Mysql利用ShardingSphereJDBC进行分库分表

Mysql分库分表

分库分表是为了解决数据量过大而导致数据库性能降低的问题,将原来独立的数据库拆分成若干个数据库组成，将数据库大表拆分成多个数据库表组成，使单一的数据库，单一的数据表的内容变小，从而达到提升数据库性能的目的

分库分表的方式

分库分表分为分库和分表两个部分，而这两个部分都可以统称为数据分片，其目的都是讲数据库分成不同的存储单员，另外从分拆的角度上可以分为垂直分片和水平分片

垂直分片：按照业务来对数据进行分片，又称为纵向分片。他的核心理念就是转库专用。在拆分之前，一个数据库由多个数据表组成，每个表对应不同的业务。而拆分之后，则是按照业务将表进行归类，分布到不同的数据库或表中，从而将压力分散至不同的数据库或表
水平分片：又称横向分片。相对于垂直分片，它不再将数据根据业务逻辑分类，而是通过某个字段(或某几个字段)，根据某种规则将数据分散至多个库或表中，每个分片仅包含数据的一部分。

Sharding-JDBC快速实战

核心概念：

逻辑表：水平拆分的数据库的相同逻辑和数据结构表的总称 (就是一个虚表，用来操作已经分开的数据库表文件)
真实表：在分片的数据库中真实存在的物理表。
数据节点：数据分片的最小单元。由数据源名称和数据表组成
绑定表：分片规则一致的主表和子表。
广播表：也叫公共表，指素有的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都完全一致。例如字典表。
分片键：用于分片的数据库字段，是将数据库(表)进行水平拆分的关键字段。SQL中若没有分片字段，将会执行全路由，性能会很差。
分片算法：通过分片算法将数据进行分片，支持通过=、BETWEEN和IN分片。分片算法需要由应用开发者自行实现，可实现的灵活度非常高。
分片策略：真正用于进行分片操作的是分片键+分片算法，也就是分片策略。在 ShardingJDBC中一般采用基于Groovy表达式的inline分片策略

快速实战

maven

    <!--数据库 连接池-->
        <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>druid</artifactId>
            <version>1.1.22</version>
        </dependency>
    <!--ShardingSphere  依赖-->
      <dependency>
            <groupId>org.apache.shardingsphere</groupId>
            <artifactId>sharding-jdbc-spring-boot-starter</artifactId>
            <version>4.1.1</version>
        </dependency>

分表不分库

application.propertise

#配置一个数据源
spring.shardingsphere.datasource.names=m1
spring.shardingsphere.datasource.m1.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.m1.drive-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.m1.url=jdbc:mysql://localhost:3306/coursedb?serverTimezone=GMT%2B8
spring.shardingsphere.datasource.m1.username=root
spring.shardingsphere.datasource.m1.password=root


#配置绑定表 course表两个真实表的分布情况  m1数据源内的 course1   course2
spring.shardingsphere.sharding.tables.course.actual-data-nodes=m1.course_$->{1..2}

# 配置 cid这个列需要自动生成 type采用雪花算法（推特的算法）   props配置算法 可以不用配置 有默认
spring.shardingsphere.sharding.tables.course.key-generator.column=cid
spring.shardingsphere.sharding.tables.course.key-generator.type=SNOWFLAKE
spring.shardingsphere.sharding.tables.course.key-generator.props.worker.id=1

#表策略 分片建采用cid   分片算法采用后面的表达式
spring.shardingsphere.sharding.tables.course.table-strategy.inline.sharding-column=cid
spring.shardingsphere.sharding.tables.course.table-strategy.inline.algorithm-expression=course_$->{cid%2+1}

#sql执行语句打印
spring.shardingsphere.props.sql.show=true
spring.main.allow-bean-definition-overriding=true

分库分表配置

#配置第一个数据源 名字随意起 m1
spring.shardingsphere.datasource.names=m1,m2
spring.shardingsphere.datasource.m1.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.m1.drive-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.m1.url=jdbc:mysql://localhost:3306/coursedb?serverTimezone=GMT%2B8
spring.shardingsphere.datasource.m1.username=root
spring.shardingsphere.datasource.m1.password=root
#配置第二个数据源 名字是m2
spring.shardingsphere.datasource.m2.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.m2.drive-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.m2.url=jdbc:mysql://localhost:3306/coursedb_1?serverTimezone=GMT%2B8
spring.shardingsphere.datasource.m2.username=root
spring.shardingsphere.datasource.m2.password=root

#配置绑定表 course表两个真实表的分布情况  m1数据源内的 course1   course2 或m2 内的course_1 _2
spring.shardingsphere.sharding.tables.course.actual-data-nodes=m$->{1..2}.course_$->{1..2}

# 配置 cid这个列需要自动生成 type采用雪花算法（推特的算法）   props配置算法 可以不用配置 有默认
spring.shardingsphere.sharding.tables.course.key-generator.column=cid
spring.shardingsphere.sharding.tables.course.key-generator.type=SNOWFLAKE
spring.shardingsphere.sharding.tables.course.key-generator.props.worker.id=1

#表策略 分片建采用cid   分片算法采用后面的表达式 
spring.shardingsphere.sharding.tables.course.table-strategy.inline.sharding-column=cid
spring.shardingsphere.sharding.tables.course.table-strategy.inline.algorithm-expression=course_$->{cid%2+1}
#分库策略 根据cid分库 分片算法是cid按2取模1就去m1数据库 2就去m2数据库 
spring.shardingsphere.sharding.tables.course.database-strategy.inline.sharding-column=cid
spring.shardingsphere.sharding.tables.course.database-strategy.inline.algorithm-expression=m$->{cid%2+1}

#sql执行语句打印
spring.shardingsphere.props.sql.show=true
spring.main.allow-bean-definition-overriding=true

Sharding-JDBC读写分离

spring.shardingsphere.datasource.names=m1,m2
#主库
spring.shardingsphere.datasource.m1.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.m1.drive-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.m1.url=jdbc:mysql://localhost:3306/coursedb?serverTimezone=GMT%2B8
spring.shardingsphere.datasource.m1.username=root
spring.shardingsphere.datasource.m1.password=root
#从库
spring.shardingsphere.datasource.m2.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.m2.drive-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.m2.url=jdbc:mysql://localhost:3306/coursedb_1?serverTimezone=GMT%2B8
spring.shardingsphere.datasource.m2.username=root
spring.shardingsphere.datasource.m2.password=root

#配置 主从规则 ds0是规则名字  主库的数据源 
spring.shardingsphere.sharding.master-slave-rules.ds0.master-data-source-name=m1
#配置 主从规则  从库的数据源
spring.shardingsphere.sharding.master-slave-rules.ds0.slave-data-source-names[0]=m2
#配置数据表的真实表分布情况
spring.shardingsphere.sharding.tables.t_dict.actual-data-nodes=ds0.t_dist


# 配置 cid这个列需要自动生成 type采用雪花算法（推特的算法）   props配置算法 可以不用配置 有默认
spring.shardingsphere.sharding.tables.t_dict.key-generator.column=t_id
spring.shardingsphere.sharding.tables.t_dict.key-generator.type=SNOWFLAKE
spring.shardingsphere.sharding.tables.t_dict.key-generator.props.worker.id=1
##绑定表
#spring.shardingsphere.sharding.binding-tables[0]=t_user,t_dict

#sql执行语句打印
spring.shardingsphere.props.sql.show=true
spring.main.allow-bean-definition-overriding=true