shardingJdbc专题系列(一)之shardingJdbc简介

分库分表的概念已经炒了很久了，我也很久没有写博客了，这段确实有点忙，前段时间恰好在公司分享了一下关于shardingJdbc的用法，索性整理成文章，希望能对大家有帮助。

分库分表这种概念，个人认为应该还是属于技术发展过程中的一种过渡方案，如果有一天mysql支持高性能水平扩展，或者出现了更为成熟的数据库产品，那么这种技术也就没有存在的必要了。

这一讲我们主要介绍 一些概念性的东西。

一。分库分表简介

1.1 为什么要使用分库分表

分表前提： 当单表数据量太大，会极大的影响sql的执行性能，这时sql会跑的很慢。根据实战经验来说，当单表到几百万的时候，性能就会有所下降

分库前提：单库而言，最大的并发可能就2000左右，但是一个健壮的单库来说最好的并发保持在1000左右。单数据库增大或者并发增加的时候，可以将一个库的数据拆分到多个库中

1.2 什么时候进行分库分表

阿里巴巴手册如是说道。

二。 ShardingSphere 简介

官网地址： http://shardingsphere.apache.org/index_zh.html

ShardingSphere 已于2020年4月16日成为 Apache 软件基金会的顶级项目。

Apache ShardingSphere - 版本: 5.0.0-alpha ( 发布日期: Nov 10, 2020 )

功能列表：

数据分片

• 分库 & 分表
• 读写分离
• 分片策略定制化
• 无中心化分布式主键

分布式事务

• 标准化事务接口
• XA 强一致事务
• 柔性事务

数据库治理

• 分布式治理
• 弹性伸缩
• 可视化链路追踪
• 数据加密

2.2 水平拆分和垂直拆分

垂直拆分： 也叫纵向拆分，指的是按照业务将库/表，进行分类，分出来的各个部分结构不同。

水平拆分： 将同一个库/表拆分成多个结构相同的库/表

2.3 核心概念

• 逻辑表： 水平拆分的数据表的相同逻辑和数据结构表的总称。例如：订单表根据主键拆分为10张表，分别是t_order_0到 t_order_9, 那么他们的逻辑表名为t_order
• 真实表： 在分片的数据库中真实存在的物理表。即上个示例中的t_order_0到t_order_9
• 数据节点：数据分片的最小单元。有数据源名称和数据表组成，例如：ds_0.t_order_0
• 绑定表：指分片规则一致的主表和字表。例如t_order表和t_order_item表，均按照order_id分片，则这两张表为绑定表关系。绑定表之间的多表关联查询不会出现笛卡尔积关联，关联效率将大大提升。

  SELECT i.* FROM t_order o JOIN t_order_item i ON o.order_id=i.order_id WHERE o.order_id in (10, 11);

• 广播表：指所有分片数据源中都存在的表，表结构和表中的数据在每个数据库中均完全一致。适用于数据量不大且需要与海量数据的表进相关联查询的场景，例如：字典表

2.4 四种分片算法

• 精确分片算法 - PreciseShardingAlgorithm 用于处理使用单一键做为分片键的 = 与 in 进行分片的场景。需要配合StandardShardingStrategy使用。
• 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。需要配合配合StandardShardingStrategy使用
• 复合分片算法 - ComplexKeysShardingAlgorithm 用于处理使用多键做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 注 ： 我们在业务开发中，经常有根据用户id 查询某用户的记录列表，又有根据某个业务主键查询该用户的某记录的需求，这就需要用到复合分片算法。比如，订单表中，我们既需要查询某个userId的某时间段内的订单列表数据，又需要根据orderId查询某条订单数据。这里，orderId与userId就属于复合分片键。
• Hint分片算法 - HintShardingAlgorithm Hint分片指的是对于分片字段非SQL决定，而是由其他外置条件决定的场景，可以通过使用SQL Hint 灵活注入分片字段。 Hint分片策略是绕过SQL解析的，因此能够通过实现该算法来实现sharding-jdbc不支持的语法限制。用于处理使用Hint行分片的场景，需要配合HintShardingStrategy使用

2.5 五种分片策略

• 标准分片策略 - StandardShardingStrategy 提供对SQL语句中的 = ， in, between and的分片操作支持。StandardShardingStrategy只支持单分片键，提供PreciseShardingAlgorithm和RangeShardingAlgorithm两个算法。 PreciseShardingAlgorithm是必选的，用于处理 = 和 in分片。PreciseShardingAlgorithm是可选的，用于处理 Between and分片，如果不配置RangeShardingAlgorithm，Sql中的between and将按照全库路由处理。
• 复合分片策略 - ComplexShardingStrategy 提供对SQL语句中的=，in, 和between and的分片操作支持。ComplexShardingStrategy支持多分片键，由于多分片键之间的关系复杂，因此并未进行过多封装，而是直接将分片键值组合以及分片操作符透传至分片算法，完全由应用开发者实现，提供最大的灵活度。
• 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。使用简单的分片算法，可以通过简单的配置使用，从而避免繁琐的java代码开发，如 t_user$->{u_id%8}表示t_user表根据u_id模8，而分成8张表，表名为 t_user_0 到 t_user_7
• Hint分片策略 - HintShardingStrategy 通过Hint而非SQL解析的方式进行分片的策略
• 不分片策略 - NoneShardingStrategy 该策略为不分片策略

关于一些概念性的东西我们就介绍到这，写一篇文章我们进行实战