【分库分表】基于mysql+shardingSphere的分库分表技术

小灰灰 2024-04-25 20:21 99阅读 0赞

**目录**

1.什么是分库分表

2.分片方法

3.测试数据

4.shardingSphere

4.1.介绍

4.2.sharding jdbc

4.3.sharding proxy

4.4.两者之间的对比

5.留个尾巴

--------------------

## 1.什么是分库分表 ##

分库分表是一种场景解决方案，它的出现是为了解决一些场景问题的，哪些场景喃？

*  单表过大的话，读请求进来，查数据需要的时间会过长
 *  读请求过多，单节点IO压力太大，IO压力太大会造成什么？可能会造成IO阻塞，造成响应速度变慢。

分库分表是指的两种维度，一种维度是分库，另一种维度是分表。分的话有两种分法，一种是水平分，另一种是垂直分。

水平分是指将数据分为多段，一个服务器节点上存放一段，读写的时候走自己要的那一段所在服务器上。一段也叫一个分片（sharding）

![88f2a044136c423d8d8d86b3dc2af63a.png][]

垂直分是指将一个库或者一个表从一个整体拆成多个部分，不同服务器上存储一部分：

![d8c1aefa1b0045208e2e8455ec1d22ef.png][]

## 2.分片方法 ##

其实总的来说分库都还好，垂直分库对应着服务拆成微服务做到资源隔离各玩儿各的，问题都还不大，而且一般不会出现水平分库，因为库里面数据多的也就某一些表，我们面对更多的是水平分表。水平分表首先要面对的就是如何分片？

分片方法有如下几种：

*  hash分片法
 *  range分片法

**hash分片法：**

主键对服务器数量取余。

![5fe2455d707f4877bd807058e84789a2.png][]

这种方式在扩容后数据需要重新散列一遍，重新散列一遍花时间吗？当然花时间，但是不散列又不行，为什么喃？举个例，原来id=12的数据散列到了0表，扩容后不迁移的话按照规则id=12的表会散列到4表，这就会导致id=12这条数据在查找的时候找不到：

![7eb6096a6d6844078611efedaaccbabf.png][]

当然hash算法可以用一致性hash算法来优化，但其数据迁移肯定是无法规避的，且一致性hash算法本身也存在无法规避的缺点。博主之前有一篇一致性hash算法的文章，可移步：

[一致性hash算法\_一直hash算法-CSDN博客][hash_hash_-CSDN]

**range分片法：**

按照编号顺序均匀的分片，好处是扩容不用散列，但是新数据往往是使用频率更高的数据，会导致压力不均匀，而且现在一般唯一ID为了安全性都是无序的，比如采用UUID做主键的时候，所以range分片法的场景适用也很有限。

![f49e6670bf2e4b4c80f98a2747b09ffc.png][]

## 3.测试数据 ##

用一张订单表来做测试数据，根据主键来分库分表：

>     create table order_(
>     id varchar(100) primary key,
>     productName VARCHAR(100),
>     productId VARCHAR(100),
>     createTime datetime,
>     statue INT
>     )ENGINE=INNODB;

准备了两个库，db01和db02都有这张订单表：

![f316390f4aa64a75af95a936ea51e0ea.png][]

依赖版本：

千万注意版本的对齐！

>     <dependencies>
>             <dependency>
>                 <groupId>org.springframework.boot</groupId>
>                 <artifactId>spring-boot-starter-web</artifactId>
>             </dependency>
>             <dependency>
>                 <groupId>org.springframework.boot</groupId>
>                 <artifactId>spring-boot-starter-test</artifactId>
>             </dependency>
>             <dependency>
>                 <groupId>org.springframework.boot</groupId>
>                 <artifactId>spring-boot-starter-actuator</artifactId>
>             </dependency>
>             
>             <dependency>
>                 <groupId>io.micrometer</groupId>
>                 <artifactId>micrometer-registry-prometheus</artifactId>
>             </dependency>
>     
>             
>             <dependency>
>                 <groupId>mysql</groupId>
>                 <artifactId>mysql-connector-java</artifactId>
>                 <version>8.0.29</version>
>             </dependency>
>             
>             <dependency>
>                 <groupId>com.baomidou</groupId>
>                 <artifactId>mybatis-plus-boot-starter</artifactId>
>                 <version>3.5.1</version>
>             </dependency>
>             
>             <dependency>
>                 <groupId>org.apache.shardingsphere</groupId>
>                 <artifactId>sharding-jdbc-spring-boot-starter</artifactId>
>                 <version>4.1.1</version>
>             </dependency>
>             
>             <dependency>
>                 <groupId>com.alibaba</groupId>
>                 <artifactId>druid</artifactId>
>                 <version>1.2.8</version>
>             </dependency>
>             <dependency>
>                 <groupId>org.projectlombok</groupId>
>                 <artifactId>lombok</artifactId>
>                 <version>1.18.24</version>
>             </dependency>
>         </dependencies>
>         
>     <dependencyManagement>
>             <dependencies>
>                 <dependency>
>                     <groupId>org.springframework.boot</groupId>
>                     <artifactId>spring-boot-dependencies</artifactId>
>                     <version>2.6.3</version>
>                     <type>pom</type>
>                     <scope>import</scope>
>                 </dependency>
>             </dependencies>
>         </dependencyManagement>

## 4.shardingSphere ##

### 4.1.介绍 ###

分片方法说起来容易，要自己去实现一个全过程的分片分表还是很繁琐的，需要手动实现多数据源，然后实现散列算法来控制读写请求映射到哪一台服务器，升级一点的功能还包括要与服务器进行心跳通信，获取服务器的信息等等。所以说还是直接用"轮子"吧。

Apache ShardingSphere 是一个开源的分布式数据库中间件解决方案，它由阿里巴巴集团开源，目前是 Apache 软件基金会旗下的顶级项目。ShardingSphere 通过提供一组与数据库交互的标准化接口（如JDBC驱动或代理服务），对上层应用隐藏了复杂的分布式数据库处理逻辑，为开发者提供了易用且功能强大的分库分表、读写分离、数据治理、弹性伸缩等功能。

ShardingSphere分为三部分：Sharding-JDBC、Sharding-Proxy、Sharding-Sidecar。

### 4.2.sharding jdbc ###

其中Sharding-JDBC，其会托管JDBC，然后支持实现分库分表、读写分离。分库分表和读写分离都是通过配置实现的，配置好数据源，然后配置好分库规则即可。当然读写分离的前提是数据库已经配置成了读写分离的模式。以下是配置示例：

>     spring:
>       application:
>         name: testDemo
>       shardingsphere:
>         datasource:
>           names: ds0,ds1
>           ds0:
>             driver-class-name: com.mysql.cj.jdbc.Driver
>             type: com.alibaba.druid.pool.DruidDataSource
>             url: jdbc:mysql://localhost:3306/db01?serverTimezone=UTC
>             username: root
>             password: admin
>           ds1:
>             driver-class-name: com.mysql.cj.jdbc.Driver
>             type: com.alibaba.druid.pool.DruidDataSource
>             url: jdbc:mysql://localhost:3306/db02?serverTimezone=UTC
>             username: root
>             password: admin
>         sharding:
>           default-database-strategy:
>             inline:
>               sharding-column: order_id
>               algorithm-expression: ds$->{order_id % 2}
>             tables:
>               t_order:
>                 actual-data-nodes: ds$->{0..1}.t_order_$->{0..1}
>                 table-strategy:
>                   inline:
>                     sharding-column: order_id
>                     algorithm-expression: t_order_$->{order_id % 2}
>           #读写分离
>           master-slave-rules:
>             ms_ds:
>               master-data-source-name: ds0
>               slave-data-source-names: ds1
>               load-balance-algorithm-type: ROUND_ROBIN #负载均衡算法
>         props:
>           sql.show: true #是否打印sql

上述YAML配置已经使用了inline表达式实现了基于order\_id字段的分库和分表规则。当然还提供了接口，对于自定义分库、分表规则，可以通过实现ShardingSphere提供的接口来自定义算法类，并在配置中引用这些类。

>     public class CustomDatabaseShardingAlgorithm implements PreciseShardingAlgorithm<Integer> {
>         @Override
>         public String doSharding(Collection<String> availableTargetNames, PreciseShardingValue<Integer> shardingValue) {
>             // 根据order_id和其他可能的业务逻辑计算数据库名称
>             int orderId = shardingValue.getValue();
>             return "ds" + (orderId % 2); // 这里仅作为示例，实际请根据业务需求编写
>         }
>     }

>     spring:
>       application:
>         name: testDemo
>       shardingsphere:
>         # ... 数据源配置 ...
>         sharding:
>           default-database-strategy:
>             precise:
>               sharding-column: order_id
>               algorithm-class-name: com.example.CustomDatabaseShardingAlgorithm
>           tables:
>             t_order:
>               actual-data-nodes: ds$->{0..1}.t_order_$->{0..1}
>               table-strategy:
>                 precise:
>                   sharding-column: order_id
>                   # 同样可以为表级别分片指定自定义算法类
>                   algorithm-class-name: com.example.CustomTableShardingAlgorithm
>           # ... 读写分离配置 ...
>         props:
>           sql.show: true

同样的，如果需要自定义分表规则，也需要创建一个实现相应接口（如PreciseShardingAlgorithm）的类，并在table-strategy部分通过algorithm-class-name属性引用它。以上示例中的CustomTableShardingAlgorithm即是一个假设存在的自定义分表策略类。请确保实际应用中已正确创建并配置此类。

### 4.3.sharding proxy ###

sharding proxy是一个中间件，也能实现分库分表和读写分离。不同于sharding jdbc需要侵入代码中对JDBC进行一个托管，sharding

proxy是无侵入式的，一个独立的组件。

sharding proxy需要先下载，然后解压、配置。

配置示例：

配置数据库的信息

![dd7b5811771a4769ac0f2cc5402525cd.png][]

然后需要导入mysql的驱动：

![6f11c6f056ce437293045474dd438a71.png][]

配置分库分表：

这里要注意了databaseName指向的数据库是一个总库，应用都会往这个库里面进行数据读写，然后由sharding proxy来向我们配置的不同数据源里进行分库分表。给出一个配置文件，大家感受一下，该配置文件基于Apache ShardingSphere 5.x版本的语法编写。不同版本可能配置项存在不同哈。

>     # config-sharding.yaml
>     
>     schemaName: testDemo  # 指定逻辑库名称
>     
>     rules:
>       - !SHARDING
>         dataSources:
>           ds0:
>             url: jdbc:mysql://localhost:3306/db01?serverTimezone=UTC
>             username: root
>             password: admin
>             connectionTimeoutMilliseconds: 30000
>             idleTimeoutMilliseconds: 60000
>             maxLifetimeMilliseconds: 1800000
>             type: com.alibaba.druid.pool.DruidDataSource
>           ds1:
>             url: jdbc:mysql://localhost:3306/db02?serverTimezone=UTC
>             username: root
>             password: admin
>             # 其他连接池属性...
>     
>         shardingRule:
>           tables:
>             t_order:
>               actualDataNodes: ds$->{0..1}.t_order_$->{0..1}
>               databaseStrategy:
>                 inline:
>                   shardingColumn: order_id
>                   algorithmExpression: ds$->{order_id % 2}
>               tableStrategy:
>                 inline:
>                   shardingColumn: order_id
>                   algorithmExpression: t_order_$->{order_id % 2}
>     
>           masterSlaveRules:
>             ms_ds:
>               masterDataSourceName: ds0
>               slaveDataSourceNames: [ds1]
>               loadBalanceAlgorithmType: ROUND_ROBIN
>     
>     props:
>       sql.show: true

### 4.4.两者之间的对比 ###

sharding jdbc是侵入了应用，托管了JDBC，对代码有侵入性。

sharding proxy是对数据库下手，其并没用侵入数据库，也没用上数据库的bin log，而是去监听数据库的端口从而来拦截下sql。

但是proxy明显可以看到是中心化的，都在向一个点来写数据，是会有性能瓶颈的。

## 5.留个尾巴 ##

不管是水平拆还是垂直拆，分库分表后一定会存在两个核心问题：

*  不好join，需要在程序层面进行join
 *  分布式事务

sharding是如何解决第一个问题的喃？首先sharding会各个节点上进行全表扫描，用类似笛卡尔积的办法聚合成最终的结果。

至于第二个问题，留在后文，我们将深入探究一下sharding生态圈是如何实现分布式事务的。除此之外还有一些尾巴要留在后文继续展开，包括：

*  sharding jdbc是如何托管JDBC的
 *  sharding proxy是否存在中心化架构带来的性能问题？有没有办法规避？

[88f2a044136c423d8d8d86b3dc2af63a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/25/5806f3f398314b25a31a898f507bf433.png
[d8c1aefa1b0045208e2e8455ec1d22ef.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/25/11a4ae5af87c4134bf160191675b0a2a.png
[5fe2455d707f4877bd807058e84789a2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/25/c4ba514d81f342aab4ede8496b192ad0.png
[7eb6096a6d6844078611efedaaccbabf.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/25/c90287c5960c45e39031a0c7bd7ffe4f.png
[hash_hash_-CSDN]: https://blog.csdn.net/Joker_ZJN/article/details/128272973?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170965704116800186577837%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=170965704116800186577837&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~rank_v31_ecpm-1-128272973-null-null.nonecase&utm_term=%E4%B8%80%E8%87%B4%E6%80%A7hash%E7%AE%97%E6%B3%95&spm=1018.2226.3001.4450
[f49e6670bf2e4b4c80f98a2747b09ffc.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/25/e2467844f3024a67b50f4b635be60c83.png
[f316390f4aa64a75af95a936ea51e0ea.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/25/9732a396e010407c9ea100f27a0b016b.png
[dd7b5811771a4769ac0f2cc5402525cd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/25/b605d52bca99463691f077107b39417f.png
[6f11c6f056ce437293045474dd438a71.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/25/63b6c1caacb446fab07004460fa421ee.png