分布式数据库中间件之sharding-jdbc

Posted 2020-10-31 杨天乐

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了分布式数据库中间件之sharding-jdbc相关的知识，希望对你有一定的参考价值。

小编今天在做Sharding-jdbc时出现了一些问题，就上网百一百，发现网上的sharding-jdbc的参考是挺少的，唉还是要继续学习看文档。

Sharding-jdbc介绍

Sharding-JDBC是当当应用框架ddframe中，关系型数据库模块dd-rdb中分离出来的数据库水平扩展框架，即透明化数据库分库分表访问。

在互联网高并发的时代，为了应付DB的高并发读写，我们会采用读写分离技术。读写分离指的是利用数据库主从技术（把数据复制到多个节点中），分散读多个库以支持高并发的读，而写只在master库上。DB的主从技术只负责对数据进行复制和同步，而读写分离技术需要业务应用自身去实现。sharding-jdbc通过简单的开发，可以方便的实现读写分离技术。

读写分离实现

库和表结构设计图：

代码示例

这里我采用了SSH来做的测试(Spring+Struts2+Hibernate)配置请参考: http://www.cnblogs.com/niechen/p/8619713.html

这里我们采用yml的方式进行分库分表，这里只演示了分表,分库的原理是一样的首先创建sharding-jdbc-core.yml文件

dataSources:
  ds: !!com.alibaba.druid.pool.DruidDataSource
    driverClassName: com.mysql.jdbc.Driver
    url: jdbc:mysql://localhost:3306/数据库
    username: root
    password: 

shardingRule:
  tables:
    class:
      actualDataNodes: ds.class_${0..3}
      tableStrategy:
        inline:
          shardingColumn: id
          algorithmExpression: class_${id % 4}
      keyGeneratorColumnName: id

  defaultKeyGeneratorClass: com.bdqn.lyrk.ssh.study.generator.MyKeyGenerator

采用了4张表为例子

这里简单介绍一下上面是数据的拆分这里只做了一个数据源 !!后面跟的是我们使用的那种数据源有很多dbcp等等..这里用的阿里的druid，后面的不用多说了吧

下面是对表的拆分

class：代表的是逻辑表名

actualDataNodes：数据源名.class_${0..3} 也就是class_0,class_1,class_2,class_3对应的这三张表 ,如果是多个数据源的话就是：数据源名_${....}.class_${0..3}

tableStategy下面的参数是设置拆表的规范

shardingColumn：根据哪一列来约定拆表，一般我们都根据主键所以这里是id

algorithmExpression：约定了拆表的规则，这里是4张表对应0,1,2,3，那么如果对4求余那么值肯定在0~3之间，那么所以是class_${id % 4}

keyGeneratorColumnName：这里指定的是id的生成器

defaultKeyGenerotorClass：指定对应我们自己的生成器

package com.bdqn.lyrk.ssh.study.generator;

import io.shardingjdbc.core.keygen.KeyGenerator;
import org.springframework.context.annotation.Configuration;

import java.util.Random;

/**
 * @author 杨天乐
 * @date 2018/4/16 21:10
 */
@Configuration
public class MyKeyGenerator implements KeyGenerator {
    @Override
    public Number generateKey() {
        Random random = new Random();
        int rom= random.nextInt(100);
        return rom;
    }
}

View Code

注意这里用Random生成不要用Math来生成，不然会有小数，那么一定找不到对应的表，这是小编今天遇到坑爹的问题之一。

接下来我们要加载刚才配置的yml，我们创建一个ShardingJdbcConfig.java

package com.bdqn.lyrk.ssh.study.config;

import io.shardingjdbc.core.api.ShardingDataSourceFactory;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

import javax.sql.DataSource;
import java.io.File;
import java.io.IOException;
import java.sql.SQLException;

/**
 * @author 杨天乐
 * @date 2018/4/16 17:10
 */
@Configuration
public class ShardingJdbcConfig {

    @Bean
    public DataSource dataSource() throws IOException, SQLException {
        DataSource dataSource = ShardingDataSourceFactory.createDataSource(new File(
                ShardingJdbcConfig.class.getClassLoader().getResource("sharding-jdbc-core.yml").getFile()));
        return dataSource;
    }
}