大话业界常见数据库分库分表中间件介绍
Cobar（已经被淘汰）
TDDL： 淘宝根据自己的业务特点开发了TDDL（Taobao Distributed Data Layer）,它是基于JDBC规范，没有Server，以client-jar的形式存储，引入项目即可使用。开源的功能比较少，阿里内部使用为主。
MyCat： Java语言编写的Mysql数据网络协议开源的中间件，它的前身是Cobar，遵守Mysql原生的协议，跨语言，跨平台，跨数据库的通用中间件代理。Mycat是基于Proxy，它腹泻了MySQL协议，将Mycat Server伪装成一个MySQL数据库，它和ShardingShere下的Sharding-proxy作用类似，需要单独的部署。
官网地址：www.mycat.org.cn/
Sharding-JDBC： 基于jdbc驱动，不用额外的proxy，支持任意实现JDBC规范的数据库，它使用客户端直连数据库，以jar包形式提供服务，无需额外的部署和依赖。可以理解为加强版的JDBC驱动，兼容JDBC和各类ORM框架
面试官最爱问的Mycat与ShardingJdbc区别
1、两者的设计理念是相同的，主流程都是SQL解析->SQL路由->SQL改写->结果并归
2、sharding-jdbc是基于jdbc驱动，不用额外的proxy，在本地应用层重写Jdbc原生的方法，实现数据库分片形式。sharding-jdbc是基于JDBC接口的扩展，是以jar包的形式提供轻量级服务的，性能高，代码有入侵性。
3、Mycat是基于Proxy，它复写了MySQL协议，将Mycat Server伪装成一个MySQL数据库，客户端所有的jdbc请求都必须要先交给MyCat，再有MyCat转发到具体的真实服务器，缺点效率偏低，中间包装类一层，代码无侵入性。
ShardingSphere的三大构成
ShardingSphere-Sidecar（规划中）： 定位为Kubernetes的云原生数据库代理，以Sidecar的形式代理所有对数据库的访问，通过无中心、零侵入的方案提供与数据库交互的啮合层，就是Database Mesh，又被称为数据库网格。
ShardingSphere-JDBC： 它使用客户端直连数据库，以jar包形式提供服务，无需额外部署和依赖，可以理解为增强版的JDBC驱动，完全兼容JDBC和各种ORM框架。适用于任何基础JDBC的ORM框架，比如JPA，Hibernate,Mybatis或者直接使用JDBC。支持任何第三方的数据库俩啮齿，比如DBCP，C3P0，BoneCP，HikariCP等等。还支持任意实现JDBC规范的数据库，目前支持MySQL、PostgreSQL、Oracle、SQLServer以及任何可使用 JDBC访问的数据库。采用无中心化架构，与应用程序共享资源，适用于Java开发的高性能轻量级OLTP应用。
ShardingSphere-Proxy： 数据库代理端，提供封装了数据库二进制协议的服务端版本，用于完成对异构语言的支持，向应用程序完全透明，可以直接当做MySQL/PostgreSQL。它可以使用任何兼容MySQL/PostgreSQL协议的访问客户端（比如像：MySQL Command Client，MySQL Workbench，Navicat等）操作数据。
三个组件的对比
Sharding-JDBC常见概念术语
数据节点Node：数据分片的最小单元，由数据源名称和数据表组成，如：ds_0.product_order_0
真实表：在分片的数据库中真实存在的物理表，比如订单表：product_order_0、product_order_1、product_order_2。
逻辑表：水平拆分的数据库（表）的相同逻辑和数据结构表的总称，如：订单表 product_order_0、product_order_1、product_order_2，逻辑表就是product_order
绑定表：指的是分片规则<typo id="typo-1990" data-origin="一直" ignoretag="true">一致</typo>的主表和子表，如：product_order表和product_order_item表，均按照order_id分片，则此两张表互为绑定表关系。绑定表之间的多表关联查询不会出现笛卡尔<typo id="typo-2082" data-origin="积" ignoretag="true">积</typo><typo id="typo-2083" data-origin="关联" ignoretag="true">关联</typo>，关联查询效率将大大提升
广播表：指所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均完全一致，适用于数据量不大且需要与海量数据的表进行关联查询的场景。例如：字典表、配置表
分库分表和Sharding-jdbc常见分片算法
数据库表分片（水平库、表）： 包含了分片键与分片策略
分片键： 用于分片的数据库字段，是把数据库（表）水平拆分<typo id="typo-2264" data-origin="除了" ignoretag="true">除了</typo>对单分片字段的支持，ShardingSphere也支持根据多个字段进行分片的关键字段，如prouduct_order订单表，根据订单号 out_trade_no做哈希取模，则out_trade_no是分片键.。
分片策略
行表达式分片策略InlineShardingStrategy（必备）： 只支持【单片分键】使用的Groovy的表达式，提供SQL语句中的=和IN的分片操作支持，可以通过简单的配置使用，无需自定义分片算法，从而避免繁琐的Java代码开发。
prouduct_order_$->{user_id % 8}` 表示订单表根据user_id模8，而分成8张表，
表名称为`prouduct_order_0`到`prouduct_order_7
标准分片策略StandardShardingStrategy： 只支持【单分片键】，提供PreciseShardingAlgorithm和RangeShardingAlgorithm两个分片算法，PreciseShardingAlgorithm 精准分片 是必选的，用于处理=和IN的分片而RangeShardingAlgorithm 范围分配 是可选的，用于处理BETWEEN AND分片，如果不配置RangeShardingAlgorithm，如果SQL中用了BETWEEN AND语法，则将按照全库路由处理，性能下降。
复合分片策略ComplexShardingStrategy： 支持【多分片键】，多分片键之间的关系复杂，由开发者自己实现，提供最大的灵活度，提供对SQL语句中的=, IN和BETWEEN AND的分片操作支持。
Hint分片策略HintShardingStrategy： 这种分片策略无需配置分片健，分片健值也不再<typo id="typo-3027" data-origin="从" ignoretag="true">从</typo> SQL中解析，外部手动指定分片健或分片库，让 SQL在指定的分库、分表中执行，用于处理使用Hint行分片的场景，通过Hint而非SQL解析的方式分片的策略，Hint策略会绕过SQL解析的，对于这些比较复杂的需要分片的查询，Hint分片策略性能可能会更好。
ShardingSphere实战
SQL脚本
CREATE TABLE `product_order_0` (
`id` bigint NOT NULL AUTO_INCREMENT,
`out_trade_no` varchar(64) DEFAULT NULL COMMENT '订单唯一标识',
`state` varchar(11) DEFAULT NULL COMMENT 'NEW 未支付订单,PAY已经支付订单,CANCEL超时取消订单',
`create_time` datetime DEFAULT NULL COMMENT '订单生成时间',
`pay_amount` decimal(16,2) DEFAULT NULL COMMENT '订单实际支付价格',
`nickname` varchar(64) DEFAULT NULL COMMENT '昵称',
`user_id` bigint DEFAULT NULL COMMENT '用户id',
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin;
实体类（用的mybatiplus）
@Data
@EqualsAndHashCode(callSuper = false)
@TableName("product_order")
public class ProductOrderDO {
@TableId(value = "id", type = IdType.AUTO)
private Long id;
private String outTradeNo;
private String state;
private Date createTime;
private Double payAmount;
private String nickname;
private Long userId;
}
//数据库实体类
public interface ProductOrderMapper extends BaseMapper<ProductOrderDO> {
}
配置文件
server.port=8080
spring.application.name=xdclass-jdbc
logging.level.root=INFO
# 打印执行的数据库以及语句
spring.shardingsphere.props.sql.show=true
# 数据源 db0
spring.shardingsphere.datasource.names=ds0
# 第一个数据库
spring.shardingsphere.datasource.ds0.type=com.zaxxer.hikari.HikariDataSource
spring.shardingsphere.datasource.ds0.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.ds0.jdbc-url=jdbc:mysql://120.25.217.15:3306/shop_order_0?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=Asia/Shanghai&allowPublicKeyRetrieval=true
spring.shardingsphere.datasource.ds0.username=root
spring.shardingsphere.datasource.ds0.password=xdclass.net168
# 指定product_order表的数据分布情况，配置数据节点,行表达式标识符使用 ${...} 或 $->{...}，但前者与 Spring 本身的文件占位符冲突，所以在 Spring 环境中建议使用 $->{...}
spring.shardingsphere.sharding.tables.product_order.actual-data-nodes=ds0.product_order_$->{0..1}
# 指定product_order表的分片策略，分片策略包括【分片键和分片算法】
spring.shardingsphere.sharding.tables.product_order.table-strategy.inline.sharding-column=user_id
spring.shardingsphere.sharding.tables.product_order.table-strategy.inline.algorithm-expression=product_order_$->{user_id % 2}
单元测试
@RunWith(SpringRunner.class) //底层用junit SpringJUnit4ClassRunner
@SpringBootTest(classes = DemoApplication.class)
@Slf4j
public class DbTest {
@Autowired
private ProductOrderMapper productOrderMapper;
@Test
public void testSaveProductOrder(){
for(int i=0;i<10;i++){
ProductOrder productOrder = new ProductOrder();
productOrder.setCreateTime(new Date());
productOrder.setNickname("程序员小三i="+i);
productOrder.setOutTradeNo(UUID.randomUUID().toString().substring(0,32));
productOrder.setPayAmount(100.00);
productOrder.setState("PAY");
productOrder.setUserId(Long.valueOf(i+""));
productOrderMapper.insert(productOrder);
}
}
}
控制台SQL
Login SQL：逻辑SQL，没具体到哪一个数据节点
Actual SQL：真实SQL，具体到每一个数据节点的SQL
作者：零零后程序员小三
链接：https://juejin.cn/post/7061854754644688932
