ShardingSphere使用（二）（ShardingJDBC配置）

ShardingSphere使用（二）（ShardingJDBC配置） 分片策略

1. 数据源配置

   # 所有配置的数据源都必须配置在对应数据节点下
   # 支持配置多数据节点
   spring.shardingsphere.datasource.names=m1,m2
   
   spring.shardingsphere.datasource.m1.type=com.alibaba.druid.pool.DruidDataSource
   spring.shardingsphere.datasource.m1.driver-class-name=com.mysql.cj.jdbc.Driver
   spring.shardingsphere.datasource.m1.url=jdbc:mysql://localhost:3306/sharding_sphere_1?serverTimezone=UTC
   spring.shardingsphere.datasource.m1.username=root
   spring.shardingsphere.datasource.m1.password=root
   

2. 使用分表（分库）后，数据库自增主键不能再继续使用，需要重新配置

   # 真实表配置（Groovy表达式）
   spring.shardingsphere.sharding.tables.course.actual-data-nodes=m$->{1..2}.course_$->{1..2}
   # 指定主键
   spring.shardingsphere.sharding.tables.course.key-generator.column=cid
   # 使用雪花算法生成主键
   spring.shardingsphere.sharding.tables.course.key-generator.type=SNOWFLAKE
   # 雪花算法的自定义属性
   spring.shardingsphere.sharding.tables.course.key-generator.props.worker.id=1
   

1. 以下所有配置的course、t_dict等为测试使用数据表
2. database-strategy为对应分库策略
3. table-strategy为对应分表策略
4. 以下只是练习时的测试DEMO，更多配置需要查看文档
5. 分片算法接口包括：RangeShardingAlgorithm、ComplexKeysShardingAlgorithm、PreciseShardingAlgorithm、HintShardingAlgorithm，所有算法都需要自己实现
6. 不同的算法对应不同的情况，例如分别处理=、>=等

inline

# （库）分片键
spring.shardingsphere.sharding.tables.course.database-strategy.inline.sharding-column=cid
# （库）分片算法（Groovy表达式）
spring.shardingsphere.sharding.tables.course.database-strategy.inline.algorithm-expression=m$->{cid%2+1}

# （表）分片键
spring.shardingsphere.sharding.tables.course.table-strategy.inline.sharding-column=cid
# （表）分片策略（Groovy表达式）
spring.shardingsphere.sharding.tables.course.table-strategy.inline.algorithm-expression=course_$->{cid%2+1}

standard

# （库）分片键
spring.shardingsphere.sharding.tables.course.database-strategy.standard.sharding-column=cid
# （库）范围分片算法
spring.shardingsphere.sharding.tables.course.database-strategy.standard.range-algorithm-class-name=org.example.ss.algorithm.MyDSRangeShardingAlgorithm
# （库）精确分片算法
spring.shardingsphere.sharding.tables.course.database-strategy.standard.precise-algorithm-class-name=org.example.ss.algorithm.MyDSPreciseShardingAlgorithm

# （表）分片键
spring.shardingsphere.sharding.tables.course.table-strategy.standard.sharding-column=cid
# （表）范围分片算法
spring.shardingsphere.sharding.tables.course.table-strategy.standard.range-algorithm-class-name=org.example.ss.algorithm.MyTableRangeShardingAlgorithm
# （表）精确分片算法
spring.shardingsphere.sharding.tables.course.table-strategy.standard.precise-algorithm-class-name=org.example.ss.algorithm.MyTablePreciseShardingAlgorithm

complex

# （表）分片键
spring.shardingsphere.sharding.tables.course.table-strategy.complex.sharding-columns=cid,user_id
# （表）分片算法
spring.shardingsphere.sharding.tables.course.table-strategy.complex.algorithm-class-name=org.example.ss.algorithm.MyComplexTableShardingAlgorithm

public class MyComplexTableShardingAlgorithm implements ComplexKeysShardingAlgorithm {
    @Override
    public Collection doSharding(Collection availableTargetNames, ComplexKeysShardingValue shardingValue) {
        // 示例SQL： select * from course where cid between xxx and xxx and user_id = xxx
        // TODO 这里的泛型Long标识为参数类型，所以（所有的）参数类型必需都为同一类型
        Range cidRange = shardingValue.getColumnNameAndRangevaluesMap().get("cid");
        Collection userIdCol = shardingValue.getColumnNameAndShardingValuesMap().get("user_id");
        String logicTableName = shardingValue.getLogicTableName();

        Long cidUpper = cidRange.upperEndpoint();
        Long cidLower = cidRange.lowerEndpoint();

        Set ret = new HashSet<>();
        for (Long userId : userIdCol) {
            BigInteger userIdB = BigInteger.valueOf(userId);
            BigInteger target = userIdB.mod(new BigInteger("2")).add(new BigInteger("1"));
            ret.add(logicTableName + "_" + target.intValue());
        }
        return ret;
    }
}

hint

# 分片键不再与SQL相关，由程序指定
spring.shardingsphere.sharding.tables.course.table-strategy.hint.algorithm-class-name=org.example.ss.algorithm.MyHintTableShardingAlgorithm

@Test
public void queryCourseHint() {
    // 与线程绑定 todo 线程安全
    HintManager hintManager = HintManager.getInstance();
    // 逻辑表名：真实表对应编码
    // todo 提前给定查询表范围
    // hintManager.addTableShardingValue("course", 1);
    hintManager.addTableShardingValue("course", 2);
    // hintManager.addTableShardingValue("course", 3);
    // select * from course
    List courses = courseMapper.selectList(null);
    courses.forEach(System.out::println);
    // 使用完后关闭
    hintManager.close();
}

绑定表

# t_dict 的分片策略
spring.shardingsphere.sharding.tables.t_dict.actual-data-nodes=m1.t_dict_$->{1..2}
spring.shardingsphere.sharding.tables.t_dict.key-generator.column=dict_id
spring.shardingsphere.sharding.tables.t_dict.key-generator.type=SNOWFLAKE
spring.shardingsphere.sharding.tables.t_dict.table-strategy.inline.sharding-column=ustatus
spring.shardingsphere.sharding.tables.t_dict.table-strategy.inline.algorithm-expression=t_dict_$->{ustatus.toInteger()%2+1}
# t_user 的分片策略
spring.shardingsphere.sharding.tables.t_user.actual-data-nodes=m1.t_user_$->{1..2}
spring.shardingsphere.sharding.tables.t_user.key-generator.column=user_id
spring.shardingsphere.sharding.tables.t_user.key-generator.type=SNOWFLAKE
spring.shardingsphere.sharding.tables.t_user.table-strategy.inline.sharding-column=ustatus
spring.shardingsphere.sharding.tables.t_user.table-strategy.inline.algorithm-expression=t_user_$->{ustatus.toInteger()%2+1}
# 绑定表：t_user、t_dict使用相同的分片策略（不配置的话会进行全路由查询，且结果为笛卡尔集）
spring.shardingsphere.sharding.binding-tables[0]=t_user,t_dict

广播表

# 广播表：所有数据源中都存在的表
# t_dict为测试使用数据表
spring.shardingsphere.sharding.broadcast-tables=t_dict
spring.shardingsphere.sharding.tables.t_dict.key-generator.column=dict_id
spring.shardingsphere.sharding.tables.t_dict.key-generator.type=SNOWFLAKE

读写分离

# 读写分离依赖于数据库的主从配置
# 主从库逻辑定义（这个名称暂时还不知道含义）
spring.shardingsphere.masterslave.name=ms
# 主库只负责写（数据节点名称）
spring.shardingsphere.masterslave.master-data-source-name=m1
# 从库只负责读（数据节点名称）
spring.shardingsphere.masterslave.slave-data-source-names=m2

以上只是ShardingJDBC的几种典型使用配置方式，更详细的配置方式可参考官方文档