目录
分库分表诞生的前景
分库分表的方式（垂直拆分，水平复制）
1.垂直拆分
1.1 垂直分库
1.2 垂直分表
2.水平拆分
2.1 水平分库
2.2 水平分表
分库分库中间件
ShardingSphere
Sharding-JDBC
实现水平分表
实现水平分库
实现垂直分库
实现读写分离
Sharding-Proxy
环境配置
分库分表
读写分离
两者区别
实现原理
Sharding-jdbc 3.0不支持的sql
ShardingSphere扩展点
分库分表中间件对比
分布分表应用和问题
分库分表诞生的前景
随着系统用户运行时间还有用户数量越来越多，整个数据库某些表的体积急剧上升，导致CRUD的时候性能严重下降，还容易造成系统假死
这时候系统都会做一些基本的优化，比如加索引、缓存、读写分离/主从复制，增删改都走主库，查询走从库。但是这样没法提升主库写的能力，因为主库只有一个。这时候就要考虑分库分表了，一般数据库在设计的时候就会提前考虑到是否有分库分表场景需要，避免后期带来迁移的问题，而且最好对表的查询足够简单，尽量避免跨表跨库查询。
阿里的开发规范中建议预估三年内单表数据量上500W，或者大小上2G，就要考虑分库分表
分库分表的方式（垂直拆分，水平复制）
一般系统模块都是访问同一个数据库资源，所有的表都存放在一个库里面
1.垂直拆分
1.1 垂直分库
把单一的数据库进行业务划分，专库专表
经过垂直拆分之后，每个模块都使用各自独立的数据库，减轻了数据库的压力，业务也更加清晰，拓展也更容易了，但是会增加连表查询以及事务处理的复杂度，无法解决单表数据量太大的问题
1.2 垂直分表
垂直拆分表主要解决一张表太多字段某个字段存储值为大文本会对io查询有损耗所以把本来属于同一个对象描述的属性拆分多个表，分布式微服务分库分表尽量不要严苛遵守数据库的3大范式，可参考不可严格遵循
相当于把一个大表根据字段拆分成多个小表 ，一个10w数据的表，变成两个10w数据的表
这样拆分的好处就是，假如只显示列表，不需要显示详细信息就很方便，例如一个订单是包含很多信息的，但是在后台通常不需要去获取订单的详情信息用作展示，一般只需要展示概要信息：下单用户、下单时间、金额等等重要信息。于是可以把一个订单表垂直拆分为两个表来处理
2.水平拆分
2.1 水平分库
把一个数据库分散成多个结构相同的数据库，本质就是复制操作
2.2 水平分表
一个表数据量太大，将一个表按不同的条件分散多个表中，把1000w的表拆分为两个500w的表
分表的规则有很多种：
取范围
根据时间范围或者id范围分布到不同的库中，例如把2020年前的数据放到一个表中，之后的数据放到一个表中。把用户ID 0～100000放到一个表中，100000～200000的数据放到一个表中。
优点：使用分片字段范围查询比较方便
缺点：某段范围内热点数据可能被频繁读写，其他数据很少被查询
数值hash取模运算
根据某个字段进行运算均匀的分配到不同的表中
优点：分散比较均匀，不容易存在热点数据
缺点：数据太分散，导致范围查询比较麻烦，需要查询分库之后再合并
水平拆分的时候会导致多库多表的联合查询难度变大，以及多数据源管理的问题
分库分库中间件
ShardingSphere
官网：https://shardingsphere.apache.org/
ShardingSphere是一个关系型数据库中间件，它由Sharding-JDBC、Sharding-Proxy和Sharding-Sidecar（计划中）这3款相互独立的产品组成，主要提供数据库分片以及分布式事务
Sharding-JDBC
Sharding-JDBC简化分库分表之后数据相关操作，它一个轻量级的Java框架，是增强版的JDBC驱动，以jar包的形式提供引入非常简单，适用于很多ORM框架以及数据库连接池，Sharding-JDBC不做分库分表，主要做两个功能：数据分片和读写分离，简化分库分表后对数据的操作
实现水平分表
环境搭建：SpringBoot+mybatisPlus
1、首先创建一个springboot项目，引入相关依赖jar包
<!-- Sharding-JDBC -->
<dependency>
<groupId>org.apache.shardingsphere</groupId>
<artifactId>sharding-jdbc-spring-boot-starter</artifactId>
<version>4.0.0-RC1</version>
</dependency>
<!-- Mysql驱动依赖 -->
<dependency>
<groupId>mysql</groupId>
<artifactId>mysql-connector-java</artifactId>
<version>8.0.29</version>
</dependency>
<!-- Druid连接池 -->
<dependency>
<groupId>com.alibaba</groupId>
<artifactId>druid</artifactId>
<version>1.2.8</version>
</dependency>
<!--mybatisPlus-->
<dependency>
<groupId>com.baomidou</groupId>
<artifactId>mybatis-plus-boot-starter</artifactId>
<version>3.5.1</version>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<optional>true</optional>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
</dependency>
2、创建数据库表结构
创建一个mall数据库，然后里面创建两张表分别为：order0、order1
CREATE DATABASE `mall`
CREATE TABLE `orders0` (
`id` bigint NOT NULL AUTO_INCREMENT,
`order_number` varchar(50) NOT NULL,
`create_time` date NOT NULL,
`creater` varchar(20) NOT NULL,
`money` decimal(10,0) NOT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;
CREATE TABLE `orders1` (
`id` bigint NOT NULL AUTO_INCREMENT,
`order_number` varchar(50) NOT NULL,
`create_time` date NOT NULL,
`creater` varchar(20) NOT NULL,
`money` decimal(10,0) NOT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;
3、约定分片规则
如果订单号order_number为奇数添加到orders0，否则添加到orders1
4、建立相关实体类、DAO
/**
* @author yanglingcong
*/
@Data
public class Orders implements Serializable {
private Long id;
private String orderNumber;
private Timestamp createTime;
private String creater;
private double money;
}
OrderDao
/**
* @author yanglingcong
*/
@Mapper
public interface OrderDao extends BaseMapper<Orders> {
}
5、配置分片策略以及数据源
application.properties
server.port=8099
spring.application.name=sharding-jdbc-demo
spring.profiles.active=dev
#指定数据库连接信息
spring.shardingsphere.datasource.names=db0
spring.shardingsphere.datasource.db0.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.db0.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.db0.url=jdbc:mysql://xxx:3306/mall?serverTimezone=GMT%2B8
spring.shardingsphere.datasource.db0.username=root
spring.shardingsphere.datasource.db0.password=xxx
# 一个实体类对应两张表，覆盖
spring.main.allow-bean-definition-overriding=true
#指定主键id列的生成策略 SNOWFLAKE表示雪花
spring.shardingsphere.sharding.tables.orders.key-generator.column=id
spring.shardingsphere.sharding.tables.orders.key-generator.type=SNOWFLAKE
#指定表的分布 order数据库的order1和order2表
spring.shardingsphere.sharding.tables.orders.actual-data-nodes=db0.orders$->{0..1}
#指定分片策略 约定根据订单号order_number分片 奇数添加到`order1`，否则添加到`order2` 表索引从1开始的，所以加上1
spring.shardingsphere.sharding.tables.orders.table-strategy.inline.sharding-column=id
spring.shardingsphere.sharding.tables.orders.table-strategy.inline.algorithm-expression=orders$->{id % 2}
#sql输出日志
spring.shardingsphere.props.sql.show=true
6、测试生成
@RunWith(SpringRunner.class)
@SpringBootTest
public class ShardingJdbcDemoApplicationTests {
@Autowired
OrderDao orderDao;
@Test
void insertTest() {
for (int i = 0; i < 1; i++) {
Orders order=new Orders();
order.setCreater("ylc");
order.setOrderNumber("6");
order.setCreateTime(new Timestamp(System.currentTimeMillis()));
order.setMoney(30.01);
orderDao.insert(order);
}
}
@Test
void selectTest(){
QueryWrapper<Orders> queryWrapper=new QueryWrapper<>();
queryWrapper.eq("id",1553218859002007553L);
Orders orders = orderDao.selectOne(queryWrapper);
System.out.println(orders);
}
}
最后根据生成的雪花id插入到了数据库中
查询也会根据雪花id找到对应的表
sharding-jdbc水平分表就是提前做好分表，然后配置分表规则，就可以让数据插入在不同的表中了，这里只是指定了一个数据源，还可以指定多个数据源
实现水平分库
水平分库规则为：根据表里面的订单号字段orderNumber，奇数就路由到mall_1库，偶数路由到mall_2库
1、更改配置文件
server.port=8099
spring.application.name=sharding-jdbc-demo
spring.profiles.active=dev
spring.shardingsphere.sharding.default-data-source-name=db1
#指定数据库连接信息
spring.shardingsphere.datasource.names=db1,db2
spring.shardingsphere.datasource.db1.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.db1.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.db1.url=jdbc:mysql://xxx:3306/mall_1?serverTimezone=GMT%2B8
spring.shardingsphere.datasource.db1.username=root
spring.shardingsphere.datasource.db1.password=xxx
spring.shardingsphere.datasource.db2.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.db2.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.db2.url=jdbc:mysql://xxx:3306/mall_2?serverTimezone=GMT%2B8
spring.shardingsphere.datasource.db2.username=root
spring.shardingsphere.datasource.db2.password=xxx
# 一个实体类对应两张表，覆盖
spring.main.allow-bean-definition-overriding=true
#指定主键id列的生成策略 SNOWFLAKE表示雪花
spring.shardingsphere.sharding.tables.orders.key-generator.column=id
spring.shardingsphere.sharding.tables.orders.key-generator.type=SNOWFLAKE
#指定库的分布
spring.shardingsphere.sharding.tables.orders.actual-data-nodes=db$->{1..2}.orders0
#指定数据库分表策略 根据order_number奇数就路由到mall_1库，偶数路由到mall_2库
spring.shardingsphere.sharding.tables.orders.database-strategy.inline.sharding-column=order_number
spring.shardingsphere.sharding.tables.orders.database-strategy.inline.algorithm-expression=db$->{order_number % 2+1}
#sql输出日志
spring.shardingsphere.props.sql.show=true
2、更改实体
/**
* @author yanglingcong
*/
@Data
public class Orders implements Serializable {
private Long id;
private long orderNumber;
private Timestamp createTime;
private String creater;
private double money;
}
3、sql脚本
CREATE DATABASE `mall_0`
CREATE TABLE `orders0` (
`id` bigint NOT NULL AUTO_INCREMENT,
`order_number` bigint NOT NULL,
`create_time` date NOT NULL,
`creater` varchar(20) NOT NULL,
`money` decimal(10,0) NOT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;
CREATE DATABASE `mall_1`
CREATE TABLE `orders0` (
`id` bigint NOT NULL AUTO_INCREMENT,
`order_number` bigint NOT NULL,
`create_time` date NOT NULL,
`creater` varchar(20) NOT NULL,
`money` decimal(10,0) NOT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;
4、插入数据
@Test
void insertTest() {
for (int i = 0; i < 3; i++) {
Orders order=new Orders();
order.setCreater("ylc");
order.setOrderNumber(i);
order.setCreateTime(new Timestamp(System.currentTimeMillis()));
order.setMoney(30.01);
orderDao.insert(order);
}
}
@Test
void selectTest(){
QueryWrapper<Orders> queryWrapper=new QueryWrapper<>();
queryWrapper.eq("order_number",1553314824824299522L);
Orders orders = orderDao.selectOne(queryWrapper);
System.out.println(orders);
}
很简单就实现了分库功能，分库分表就是把这两种方式结合到了一起
分库分表查询，分库分表字段为必传字段，否则不知道去哪个数据库哪张表去查询数据，所以根据非主键查询的不支持。
实现垂直分库
垂直分库相当于专库专表，可以使用多数据源来处理，也可以通过sharding-Jdbc
垂直分库的规则为：往订单表orders插入数据，会自动找到订单表所在的库mall进行操作。往用户表插入数据，会自动找到所在库User进行操作
1、数据库脚本
CREATE DATABASE `user`
CREATE TABLE `user`.userInfo (
id BIGINT auto_increment NOT NULL,
user_name varchar(20) NOT NULL,
password varchar(50) NOT NULL,
CONSTRAINT userinfo_PK PRIMARY KEY (id)
)
ENGINE=InnoDB
DEFAULT CHARSET=utf8mb4
COLLATE=utf8mb4_0900_ai_ci
AUTO_INCREMENT=1;
CREATE DATABASE `user`
CREATE DATABASE `mall`
CREATE TABLE `orders` (
`id` bigint NOT NULL AUTO_INCREMENT,
`order_number` bigint NOT NULL,
`create_time` date NOT NULL,
`creater` varchar(20) NOT NULL,
`money` decimal(10,0) NOT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;
2、创建相关实体类
UserInfo
@Data
public class UserInfo {
private Long id;
private String userName;
private String password;
}
Orders
@Data
public class Orders implements Serializable {
private Long id;
private long orderNumber;
private Timestamp createTime;
private String creater;
private double money;
}
3、Dao类
@Mapper
public interface UserInfoDao extends BaseMapper<UserInfo> {
}
4、配置垂直分库策略
server.port=8099
spring.application.name=sharding-jdbc-demo
spring.profiles.active=dev
spring.shardingsphere.sharding.default-data-source-name=db1
#指定数据库连接信息
spring.shardingsphere.datasource.names=db1,db2
spring.shardingsphere.datasource.db1.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.db1.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.db1.url=jdbc:mysql://xxx:3306/mall?serverTimezone=GMT%2B8
spring.shardingsphere.datasource.db1.username=root
spring.shardingsphere.datasource.db1.password=xxx
spring.shardingsphere.datasource.db2.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.db2.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.db2.url=jdbc:mysql://xxx:3306/user?serverTimezone=GMT%2B8
spring.shardingsphere.datasource.db2.username=root
spring.shardingsphere.datasource.db2.password=xxx
# 一个实体类对应两张表，覆盖
spring.main.allow-bean-definition-overriding=true
#指定主键id列的生成策略 SNOWFLAKE表示雪花
spring.shardingsphere.sharding.tables.orders.key-generator.column=id
spring.shardingsphere.sharding.tables.orders.key-generator.type=SNOWFLAKE
spring.shardingsphere.sharding.tables.userInfo.key-generator.column=id
spring.shardingsphere.sharding.tables.userInfo.key-generator.type=SNOWFLAKE
#指定orders表所在的库 userInfo表所在的库
spring.shardingsphere.sharding.tables.orders.actual-data-nodes=db1.orders
spring.shardingsphere.sharding.tables.userInfo.actual-data-nodes=db2.userInfo
#指定orders表分片策略
spring.shardingsphere.sharding.tables.orders.table-strategy.inline.sharding-column=id
spring.shardingsphere.sharding.tables.orders.table-strategy.inline.algorithm-expression=orders
#指定数userInfo分片策略
spring.shardingsphere.sharding.tables.userInfo.table-strategy.inline.sharding-column=id
spring.shardingsphere.sharding.tables.userInfo.table-strategy.inline.algorithm-expression=userInfo
#sql输出日志
spring.shardingsphere.props.sql.show=true
5、插入数据
Orders表在mall库
@Test
void insertOrdersTest() {
Orders order=new Orders();
order.setCreater("ylc");
order.setOrderNumber(1);
order.setCreateTime(new Timestamp(System.currentTimeMillis()));
order.setMoney(30.01);
orderDao.insert(order);
}
UserInfo表在user库
@Test
void insertUserTest() {
UserInfo userInfo=new UserInfo();
userInfo.setUserName("ylc");
userInfo.setPassword("123456");
userInfoDao.insert(userInfo);
}
这样就实现了不同的表插入了不同的数据库，不过使用多数据源方式会更方便
实现读写分离
环境配置：使用mall库为主库，mall_01、mall_02为从库，前提是MySQL数据库需要提前做好读写分离相关配置
1、读写分离配置
server.port=8099
spring.application.name=sharding-jdbc-demo
spring.profiles.active=dev
#指定数据库连接信息 一主两从
spring.shardingsphere.datasource.names=master,slave0,slave1
spring.shardingsphere.datasource.master.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.master.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.master.url=jdbc:mysql://xxx:3306/mall?serverTimezone=GMT%2B8
spring.shardingsphere.datasource.master.username=root
spring.shardingsphere.datasource.master.password=xxx
spring.shardingsphere.datasource.slave0.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.slave0.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.slave0.url=jdbc:mysql://xxx:3306/mall_1?serverTimezone=GMT%2B8
spring.shardingsphere.datasource.slave0.username=root
spring.shardingsphere.datasource.slave0.password=xxx
spring.shardingsphere.datasource.slave1.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.slave1.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.slave1.url=jdbc:mysql://xxx:3306/mall_2?serverTimezone=GMT%2B8
spring.shardingsphere.datasource.slave1.username=root
spring.shardingsphere.datasource.slave1.password=xxx
# 配置从节点负载均衡策略，采用轮询机制
spring.shardingsphere.masterslave.load-balance-algorithm-type=round_robin
# 配置主从名称
spring.shardingsphere.masterslave.name=ms
# 配置数据源的读写分离
spring.shardingsphere.sharding.master-slave-rules.ds0.master-data-source-name=master
spring.shardingsphere.sharding.master-slave-rules.ds0.slave-data-source-names=slave0,slave1
#sql输出日志
spring.shardingsphere.props.sql.show=true
# 一个实体类对应两张表，覆盖
spring.main.allow-bean-definition-overriding=true
2、测试读
查找成功
3、测试写
写入主库成功，会自动同步到两个从库，然后查询的时候通过负载均衡轮询到一个子库进行查询
Sharding-Proxy
它是一个数据库的代理端，代理数据库我们只用访问它就行了，通过访问代理数据库来简化分库分表的操作
环境配置
1、安装包下载解压
https://archive.apache.org/dist/shardingsphere/4.1.0/apache-shardingsphere-4.1.0-sharding-proxy-bin.tar.gz
2、在conf目录下，修改server.yaml文件，去掉这一部分的注释
3、需要手动的把mysql驱动的jar包放到lib目录下否则程序无法运行
4、配置分库分表
修改config-sharding.yaml文件
schemaName: sharding_db
dataSources:
ds_0:
url: jdbc:mysql://121.43.33.150:3306/mall_1?serverTimezone=UTC&useSSL=false
username: root
password: xxx
connectionTimeoutMilliseconds: 30000
idleTimeoutMilliseconds: 60000
maxLifetimeMilliseconds: 1800000
maxPoolSize: 50
ds_1:
url: jdbc:mysql://121.43.33.150:3306/mall_2?serverTimezone=UTC&useSSL=false
username: root
password: xxx
connectionTimeoutMilliseconds: 30000
idleTimeoutMilliseconds: 60000
maxLifetimeMilliseconds: 1800000
maxPoolSize: 50
shardingRule:
tables:
#t_order表规则 可配置多个表
t_order:
actualDataNodes: ds_${0..1}.t_order_${0..1}
tableStrategy:
inline:
shardingColumn: order_id
algorithmExpression: t_order_${order_id % 2}
keyGenerator:
type: SNOWFLAKE
column: order_id
bindingTables:
- t_order
defaultDatabaseStrategy:
inline:
shardingColumn: order_number
algorithmExpression: ds_${order_number % 2}
defaultTableStrategy:
none:
5、启动Sharding-Proxy
执行bin目录下的start.sh文件
./start.sh 3308
显示Active表示成功了
6、mysql登陆
mysql -uroot -proot -P3308 -h127.0.0.1
分库分表
配置规则
schemaName: sharding_db
dataSources:
ds_0:
url: jdbc:mysql://127.0.0.1:3306/lottery_01?serverTimezone=Asia/Shanghai&useSSL=false
username: root
password: 123456
connectionTimeoutMilliseconds: 30000
idleTimeoutMilliseconds: 60000
maxLifetimeMilliseconds: 1800000
maxPoolSize: 50
ds_1:
url: jdbc:mysql://127.0.0.1:3306/lottery_02?serverTimezone=Asia/Shanghai&useSSL=false
username: root
password: 123456
connectionTimeoutMilliseconds: 30000
idleTimeoutMilliseconds: 60000
maxLifetimeMilliseconds: 1800000
maxPoolSize: 50
shardingRule:
tables:
#t_order表规则 可配置多个表
t_order:
actualDataNodes: ds_${0..1}.t_order_${0..1}
tableStrategy:
inline:
shardingColumn: order_id
algorithmExpression: t_order_${order_id % 2}
keyGenerator:
type: SNOWFLAKE
column: order_id
bindingTables:
- t_order
defaultDatabaseStrategy:
inline:
shardingColumn: user_id
algorithmExpression: ds_${user_id % 2}
defaultTableStrategy:
none:
执行语句
use sharding_db;
create table if not exists ds_0.t_order(`order_id` bigint primary key,`user_id` int not null,`status` varchar(50));
insert into t_order(`order_id`,`user_id`,`status`)values(11,1,'jack');
根据插入的id进行运算，11为奇数分配到了t_order_1
读写分离
需要先在Mysql上面配置主从复制，读写分离比较简单，读从库lottery_02，写入主库同步到从库
1、配置规则
schemaName: sharding_db
dataSources:
master:
url: jdbc:mysql://127.0.0.1:3306/lottery_01?serverTimezone=Asia/Shanghai&useSSL=false
username: root
password: 123456
connectionTimeoutMilliseconds: 30000
idleTimeoutMilliseconds: 60000
maxLifetimeMilliseconds: 1800000
maxPoolSize: 50
save:
url: jdbc:mysql://127.0.0.1:3306/lottery_02?serverTimezone=Asia/Shanghai&useSSL=false
username: root
password: 123456
connectionTimeoutMilliseconds: 30000
idleTimeoutMilliseconds: 60000
maxLifetimeMilliseconds: 1800000
maxPoolSize: 50
masterSlaveRule:
name: ms_ds
masterDataSourceName: master
slaveDataSourceNames:
- save
2、重新启动
然后查询表t_order_1，这个表同时存在于主从库，最后查到了从库所在的记录行
两者区别
sharding-jdbc是在JDBC层扩展分库分表的，可以理解为增强版的JDBC驱动，支持JDBC协议的数据库的数据库，但目前仅支持Java语言，支持数据分片、读写分离，以 jar 包的形式提供轻量级服务，无proxy代理层，无需额外部署，无其他依赖，适用于Java开发的高性能的轻量级OLTP应用，中小团队
sharding-proxy是屏蔽了底层的分库分表像操作一个数据库一样来进行分库分表，代理了真实数据库，相当于在原有数据库和应用中增加了一层，sharding-proxy是基于 MySQL的，伪装成了MySQL数据库，可以通过DDL/DML等操作来变更数据，对DBA更加友好，适用于OLAP应用以及对分片数据库进行管理和运维的场景
实现原理
ShardingSphere的3个产品的数据分片主要流程是完全一致的
首先连接到Proxy端口执行一条SQL，通过解析引擎SQL会被解析为抽象语语法树，将里面的每一个单词拆分出来，然后标记可能会改写的位置。
SELECT id, name FROM t_user WHERE status = 'ACTIVE' AND age > 18
抽象语法树中的关键字的Token用绿色表示，变量的Token用红色表示，灰色表示需要进一步拆分
从3.0.x版本开始使用Druid ANTLR作为解析引擎，为了提高效率增加了缓存机制，因此建议采用PreparedStatement预编译的SQL
路由引擎通过分片规则（取模、哈希、范围、标签、时间等等）路由到真实的库表
分片路由
- 直接路由：不管SQL是什么样，就要按照规则进行路由，直接指定路由至库表方式分片
标准路由：当查询是等于、in、between时就是标准路由，路由结果不一定落入唯一的库，一条SQL可能被拆分为多条用于执行的SQL
笛卡尔积路由：无法根据分片规则计算出SQL应该在哪个数据库、哪个表上执行，那么结果就是把所有分库分表中关联使用到的表交叉查询
广播路由
- 全库表路由：对于不带分片键的DQL和DML，以及DDL等会便利所有库表，一一执行，例如select * from user
全库路由：对数据库插座都会遍历真实库，例如SET autocommit=0;这种TCL事务控制语句
全实例路由：对于DCL操作，会在每个数据库实例中执行一遍
单播路由：仅需要从任意库中的任意真实表中获取数据即可 DESCRIBE t_order;
阻断路由：用于屏蔽SQL对数据库的操作 USE order_db;，这个命令在真实库中执行
改写引擎改写SQL语句，把库名表名替换为配置的信息
执行引擎执行SQL把结果流发送给MySQL服务器，经过MySQL执行后从存储引擎里面把结果集返回出来到Proxy
归并引擎把接收到的数据归并汇总，然后把结果发送给MySQL客户端
Sharding-jdbc 3.0不支持的sql
- 不支持CASE WHEN、HAVING、UNION (ALL)，可以拆分查询自己再拼接
子查询不能出现相同的表
包含聚合函数的子查询
同时使用distinct和聚合函数
ShardingSphere扩展点
ShardingAlgorithm扩展点就列出了ShardingSphere默认提供的多种分片策略：
InlineShardingAlgorithm：基于⾏表达式的分⽚算法
ModShardingAlgorithm：基于取模的分⽚算法
HashModShardingAlgorithm：基于哈希取模的分⽚算法
FixedIntervalShardingAlgorithm：基于固定时间范围的分⽚算法
MutableIntervalShardingAlgorithm：基于可变时间范围的分⽚算法
VolumeBasedRangeShardingAlgorithm：基于分⽚容量的范围分⽚算法
BoundaryBasedRangeShardingAlgorithm：基于分⽚边界的范围分⽚算法
还有其他分布式主键、分布式ID等等扩展点
分库分表中间件对比
Cobar
阿里 b2b 团队开发和开源的，属于 proxy 层方案，就是介于应用服务器和数据库服务器之间。应用程序通过 JDBC 驱动访问 Cobar 集群，Cobar 根据 SQL 和分库规则对 SQL 做分解，然后分发到 MySQL 集群不同的数据库实例上执行。早些年还可以用，但是最近几年都没更新了，基本没啥人用，差不多算是被抛弃的状态吧。而且不支持读写分离、存储过程、跨库 join 和分页等操作。由于Cobar发起人的离职，Cobar停止维护
TDDL
淘宝团队开发的，属于 client 层方案。支持基本的 crud 语法和读写分离，但不支持 join、多表查询等语法。目前使用的也不多，因为还依赖淘宝的 diamond 配置管理系统。
Atlas
是360团队基于mysql proxy改写，功能还需完善，高并发下不稳定
Sharding-jdbc
当当开源的，属于 client 层方案，目前已经更名为 ShardingSphere（后文所提到的 Sharding-jdbc，等同于 ShardingSphere）。确实之前用的还比较多一些，因为 SQL 语法支持也比较多，没有太多限制，而且截至 2019.4，已经推出到了 4.0.0-RC1 版本，支持分库分表、读写分离、分布式 id 生成、柔性事务（最大努力送达型事务、TCC 事务）。而且确实之前使用的公司会比较多一些（这个在官网有登记使用的公司，可以看到从 2017 年一直到现在，是有不少公司在用的），目前社区也还一直在开发和维护，还算是比较活跃，个人认为算是一个现在也可以选择的方案。
Mycat
基于 Cobar 改造的，解决了cobar存在的问题，并且加入了许多新的功能在其中。青出于蓝而胜于蓝，属于 proxy 层方案，支持的功能非常完善，而且目前应该是非常火的而且不断流行的数据库中间件，社区很活跃，也有一些公司开始在用了。但是确实相比于 Sharding jdbc 来说，年轻一些，经历的锤炼少一些。
Sharing-jdbc不用部署，直接使用jar包，相对维护起来比较简单，运维成本低
Mycat属于代理Proxy，需要部署运维，它是一个中间件
建议中小型公司选用 Sharding-jdbc，client 层方案轻便，而且维护成本低，不需要额外增派人手，而且中小型公司系统复杂度会低一些，项目也没那么多；但是中大型公司最好还是选用 Mycat 这类 proxy 层方案，因为可能大公司系统和项目非常多，团队很大，人员充足，那么最好是专门弄个人来研究和维护 Mycat，然后大量项目直接透明使用即可
分布分表应用和问题
1、在数据库设计的时候就考虑垂直分库和分表
2、数据库数据越来越多不要考虑水平切分，先考虑读写分离，使用索引等等。如果解决不了在使用水平分表
带来的问题：
跨分片的事务一致性难以保证
跨库的join关联查询性能较差
数据多次扩展难度和维护量极大
查询问题表分布在不同的库里面
分页查询不方便
解决方案：
跨分片的事务一致性难以保证
拆分成多个小事务，来进行总控制
使用分布式事务，性能代价高（推荐）
join操作
- 数据分布在不同的表：分两次查询再合并，先查关联id再根据关联id去另一个表查数据（推荐）
全局数据：这样的数据比较少修改，很多模块都会依赖这个表，这样可以在每个数据库保存一份，避免跨库查询
字段冗余：可能需要的数据字段在详细表中，可以将字段放过来，避免join查询
Mycat支持跨库join
count操作
先在不同库中把数据取出来，最后再统计
分页操作
1、数据拼装：先在不同库中把数据取出来，最后再合并分页，如果数据量太大很消耗系统资源，性能也很差
2、禁止跳页：降低技术方案
3、数据库均衡：如果数据差不多均衡的话，各个库各取一半数据，优点是不需要再进行内存排序，但是精度可能会丢失一些
数据多次扩展难度和维护量极大
查询问题
- 直接查询：每个数据库执行一遍语句，性能差
模糊查询：数据拼装
使用关联表/关联字段：具体表分布在哪个库
MyCat多线程查询：类似第一种方式
异构索引：额外建立一个索引表记录分片键和非分片字段的对应关系，例如通过xx字段找到订单id，然后根据订单id找到对应的库（方法可以，但没法通用范围，状态等等不好查）
实时数仓：通过中间件监听数据库binlog日志，实时收集数据
分表后使用非分片字段查询问题（根据任意一个字段查询数据，如何找到所在表）
根据订单ID进行分库，如果需要删除前一天的订单记录，那么需要在每个库中执行一遍sql，没法确定哪个库执行哪个库不执行
解决办法：冗余字段：因为是根据订单id进行路由的，那么几个路由的键都是固定的，比如路由到3个库，那么0、1、2分别代表这三个库的索引，在表里面记录下这个字段，就可以直接找到这个库进行删除。
主键ID问题（为什么不使用自增或者UUID）
使用自增可能会出现ID重复的问题
使用UUID 缺点：太长不方便排序
雪花算法：（0+41位时间戳+10位工作机器id+12位序列号）传给前端的时候用String，使用Long的话前端js会溢出。缺点：时间戳依赖于机器时钟。如果机器时间回调，还是可能会有冲突
使用redis生成分布式主键
使用redis生成数据库主键自增_一渣程序猿的博客-CSDN博客_redis生成自增主键
数据扩缩容
扩容的话：一般是因为数据量太多磁盘快满了，原有两台机器，每台机器2个库，每个库4个表，总共个16表，增加服务器2个服务器，每台服务器增加两个库，调整为每个服务器的一个库，每个库里面还是固定的2张表
分片id 取模 8/=库
分片id /8 ，再取模8 = 表
数据迁移（如何在旧数据上做分库分表）
- 半夜系统停机，停止写入数据然后使用中间件写入（废人）
系统不停机，使用双写方案，数据同时写入新库新表和旧表，等于两份数据。再用工具去去读老库的数据到新库中，可以根据主键id或者修改时间区分数据。可能会造成代码入侵，可以监听binlog日志，最后再校验数据是否准确，先校验数量，再使用随机采样法抽取几十条数据合并，比较是否相等通过Base64加密对比
相关博客
Sharding-JDBC 实战（史上最全） - 疯狂创客圈 - 博客园 (cnblogs.com)
从一个简单的SQL查询搞懂Sharding-Proxy核心原理 - 掘金 (juejin.cn)
