀主键是⾮常棘⼿的问题，同⼀个逻辑表（t\_order）内的不同真实表（t\_order\_n）之间的⾃增键由于⽆法互相感知而产⽣重复主键，而sharding 内置了UUID、SNOWFLAKE 两种分布式主键⽣成器，默认使⽤雪花算法（snowflake）⽣成64bit的⻓整型数据。不仅如此它还抽离出分布式主键⽣成器的接口，⽅便我们实现⾃定义的⾃增主键⽣成算法。

5、分片策略&分片算法

分片策略只是抽象出的概念，它是由分片算法和分片健组合而成，分片算法做具体的数据分片逻辑。从执行 SQL 的角度来看，分库分表可以看作是一种路由机制，把 SQL 语句路由到我们期望的数据库或数据表中并获取数据，分片算法可以理解成一种路由规则。

分片策略：

标准分片策略（StandardShardingStrategy）

仅支持单分片键，可提供对SQL语句中的=, >, <, >=, <=, IN和BETWEEN AND的分片操作支持。  
复合分片策略（ComplexShardingStrategy）

与标准分片一致，但支持多分片键  
行表达式分片策略（InlineShardingStrategy）

使用Groovy的表达式，提供对SQL语句中的=和IN的分片操作支持，只支持单分片键  
Hint分片策略 （HintShardingStrategy）

强制路由到某库某表，此策略无需配置分片键，但需要通过外部 HintManager 指定分库、分表信息  
不分片策略（NoneShardingStrategy）  
分片算法：

精确分片算法（PreciseShardingAlgorithm）

用于处理使用单一键作为分片键的=与IN进行分片的场景。需要配合StandardShardingStrategy使用，且是Standard策略必须算法。  
范围分片算法（RangeShardingAlgorithm）

用于处理使用单一键作为分片键的BETWEEN AND、>、<、>=、<=进行分片的场景。需要配合StandardShardingStrategy使用，是Standard策略可选算法。  
复合分片算法（ComplexKeysShardingAlgorithm）

用于处理使用多键作为分片键进行分片的场景，包含多个分片键的逻辑较复杂，需要应用开发者自行处理其中的复杂度。需要配合ComplexShardingStrategy使用。  
Hint分片算法（HintShardingAlgorithm）

用于处理使用Hint行分片的场景。需要配合HintShardingStrategy使用。  
值得注意的是，sharding只提供了算法的接口，具体算法的实现还需要我们自己去实现。

列举了怎么多的分片策略，分片算法，大家一定很懵，下面来看一些具体的案例

**配置**

sharding提供了4种配置方式，java API、YAML、Spring Boot Starter、Spring命名空间，用于不同的使用场景。 通过配置，应用开发者可以灵活的使用数据分片、读写分离、数据加密、影子库等功能，并且能够叠加使用。

下面我们通过YAML和java API两种方式来测试

### ShardingSphere实战操作 ###

#### 1 创建数据库 ####

![dec39efc3fbeb925d920ffe41f1b0155.png][]

*  首先在navicat中，创建4个库，分别是：ds\_0，ds\_1，ds\_2，ds\_3 ;
 *  在 doc 文档中 ，分别在 4个库里执行 init.sql 语句 ，执行后效果见上图 。

我们还是以订单表举例 ，当用户创建一条记录 ， 会生成如下记录：

1.  订单基础表 ： t\_ent\_order 表 , 1条记录 ；
2.  订单详情表： t\_ent\_order\_detail ，1条记录；
3.  订单明细表： t\_ent\_order\_item , 多条记录 。

那我们使用怎样的分库分表策略呢 ？

1.  订单基础表 t\_ent\_order 按照 ent\_id (企业编号) 分库 ，订单详情表保持一致；
2.  订单明细表 t\_ent\_order\_item 按照 ent\_id (企业编号) 分库 ， 同时也要分表 。

#### 2 使用shardingsphere jdbc ####

首先配置依赖：

<dependency>
        <groupId>org.apache.shardingsphere</groupId>
        <artifactId>sharding-jdbc-spring-boot-starter</artifactId>
        <version>4.1.1</version>
    </dependency>

重点强调， 原来分库分表之前， 很多 springboot 工程依赖 druid ，必须要删除如下的依赖：

<dependency>
        <groupId>com.alibaba</groupId>
        <artifactId>druid-spring-boot-starter</artifactId>
    </dependency>

在配置文件中配置如下：

shardingsphere:
      datasource:
        enabled: true
        names: ds0,ds1,ds2,ds3
        ds0:
          type: com.alibaba.druid.pool.DruidDataSource
          driverClassName: com.mysql.cj.jdbc.Driver
          url: jdbc:mysql://127.0.0.1:3306/ds_0?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=GMT%2B8&useTimezone=true
          username: root
          password: ilxw
        ds1:
          type: com.alibaba.druid.pool.DruidDataSource
          driverClassName: com.mysql.cj.jdbc.Driver
          url: jdbc:mysql://127.0.0.1:3306/ds_1?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=GMT%2B8&useTimezone=true
          username: root
          password: ilxw
        ds2:
          type: com.alibaba.druid.pool.DruidDataSource
          driverClassName: com.mysql.cj.jdbc.Driver
          url: jdbc:mysql://127.0.0.1:3306/ds_2?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=GMT%2B8&useTimezone=true
          username: root
          password: ilxw
        ds3:
          type: com.alibaba.druid.pool.DruidDataSource
          driverClassName: com.mysql.cj.jdbc.Driver
          url: jdbc:mysql://127.0.0.1:3306/ds_3?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=GMT%2B8&useTimezone=true
          username: root
          password: ilxw
      props:
        # 日志显示 SQL
        sql.show: true
      sharding:
        tables:
          # 订单表基础表
          t_ent_order:
            # 真实表
            actualDataNodes: ds$->{0..3}.t_ent_order
            # 分库策略
            databaseStrategy:
              complex:
                sharding-columns: id,ent_id
                algorithm-class-name: com.courage.shardingsphere.jdbc.service.sharding.HashSlotAlgorithm
            # 分表策略
            tableStrategy:
              none:
          # 订单条目表
          t_ent_order_item:
            # 真实表
            actualDataNodes: ds$->{0..3}.t_ent_order_item_$->{0..7}
            # 分库策略
            databaseStrategy:
              complex:
                sharding-columns: id,ent_id
                algorithm-class-name: com.courage.shardingsphere.jdbc.service.sharding.HashSlotAlgorithm
            # 分表策略
            tableStrategy:
              complex:
                sharding-columns: id,ent_id
                algorithm-class-name: com.courage.shardingsphere.jdbc.service.sharding.HashSlotAlgorithm
          # 订单详情表
          t_ent_order_detail:
            # 真实表
            actualDataNodes: ds$->{0..3}.t_ent_order_detail
            # 分库策略
            databaseStrategy:
               complex:
                  sharding-columns: id,ent_id
                  algorithm-class-name: com.courage.shardingsphere.jdbc.service.sharding.HashSlotAlgorithm
            # 分表策略
            tableStrategy:
                complex:
                  sharding-columns: id,ent_id
                  algorithm-class-name: com.courage.shardingsphere.jdbc.service.sharding.HashSlotAlgorithm
        bindingTables:
          - t_ent_order,t_ent_order_detail

配置很简单，需要配置如下几点：

1.  配置数据源，上面配置数据源是： ds0, ds1 , ds2 , ds3 ；
2.  配置打印日志，也就是：sql.show ，在测试环境建议打开 ，便于调试；
3.  配置哪些表需要分库分表 ，在shardingsphere.datasource.sharding.tables 节点下面配置。
    
    ![04f64152e3483882dd102baf01febe00.png][]
    
    标红的是分库算法 ，下面的分表算法也是一样的。
    
    #### 3 复合分片算法 ####
    
    假设现在需要将订单表平均拆分到4个分库 shard0 ，shard1 ，shard2 ，shard3 。首先将 \[0-1023\] 平均分为4个区段：\[0-255\]，\[256-511\]，\[512-767\]，\[768-1023\]，然后对字符串（或子串，由用户自定义）做 hash， hash 结果对1024取模，最终得出的结果 **slot** 落入哪个区段，便路由到哪个分库。
    
    ![915b5240fc52e86ac4f863cd1c764c47.png][]
    
    路由算法 ，可以和 **雪花算法** 天然融合在一起， 订单 **order\_id** 使用雪花算法，我们可以将  **slot** 的值保存在 **10位工作机器ID** 里。
    
    ![e626a499b072a7a92e7f4c66dd537e68.png][]
    
    通过订单 **order\_id**  可以反查出 **slot** , 就可以定位该用户的订单数据存储在哪个分区里。
    
        Integer getWorkerId(Long orderId) {
              
         Long workerId = (orderId >> 12) & 0x03ff;
         return workerId.intValue();
        }
    
    接下来，我们看下分库分表算法的 JAVA 实现 ，因为我们需要按照主键 ID ，还有用户ID 来查询订单信息，那么我们必须实现复合分片 , 也就是实现 **ComplexKeysShardingAlgorithm** 类。
    
    ![b9f8c2abdec3dfcb2e22b70ad50769ac.png][]

#### 4 ID 生成器 ####

![0398a749c958049b0f739d5ebc578508.png][]

![653c18a9e0aa2d780e71f41ed36917f0.png][]

1.  查询本地内存，判定是否可以从本地队列中获取 currentTime , seq 两个参数 ，若存在，直接组装；
2.  若不存在，调用 redis 的 INCRBY 命令 ，这里需要传递一个步长值，便于放一篇数据到本地内存里；
3.  将数据回写到本地内存 ；
4.  重新查询本地内存，本地队列中获取 currentTime , seq 两个参数 ，组装最后的结果，返回给生成器 。

源码地址：[https://github.com/makemyownlife/shardingsphere-jdbc-demo][https_github.com_makemyownlife_shardingsphere-jdbc-demo]

[747aacc173334c6181fc48c65c585982.png]: https://img-blog.csdnimg.cn/747aacc173334c6181fc48c65c585982.png
[598689cd5b7c48b2b91b260fa0ae479b.png]: https://img-blog.csdnimg.cn/598689cd5b7c48b2b91b260fa0ae479b.png
[dec39efc3fbeb925d920ffe41f1b0155.png]: https://img-blog.csdnimg.cn/img_convert/dec39efc3fbeb925d920ffe41f1b0155.png
[04f64152e3483882dd102baf01febe00.png]: https://img-blog.csdnimg.cn/img_convert/04f64152e3483882dd102baf01febe00.png
[915b5240fc52e86ac4f863cd1c764c47.png]: https://img-blog.csdnimg.cn/img_convert/915b5240fc52e86ac4f863cd1c764c47.png
[e626a499b072a7a92e7f4c66dd537e68.png]: https://img-blog.csdnimg.cn/img_convert/e626a499b072a7a92e7f4c66dd537e68.png
[b9f8c2abdec3dfcb2e22b70ad50769ac.png]: https://img-blog.csdnimg.cn/img_convert/b9f8c2abdec3dfcb2e22b70ad50769ac.png
[0398a749c958049b0f739d5ebc578508.png]: https://img-blog.csdnimg.cn/img_convert/0398a749c958049b0f739d5ebc578508.png
[653c18a9e0aa2d780e71f41ed36917f0.png]: https://img-blog.csdnimg.cn/img_convert/653c18a9e0aa2d780e71f41ed36917f0.png
[https_github.com_makemyownlife_shardingsphere-jdbc-demo]: https://github.com/makemyownlife/shardingsphere-jdbc-demo