1：分片规则配置文件rule.xml 介绍

PS: 配置文件都沿用上一篇mycat入门配置

1.1 Funcation 标签

• name属性指定算法的名称，在该文件中唯一。
• class属性对应具体的分片算法，需要指定算法的具体类。
• property属性根据算法的要求指定。

<function name="rang-long" class="io.mycat.route.function.AutoPartitionByLong">
    <property name="mapFile">autopartition-long.txt</property>
</function>

1.2 tableRule标签

• name 属性指定分片规则的名称，要求唯一
• rule 属性指定分片算法的具体内容，包含columns 和clgorithm 两个属性
• columns 属性指定对应表中用于分片的列名
• algorithm 属性对应function 中指定的算法的名称

<tableRule name="mod-long">
    <rule>
        <columns>userID</columns>
        <algorithm>mod-long</algorithm>
    </rule>
</tableRule>

2：分片分类 - 连续分片 和离散分片

两种方式优缺点对比

2.1：连续分片

• 自定义数字范围分片
• 按日期分片
• 按单月小时分片
• 按自然月分片

2.1.1： 自定义数字范围分片

字段为数字类型

    <schema name="db_user" checkSQLschema="true" sqlMaxLimit="100">
        <table name="data_dictionary" type="global" dataNode="db_user_dataNode1,db_user_dataNode2" primaryKey="dataDictionaryID"/>
        <table name ="users" dataNode="db_user_dataNode$1-2" primaryKey="userID" rule="auto-sharding-long">
            <childTable name="user_address"  joinKey="userID" parentKey="userID" primaryKey="addressID" />
        </table>

    </schema>

rule.xml配置

• rang-long 函数中的mapFile 表示规则配置文件的路径，默认是在conf 目录下
• defaultNode为超过范围后的默认节点。

<tableRule name="auto-sharding-long">
    <rule>
        <columns>userID</columns>
        <algorithm>rang-long</algorithm>
    </rule>
</tableRule>

<function name="rang-long"class="io.mycat.route.function.AutoPartitionByLong">
    <property name="mapFile">autopartition-long.txt</property>
   <property name="defaultNode">0</property>
</function>

配置文件autopartition-long.txt

• ps 注意一下，这里的配置的节点数要小于 schema里的table的dataNode节点个数 ,否则启动mycat 会报错

# range start-end ,data node index
# K=1000,M=10000.
0-500M=0
500M-1000M=1

测试sql:

INSERT INTO `users`(userID,userName,phoneNum,age,ddID,createTime,lastUpdate) VALUES ('1000', '张1', '13611111111', '31', '2', '2018-10-10 13:39:41', '2018-10-10 13:39:41');
INSERT INTO `users`(userID,userName,phoneNum,age,ddID,createTime,lastUpdate) VALUES ('2000', '王二', '13622222222', '32', '5', '2018-10-10 13:39:41', '2018-10-10 13:39:41');
INSERT INTO `users`(userID,userName,phoneNum,age,ddID,createTime,lastUpdate) VALUES ('6000000', '李三', '13633333333', '33', '3', '2018-10-10 13:39:41', '2018-10-10 13:39:41');
INSERT INTO `users`(userID,userName,phoneNum,age,ddID,createTime,lastUpdate) VALUES ('7000000', '赵四', '13644444444', '34', '1', '2018-10-10 13:39:41', '2018-10-10 13:39:41');
INSERT INTO `users`(userID,userName,phoneNum,age,ddID,createTime,lastUpdate) VALUES ('20000000', '田五', '13655555555', '35', '3', '2018-10-10 13:39:41', '2018-10-10 13:39:41');

到这里，按范围分片接结束了，查看数据库，会发现已经按照对应的规则插进对应的分片当中了

2.1.2 按日期分片

根据时间类型字段，按月分片

修改schema.xml 文件

<schema name="db_user" checkSQLschema="true" sqlMaxLimit="100">
        <table name="data_dictionary" type="global" dataNode="db_user_dataNode1,db_user_dataNode2" primaryKey="dataDictionaryID"/>
        <table name ="users" dataNode="db_user_dataNode$1-2" primaryKey="userID" rule="sharding-by-month">
            <childTable name="user_address"  joinKey="userID" parentKey="userID" primaryKey="addressID" />
        </table>

    </schema>

修改rule.xml 文件

ps : 如果是按月分片的问题，如果插入的月份超过了节点数，则就会插入报错，而且只能插入规则中指定的同一年，比如规则中开始是2015-01-01 那就不能插入2016年

<function name="partbymonth"
        class="io.mycat.route.function.PartitionByMonth">
        <property name="dateFormat">yyyy-MM-dd hh:mm:ss</property>
        <property name="sBeginDate">2015-01-01 00:00:00</property>

    </function>

测试sql

INSERT INTO `users`(userID,userName,phoneNum,age,ddID,createTime,lastUpdate) VALUES ('1000', '张1', '13611111111', '31', '2', '2015-01-01 13:39:41', '2018-10-10 13:39:41');

INSERT INTO `users`(userID,userName,phoneNum,age,ddID,createTime,lastUpdate) VALUES ('2000', '王二', '13622222222', '32', '5', '2015-2-10 13:39:41', '2018-10-10 13:39:41');

还有按天分片 ，按小时分片，这里我就不在多介绍了，可以百度一下

3：离散分片， 这里只做一致性hash 分片介绍

离散分片规则

• 枚举分片
• 程序制定分区分片
• 十进制求模分片
• 字符串hash解析分片
• 一致性hash分片

3.1 一致性hash分片

一致性hash 有效的解决了分布式数据的扩容问题，优点在于扩容时迁移数据量比较少，前提是分片节点比较多，虚拟节点分配多些。虚拟节点分配的少就会造成数据分布不够均匀。但如果实际分片数据比较少，迁移量也会比较多。