【死磕Sharding-jdbc】---数据源

com.dangdang.ddframe.rdb.sharding.example.jdbc.Main剖析分库分表配置与实现,其部分源码如下:

public final class Main {    public static void main(final String[] args) throws SQLException {        // step1: 配置sharding数据源        DataSource dataSource = getShardingDataSource();        // step2:创建表        createTable(dataSource);        // step3:插入数据        insertData(dataSource);        printSimpleSelect(dataSource);        printGroupBy(dataSource);        printHintSimpleSelect(dataSource);        dropTable(dataSource);    }    ... ...}

接下来分析第一步,即如何创建ShardingDataSource

①ShardingDataSource

硬编码创建ShardingDataSource的核心实现源码如下:

private static ShardingDataSource getShardingDataSource() throws SQLException {    // 构造DataSourceRule,即key与数据源的KV对;    DataSourceRule dataSourceRule = new DataSourceRule(createDataSourceMap());    // 建立逻辑表是t_order,实际表是t_order_0,t_order_1的TableRule    TableRule orderTableRule = TableRule.builder("t_order").actualTables(Arrays.asList("t_order_0", "t_order_1")).dataSourceRule(dataSourceRule).build();    // 建立逻辑表是t_order_item,实际表是t_order_item_0,t_order_item_1的TableRule    TableRule orderItemTableRule = TableRule.builder("t_order_item").actualTables(Arrays.asList("t_order_item_0", "t_order_item_1")).dataSourceRule(dataSourceRule).build();    ShardingRule shardingRule = ShardingRule.builder()                .dataSourceRule(dataSourceRule)                .tableRules(Arrays.asList(orderTableRule, orderItemTableRule))                // 增加绑定表--绑定表代表一组表,这组表的逻辑表与实际表之间的映射关系是相同的。比如t_order与t_order_item就是这样一组绑定表关系,它们的分库与分表策略是完全相同的,那么可以使用它们的表规则将它们配置成绑定表,绑定表所有路由计算将会只使用主表的策略;                .bindingTableRules(Collections.singletonList(new BindingTableRule(Arrays.asList(orderTableRule, orderItemTableRule))))                // 指定数据库sharding策略--根据user_id字段的值取模                .databaseShardingStrategy(new DatabaseShardingStrategy("user_id", new ModuloDatabaseShardingAlgorithm()))                // 指定表sharding策略--根据order_id字段的值取模                .tableShardingStrategy(new TableShardingStrategy("order_id", new ModuloTableShardingAlgorithm())).build();    return new ShardingDataSource(shardingRule);}// 创建两个数据源,一个是ds_jdbc_0,一个是ds_jdbc_1,并绑定映射关系keyprivate static Map<String, DataSource> createDataSourceMap() {    Map<String, DataSource> result = new HashMap<>(2);    result.put("ds_jdbc_0", createDataSource("ds_jdbc_0"));    result.put("ds_jdbc_1", createDataSource("ds_jdbc_1"));    return result;}// 以dbcp组件创建一个数据源private static DataSource createDataSource(final String dataSourceName) {    BasicDataSource result = new BasicDataSource();    result.setDriverClassName(com.mysql.jdbc.Driver.class.getName());    result.setUrl(String.format("jdbc:mysql://localhost:3306/%s", dataSourceName));    result.setUsername("root");    // sharding-jdbc默认以密码为空的root用户访问,如果修改了root用户的密码,这里修改为真实的密码即可;    result.setPassword("");    return result;}

备注:逻辑表(LogicTable)即数据分片的逻辑表,对于水平拆分的数据库(表),同一类表的总称。例:订单数据根据订单ID取模拆分为16张表,分别是torder0到torder15,他们的逻辑表名为torder;实际表(ActualTable)是指在分片的数据库中真实存在的物理表。即这个示例中的torder0到torder_15。摘自sharding-jdbc核心概念

分表原则

根据上面的代码中 .tableShardingStrategy(newTableShardingStrategy("order_id",newModuloTableShardingAlgorithm()))这段代码可知,分表策略通过ModuloTableShardingAlgorithm.java实现,且是通过ShardingStrategy.java中的doSharding()方法调用,核心源码如下:

private Collection<String> doSharding(final Collection<ShardingValue<?>> shardingValues, final Collection<String> availableTargetNames) {    // shardingAlgorithm即sharding算法分为三种:NoneKey,SingleKey和MultipleKeys    if (shardingAlgorithm instanceof NoneKeyShardingAlgorithm) {        return Collections.singletonList(((NoneKeyShardingAlgorithm) shardingAlgorithm).doSharding(availableTargetNames, shardingValues.iterator().next()));    }    if (shardingAlgorithm instanceof SingleKeyShardingAlgorithm) {        // 得到SingleKeyShardingAlgorithm的具体实现,在ShardingStrategy的构造方法中赋值        SingleKeyShardingAlgorithm<?> singleKeyShardingAlgorithm = (SingleKeyShardingAlgorithm<?>) shardingAlgorithm;        // ShardingValue就是sharding的列和该列的值,在这里分别为order_id和1000        ShardingValue shardingValue = shardingValues.iterator().next();        // sharding列的类型分为三种:SINGLE,LIST和RANGE        switch (shardingValue.getType()) {            // 如果是where order_id=1000,那么type就是SINGLE            case SINGLE:                // doEqualSharding只返回一个值,为了doSharding()返回值的统一,用Collections.singletonList()包装成集合;                return Collections.singletonList(singleKeyShardingAlgorithm.doEqualSharding(availableTargetNames, shardingValue));            case LIST:                return singleKeyShardingAlgorithm.doInSharding(availableTargetNames, shardingValue);            case RANGE:                return singleKeyShardingAlgorithm.doBetweenSharding(availableTargetNames, shardingValue);            default:                throw new UnsupportedOperationException(shardingValue.getType().getClass().getName());        }    }    if (shardingAlgorithm instanceof MultipleKeysShardingAlgorithm) {        return ((MultipleKeysShardingAlgorithm) shardingAlgorithm).doSharding(availableTargetNames, shardingValues);    }    throw new UnsupportedOperationException(shardingAlgorithm.getClass().getName());}

  1. 如果SQL中分表列orderid条件为where orderid=?,那么shardingValue的type为SINGLE,分表逻辑走doEqualSharding();
  2. 如果SQL中分表列orderid条件为where orderid in(?, ?),那么shardingValue的type为LIST,那么分表逻辑走doInSharding();
  3. 如果SQL中分表列orderid条件为where orderid between in(?, ?),那么shardingValue的type为RANGE,那么分表逻辑走doBetweenSharding();

shardingValue的type的判断依据如下代码:

public ShardingValueType getType() {    //     if (null != value) {        return ShardingValueType.SINGLE;    }    if (!values.isEmpty()) {        return ShardingValueType.LIST;    }    return ShardingValueType.RANGE;}

表的取模核心实现源码如下:

public final class ModuloTableShardingAlgorithm implements SingleKeyTableShardingAlgorithm<Integer> {    // 分析前提,假设预期分到两个表中[t_order_0,t_order_1],且执行的SQL为SELECT o.* FROM t_order o where o.order_id=1001 AND o.user_id=10,那么分表列order_id的值为1001    @Override    public String doEqualSharding(final Collection<String> tableNames, final ShardingValue<Integer> shardingValue) {        // 遍历表名[t_order_0,t_order_1]        for (String each : tableNames) {            // 直到表名是以分表列order_id的值1001对2取模的值即1结尾,那么就是命中的表名,即t_order_1            if (each.endsWith(shardingValue.getValue() % tableNames.size() + "")) {                return each;            }        }        throw new UnsupportedOperationException();    }    @Override    public Collection<String> doInSharding(final Collection<String> tableNames, final ShardingValue<Integer> shardingValue) {        Collection<String> result = new LinkedHashSet<>(tableNames.size());        // 从这里可知,doInSharding()和doEqualSharding()的区别就是doInSharding()时分表列有多个值(shardingValue.getValues()),例如order_id的值为[1001,1002],遍历这些值,然后每个值按照doEqualSharding()的逻辑计算表名        for (Integer value : shardingValue.getValues()) {            for (String tableName : tableNames) {                if (tableName.endsWith(value % tableNames.size() + "")) {                    result.add(tableName);                }            }        }        return result;    }    @Override    public Collection<String> doBetweenSharding(final Collection<String> tableNames, final ShardingValue<Integer> shardingValue) {        Collection<String> result = new LinkedHashSet<>(tableNames.size());        // 从这里可知,doBetweenSharding()和doInSharding()的区别就是doBetweenSharding()时分表列的多个值通过shardingValue.getValueRange()得到;而doInSharding()是通过shardingValue.getValues()得到;        Range<Integer> range = shardingValue.getValueRange();        for (Integer i = range.lowerEndpoint(); i <= range.upperEndpoint(); i++) {            for (String each : tableNames) {                if (each.endsWith(i % tableNames.size() + "")) {                    result.add(each);                }            }        }        return result;    }}

  1. 如果SQL中分表列orderid条件为where orderid=?,那么分表逻辑走doEqualSharding();
  2. 如果SQL中分表列orderid条件为where orderid in(?, ?),那么分表逻辑走doInSharding();
  3. 如果SQL中分表列orderid条件为where orderid between in(?, ?),那么分表逻辑走doBetweenSharding();

这些条件判断依据代码如下,当SimpleRoutingEngine中调用routeTables()进行路由表判定时会调用下面的方法,且通过这段代码可知,sharding列只支持=,in和between的操作:

public ShardingValue<?> getShardingValue(final List<Object> parameters) {    List<Comparable<?>> conditionValues = getValues(parameters);    switch (operator) {        case EQUAL:            return new ShardingValue<Comparable<?>>(column.getTableName(), column.getName(), conditionValues.get(0));        case IN:            return new ShardingValue<>(column.getTableName(), column.getName(), conditionValues);        case BETWEEN:            return new ShardingValue<>(column.getTableName(), column.getName(), Range.range(conditionValues.get(0), BoundType.CLOSED, conditionValues.get(1), BoundType.CLOSED));        default:            throw new UnsupportedOperationException(operator.getExpression());    }}

分库原则

根据上面的代码中 .databaseShardingStrategy(newDatabaseShardingStrategy("user_id",newModuloDatabaseShardingAlgorithm()))这段代码可知,分库策略通过ModuloDatabaseShardingAlgorithm.java实现; 通过比较ModuloDatabaseShardingAlgorithm.javaModuloTableShardingAlgorithm.java,发现两者的实现逻辑完全一致,小小的区别就是ModuloDatabaseShardingAlgorithm.java根据分库的列例如 user_id进行分库;而ModuloTableShardingAlgorithm.java根据分表的列例如 order_id进行分表;所以分库在这里就不分析了;

说明:由于模块 sharding-jdbc-example-jdbc中的Main方法创建的数据库和表数量都是2,所以ModuloDatabaseShardingAlgorithm.javaModuloTableShardingAlgorithm.java的逻辑代码中写死了对2取模(% 2);这样的话,如果debug过程中,修改了数据库和表的数量为3,或者4,改动代码如下所示,就会出现问题:

private static ShardingDataSource getShardingDataSource() throws SQLException {    DataSourceRule dataSourceRule = new DataSourceRule(createDataSourceMap());    TableRule orderTableRule = TableRule            .builder("t_order")            .actualTables(Arrays.asList("t_order_0", "t_order_1", "t_order_2"))            .dataSourceRule(dataSourceRule)            .build();    TableRule orderItemTableRule = TableRule            .builder("t_order_item")            .actualTables(Arrays.asList("t_order_item_0", "t_order_item_1", "t_order_item_2"))            .dataSourceRule(dataSourceRule)            .build();    ... ...}private static Map<String, DataSource> createDataSourceMap() {    Map<String, DataSource> result = new HashMap<>(3);    result.put("ds_jdbc_0", createDataSource("ds_jdbc_0"));    result.put("ds_jdbc_1", createDataSource("ds_jdbc_1"));    result.put("ds_jdbc_2", createDataSource("ds_jdbc_2"));    return result;}

想要纠正这个潜在的错误,只需要将源代码中ModuloDatabaseShardingAlgorithm.java中的 %2改为 %dataSourceNames.size()ModuloTableShardingAlgorithm.java中的 %2改为 %tableNames.size()即可;

END

原文发布于微信公众号 - Java技术驿站(chenssy89)

原文发表时间:2018-05-15

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏分布式系统进阶

Librdkafka的基础数据结构 2 --- 定时器 原子操作与引用计数

引用了一个新的struct来将引用计数和调用信息结合起来, 使用链表来管理这个struct的对象. 每次对引用计数的操作都要操作这个链表.

10910
来自专栏MasiMaro 的技术博文

OLEDB不使用SQL语句直接打开数据表

这样的sql语句。SQL语句必然伴随着数据库的解释执行,一般来说效率比较低下,而且使用SQL语句时需要数据库支持ICommandText对象,但是在OLEDB中...

9620
来自专栏芋道源码1024

数据库分库分表中间件 Sharding-JDBC 源码分析 —— SQL 路由(二)之分库分表路由

本文主要基于 Sharding-JDBC 1.5.0 正式版 1. 概述 2. SQLRouteResult 3. 路由策略 x 算法 4. SQL 路由 5....

90060
来自专栏岑玉海

Spark源码系列(九)Spark SQL初体验之解析过程详解

好久没更新博客了,之前学了一些R语言和机器学习的内容,做了一些笔记,之后也会放到博客上面来给大家共享。一个月前就打算更新Spark Sql的内容了,因为一些别的...

48150
来自专栏Golang语言社区

go语言的sql包原理与用法分析

go的sql包是在pkg/database中,里面的两个包sql和sql/driver可以一起看。建议看这个两个包之前可以先看看sql文件夹下的doc.txt。...

30740
来自专栏IT开发技术与工作效率

VBA导入

17950
来自专栏java相关

javax顶层接口分析

11330
来自专栏用户2442861的专栏

[疯狂Java]JDBC:PreparedStatement预编译执行SQL语句

    1) SQL语句和编程语言一样,仅仅就会普通的文本字符串,首先数据库引擎无法识别这种文本字符串,而底层的CPU更不理解这些文本字符串(只懂二进制机器指...

38320
来自专栏图像识别与深度学习

蓝牙项目开发心得

34990
来自专栏数据结构与算法

SPOJ1043 GSS1(线段树)

注意查询的时候不能按照以前的方式写,因为不知道变量的下界,最稳妥的办法就是判三种情况

10910

扫码关注云+社区

领取腾讯云代金券