Sharding-JDBC:单库分表的实现

剧情回顾

前面，我们一共学习了读写分离，垂直拆分，垂直拆分+读写分离。对应的文章分别如下：

Sharding-JDBC:查询量大如何优化？

Sharding-JDBC:垂直拆分怎么做？

通过上面的优化，已经能满足大部分的需求了。只有一种情况需要我们再次进行优化，那就是单表的数量急剧上升，超过了1千万以上，这个时候就要对表进行水平拆分了。

表的水平拆分是什么？

就是将一个表拆分成N个表，就像一块大石头，搬不动，然后切割成10块，这样就能搬的动了。原理是一样的。

除了能够分担数量的压力，同时也能分散读写请求的压力，当然这个得看你的分片算法了，合理的算法才能够让数据分配均匀并提升性能。

今天我们主要讲单库中进行表的拆分，也就是不分库，只分表。

既分库也分表的操作后面再讲，先来一幅图感受下未分表：

然后再来一张图感受下已分表：

从上图我们可以看出，user表由原来的一个被拆分成了4个，数据会均匀的分布在这3个表中，也就是原来的user=user0+user1+user2+user3。

分表配置

首先我们需要创建4个用户表，如下：

CREATE TABLE `user_0`(
	id bigint(64) not null,
	city varchar(20) not null,
	name varchar(20) not null,
	PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

CREATE TABLE `user_1`(
	id bigint(64) not null,
	city varchar(20) not null,
	name varchar(20) not null,
	PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

CREATE TABLE `user_2`(
	id bigint(64) not null,
	city varchar(20) not null,
	name varchar(20) not null,
	PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

CREATE TABLE `user_3`(
	id bigint(64) not null,
	city varchar(20) not null,
	name varchar(20) not null,
	PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

分表的数量你需要根据你的数据量也未来几年的增长来评估。

分表的规则配置：

spring.shardingsphere.datasource.names=master

# 数据源
spring.shardingsphere.datasource.master.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.master.driver-class-name=com.mysql.jdbc.Driver
spring.shardingsphere.datasource.master.url=jdbc:mysql://localhost:3306/ds_0?characterEncoding=utf-8
spring.shardingsphere.datasource.master.username=root
spring.shardingsphere.datasource.master.password=123456

# 分表配置
spring.shardingsphere.sharding.tables.user.actual-data-nodes=master.user_${0..3}

# inline 表达式
spring.shardingsphere.sharding.tables.user.table-strategy.inline.sharding-column=id
spring.shardingsphere.sharding.tables.user.table-strategy.inline.algorithm-expression=user_${id.longValue() % 4}

• actual-data-nodes
  配置分表信息，这边用的inline表达式，翻译过来就是master.user_0,master.user_1,master.user_2,master.user_3
• inline.sharding-column
  分表的字段，这边用id分表
• inline.algorithm-expression
  分表算法行表达式，需符合groovy语法，上面的配置就是用id进行取模分片

如果我们有更复杂的分片需求，可以自定义分片算法来实现：

# 自定义分表算法
spring.shardingsphere.sharding.tables.user.table-strategy.standard.sharding-column=id
spring.shardingsphere.sharding.tables.user.table-strategy.standard.precise-algorithm-class-name=com.cxytiandi.sharding.algorithm.MyPreciseShardingAlgorithm

算法类：

public class MyPreciseShardingAlgorithm implements PreciseShardingAlgorithm<Long> {

	@Override
	public String doSharding(Collection<String> availableTargetNames, PreciseShardingValue<Long> shardingValue) {
		for (String tableName : availableTargetNames) {
			if (tableName.endsWith(shardingValue.getValue() % 4 + "")) {
				return tableName;
			}
		}
		throw new IllegalArgumentException();
	}

}

在doSharding方法中你可以根据参数shardingValue做一些处理，最终返回这条数据需要分片的表名称即可。

除了单列字段分片，还支持多字段分片，大家可以自己去看文档操作一下。

需要分表的进行配置，不需要分表的无需配置，数据库操作代码一行都不用改变。

如果我们要在单库分表的基础上，再做读写分离，同样很简单，只要多配置一个从数据源就可以了，配置如下:

spring.shardingsphere.datasource.names=master,slave

# 主数据源
spring.shardingsphere.datasource.master.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.master.driver-class-name=com.mysql.jdbc.Driver
spring.shardingsphere.datasource.master.url=jdbc:mysql://localhost:3306/ds_0?characterEncoding=utf-8
spring.shardingsphere.datasource.master.username=root
spring.shardingsphere.datasource.master.password=123456

# 从数据源
spring.shardingsphere.datasource.slave.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.slave.driver-class-name=com.mysql.jdbc.Driver
spring.shardingsphere.datasource.slave.url=jdbc:mysql://localhost:3306/ds_1?characterEncoding=utf-8
spring.shardingsphere.datasource.slave.username=root
spring.shardingsphere.datasource.slave.password=123456

# 分表配置
spring.shardingsphere.sharding.tables.user.actual-data-nodes=ds0.user_${0..3}
spring.shardingsphere.sharding.tables.user.table-strategy.inline.sharding-column=id
spring.shardingsphere.sharding.tables.user.table-strategy.inline.algorithm-expression=user_${id.longValue() % 4}

# 读写分离配置
spring.shardingsphere.sharding.master-slave-rules.ds0.master-data-source-name=master
spring.shardingsphere.sharding.master-slave-rules.ds0.slave-data-source-names=slave

最后

你会发现，到最后这种复杂的分表场景，用框架来解决会非常简单。至少比你自己通过字段去计算路由的表，去汇总查询这种形式要好的多。

源码参考：https://github.com/yinjihuan/sharding-jdbc

觉得不错的记得关注下哦，给个Star吧！

欢迎加入我的知识星球，一起交流技术，免费学习猿天地的课程（http://cxytiandi.com/course）

PS：目前星球中正在星主的带领下组队学习Spring Cloud，等你哦！