一、前言

常用分库分表的框架或中间件有MyCat和Sharding-JDBC。MyCat是基于中间件的形式，shrrding-jdbc是基于本地jar包的类库。sharding-jdbc属于ShardingSphere体系的一个组件，ShardingSphere体系也有Sharding-Proxy，和MyCat一样，是独立部署的中间件。但sharding-jdbc与其不冲突，今天主要是学习了Sharding-JDBC。现将学习心得记录在这里，方便自己学习和他人参考（估计也不会有人看TAT）。

二、先动手简单写个小demo

（一）数据准备

这里用两个库，一张逻辑表，一个库两张真实表来演示。

sql脚本(基于mysql):

CREATE TABLE `t_order_1` (
`id` bigint(20) NOT NULL,
`user_id` bigint(20) NOT NULL,
`order_id` bigint(20) NOT NULL,
`order_no` varchar(30) NOT NULL,
`isactive` tinyint(4) NOT NULL DEFAULT '1',
`inserttime` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP,
`updatetime` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

每个库t_order_1和t_order_2各建一张。

（一）引入jar包

maven引入当前最新的jar包：

<dependency>
<groupId>org.apache.shardingsphere</groupId>
<artifactId>sharding-jdbc-core</artifactId>
<version>4.0.0-RC1</version>
</dependency>

（三）编写真实数据源的方法

采取java配置方式，官方支持javaConfig、yml等配置方式，我这里用的是JavaConfig。

先将数据源信息写入yml：

sharding:
datasources:
test1:
driver-class-name: com.mysql.jdbc.Driver
password: 123456
url: jdbc:mysql://localhost:3306/test1?useUnicode=true&characterEncoding=UTF-8&serverTimezone=UTC&useSSL=false
username: root
test2:
driver-class-name: com.mysql.jdbc.Driver
password: 123456
url: jdbc:mysql://localhost:3306/test2?useUnicode=true&characterEncoding=UTF-8&serverTimezone=UTC&useSSL=false
username: root

然后建个配置信息类,保存所有的数据源信息：

@Component
@ConfigurationProperties(prefix = "sharding")
@Data
public class DataSourceInfo {
private Map<String, Map<String,String>> datasources;
}

对应的，创建真实数据源的方法，等会sharding-jdbc会用这些数据源封装为一个统一数据源入口。

public class DataSourceUtil {
public static DataSource createDataSource(String data,DataSourceInfo dataSourceInfo){
DataSourceBuilder dataSourceBuilder = DataSourceBuilder.create();
dataSourceBuilder.url(dataSourceInfo.getDatasources().get(data).get("url"));
dataSourceBuilder.driverClassName(dataSourceInfo.getDatasources().get(data).get("driver-class-name"));
dataSourceBuilder.username(dataSourceInfo.getDatasources().get(data).get("username"));
dataSourceBuilder.password(dataSourceInfo.getDatasources().get(data).get("password"));
DataSource dataSource = dataSourceBuilder.build();
return dataSource;
}
}

(四)配置sharding-JDBC的数据源

/**
* @author chenzhicong
* @time 2019/8/21 16:40
* @description
*/
@Configuration
public class ShardingJdbcConfig {
@Autowired
private DataSourceInfo dataSourceInfo;
@Bean(name = "shardingDataSource")
@Primary
DataSource getShardingDataSource() throws SQLException {
ShardingRuleConfiguration shardingRuleConfig = new ShardingRuleConfiguration();
//添加t_order表逻辑表的分片规则配置对象
shardingRuleConfig.getTableRuleConfigs().add(getOrderTableRuleConfiguration());
//shardingRuleConfig.getTableRuleConfigs().add(getOrderItemTableRuleConfiguration());
//添加绑定表
//shardingRuleConfig.getBindingTableGroups().add("t_order, t_order_item");
//添加广播表
//shardingRuleConfig.getBroadcastTables().add("t_config");
//设置分库策略
//参数：第一个为分片列名称，第二个分片算法行表达式，需符合groovy语法
shardingRuleConfig.setDefaultDatabaseShardingStrategyConfig(new InlineShardingStrategyConfiguration("user_id", "test${user_id % 2 + 1}"));
//设置分表策略
//这里一般不用行表达式分片策略，因为涉及的逻辑表名有多个，一般自己实现一个标准分片策略
shardingRuleConfig.setDefaultTableShardingStrategyConfig(new InlineShardingStrategyConfiguration("order_id", "t_order_${order_id % 2}"));
return ShardingDataSourceFactory.createDataSource(createDataSourceMap(), shardingRuleConfig, new Properties());
}

private static KeyGeneratorConfiguration getKeyGeneratorConfiguration() {
KeyGeneratorConfiguration result = new KeyGeneratorConfiguration("SNOWFLAKE", "id");
return result;
}
/**
* 获取订单表分片规则配置对象
*/
TableRuleConfiguration getOrderTableRuleConfiguration() {
//第一个参数是逻辑表名称（logicTable），第二个参数是actualDataNodes（真实数据节点），由数据源名 + 表名组成，以小数点分隔（inline表达式）缺省表示使用已知数据源与逻辑表名称生成数据节点
TableRuleConfiguration result = new TableRuleConfiguration("t_order", "test${1..2}.t_order${0..1}");

result.setKeyGeneratorConfig(getKeyGeneratorConfiguration());
return result;
}
/**
* 获取订单商品表分片规则配置对象
*/
TableRuleConfiguration getOrderItemTableRuleConfiguration() {
TableRuleConfiguration result = new TableRuleConfiguration("t_order_item", "test${1..2}.t_order_item${0..1}");
return result;
}

Map<String, DataSource> createDataSourceMap() {
Map<String, DataSource> result = new HashMap<>();
result.put("test1", DataSourceUtil.createDataSource("test1",dataSourceInfo));
result.put("test2", DataSourceUtil.createDataSource("test2",dataSourceInfo));
return result;
}
}

（五）将统一的sharding-jdbc数据源引入mybatis

@Configuration
@MapperScan(basePackages = "com.czc.study.mybatis.dao", sqlSessionFactoryRef = "sessionFactory")
public class SessionFactoryConfig {
@Bean
public SqlSessionFactory sessionFactory(DataSource shardingDataSource) throws Exception {
final SqlSessionFactoryBean sessionFactory = new SqlSessionFactoryBean();
sessionFactory.setDataSource(shardingDataSource);
return sessionFactory.getObject();
}
}

注意了，这里的@MapperScan是tkMybatis的MapperScan注解（不要踩坑了）。

三、sharding-jdbc概念介绍

（一）名词解释

• 数据节点 表示一张真实表。
• 逻辑表 表示逻辑意义上的一张表，对于写业务代码的人来说所有sql都是操作的逻辑表
• 绑定表 分片规则一致的主表和子表。配置时可以指定绑定表，sharding-jdbc将基于绑定表优化查询

（二）分片

分片有库分片和表分片，指的是我们数据在库和表间分布的策略。

sharding-jdbc提供多种分片策略，在配置时用了策略模式，需要传入特定算法来初始化，算法由我们自己实现，提供最大自由度。，包括：

• 标准分片策略

对应的Java类对象是StandardShardingStrategy，可传入的算法对象是PreciseShardingAlgorithm和RangeShardingAlgorithm两个分片算法，前者是精确分片算法，用于处理分片键in或=的查询关系，后增是范围分片算法，用于处理between and 的查询关系。在配置时，我们需要自己实现。比如精确分片算法的方法是：

String doSharding(Collection<String> availableTargetNames, PreciseShardingValue<T> shardingValue);

其中availableTargetNames代表的是可用的库或表，shardingValue封装的是分片键（携带逻辑表名，字段名、值），该方法实现需要返回库名或者表名，代表数据分布到哪个库或哪个表。后面介绍的算法对象都是类似这样的接口，就不多介绍了。

• 复合分片策略

对应策略类对象ComplexShardingStrategy，提供对SQL语句中的=, IN和BETWEEN AND的分片操作支持。对应算法对象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。这个也没有实际操作过，就不多介绍了。

• 行表达式分片策略

对应InlineShardingStrategy策略类对象，该策略类初始化有传入分片键和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。 我们demo中用的就是这个。

• Hint分片策略

对应HintShardingStrategy。通过Hint而非SQL解析的方式分片的策略。对应算法对象HintShardingAlgorithm，主要用于分片字段非SQL决定，而由其他外置条件决定的场景。

（三）再来看看路由策略

路由策略指的是根据分片策略shrad-jdbc将把原始sql路由到哪些库执行。具体方式有：

• 直接路由，通过Hint（使用HintAPI直接指定路由至库表）方式分片，并且是只分库不分表的前提下将进行直接路由
• 标准路由，不包含关联查询或仅包含绑定表之间关联查询的SQL将进行标准路由，业务需求不变的话，效率是最优的。
• 笛卡尔路由，没有绑定表关系，又有一些级联操作，会触发笛卡尔路由。

比如原始SQL是：

SELECT * FROM t_order o JOIN t_order_item i ON o.order_id=i.order_id  WHERE order_id IN (1, 2);

如果有绑定键

SELECT * FROM t_order_0 o JOIN t_order_item_0 i ON o.order_id=i.order_id  WHERE order_id IN (1, 2);
SELECT * FROM t_order_1 o JOIN t_order_item_1 i ON o.order_id=i.order_id  WHERE order_id IN (1, 2);

但没有绑定键的话，不能确定order_id相等表的序号也相等，于是：

SELECT * FROM t_order_0 o JOIN t_order_item_0 i ON o.order_id=i.order_id  WHERE order_id IN (1, 2);
SELECT * FROM t_order_0 o JOIN t_order_item_1 i ON o.order_id=i.order_id  WHERE order_id IN (1, 2);
SELECT * FROM t_order_1 o JOIN t_order_item_0 i ON o.order_id=i.order_id  WHERE order_id IN (1, 2);
SELECT * FROM t_order_1 o JOIN t_order_item_1 i ON o.order_id=i.order_id  WHERE order_id IN (1, 2);

• 广播路由，不携带分片键的SQL，将进行广播路由，广播路由分为全库表路由、全实例路由、单播路由、阻断路由，我们只需要了解全库表路由即可，其他的SQL都不属于crud，全库表路由值得是针对一个SQL，sharding-jdbc会在所有库都执行一次。

• 图示：

（四）SQL改写相关功能

针对，逻辑SQL（表示业务代码中写的sql）,某些情况sharding-jdbc将会对其进行改写，主要情况有：

• 标识符改写，指的是将逻辑sql中的表名改为真实表名。
• 补列，主要是针对order by和GROUP BY，归并结果之前必须获取分组字段或排序字段，所以改写后的sql查询结果会有分组或排序字段
• 分页修正，对于排序分页，会改写为Limit总是从0开始，获取正确的排序结果，再归并筛选。
• 批量拆分，批量插入时拆不同的SQL到不同的库执行，或In查询时，根据分片策略针对每个库的分片键范围，缩小IN查询条件的范围。

需要注意的是，对于单节点路由，则不会进行改写。

（五）关于归并

对于排序、分组排序的归并不一定将查询结果搞到内存，然后在内存中进行归并，sharding-jdbc有流式分组归并的概念，即每一次从结果集中获取到的数据，都能够通过逐条获取的方式返回正确的单条数据。但对于分组排序的要求必须是SQL的排序项与分组项的字段以及排序类型（ASC或DESC）。

四、小结

关于sharding-jdbc的核心概念和配置demo就总结到这里，大概对其有了一定了解，再总结一下配置的方式首先是先获取到各个真实数据源的datasource对象，然后创建分片规则配置对象ShardingRuleConfiguration，通过分片规则配置对象添加各个逻辑表的分片规则配置对象TableRuleConfiguration（这里可以配置各个TableRuleConfiguration的主键生成策略，可以选择使用用雪花算法），然后添加各个绑定表组，通过传入自己实现的算法配置分片策略（这里需要注意，最好每个表都有相同的字段作为分片键，这样比较好处理-个人看法，可能有可能不对，因为也没有经历过生产实践），然后再通过ShardingDataSourceFactory结合真实数据源创建统一的ShardingDataSource，最后注入到我们自己的持久层框架使用的数据源中就行了。