Sharding-JDBC 核心功能详解

前置知识

在学习本教程前，请确保您已经：

• 了解 Sharding-JDBC 的基本概念
• 掌握 Spring Boot 的基础用法
• 熟悉 MySQL 主从复制原理

读写分离

1. 主从数据库配置

首先配置一个主库和两个从库：

spring:
  shardingsphere:
    datasource:
      names: master,slave0,slave1
      master:
        type: com.zaxxer.hikari.HikariDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        jdbc-url: jdbc:mysql://localhost:3306/demo_master
        username: root
        password: root
      slave0:
        type: com.zaxxer.hikari.HikariDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        jdbc-url: jdbc:mysql://localhost:3307/demo_slave0
        username: root
        password: root
      slave1:
        type: com.zaxxer.hikari.HikariDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        jdbc-url: jdbc:mysql://localhost:3308/demo_slave1
        username: root
        password: root
    rules:
      readwrite-splitting:
        data-sources:
          readwrite_ds:
            type: Static
            props:
              write-data-source-name: master
              read-data-source-names: slave0,slave1
            load-balancer-name: round_robin
        load-balancers:
          round_robin:
            type: ROUND_ROBIN
    props:
      sql-show: true

2. 负载均衡策略

Sharding-JDBC 支持多种负载均衡策略：

1. 轮询（ROUND_ROBIN）：按顺序轮流使用从库
2. 随机（RANDOM）：随机选择从库
3. 权重（WEIGHT）：根据权重选择从库

分片功能

1. 分片规则配置

以订单表按用户ID分库、订单ID分表为例：

spring:
  shardingsphere:
    rules:
      sharding:
        tables:
          t_order:
            actual-data-nodes: ds$->{0..1}.t_order_$->{0..1}
            database-strategy:
              standard:
                sharding-column: user_id
                sharding-algorithm-name: database_inline
            table-strategy:
              standard:
                sharding-column: order_id
                sharding-algorithm-name: table_inline
        sharding-algorithms:
          database_inline:
            type: INLINE
            props:
              algorithm-expression: ds$->{user_id % 2}
          table_inline:
            type: INLINE
            props:
              algorithm-expression: t_order_$->{order_id % 2}

2. 分片算法示例

package com.example.demo.algorithm;

import org.apache.shardingsphere.sharding.api.sharding.standard.PreciseShardingValue;
import org.apache.shardingsphere.sharding.api.sharding.standard.RangeShardingValue;
import org.apache.shardingsphere.sharding.api.sharding.standard.StandardShardingAlgorithm;

import java.util.Collection;

public class CustomShardingAlgorithm implements StandardShardingAlgorithm<Long> {
    
    @Override
    public String doSharding(Collection<String> availableTargetNames, PreciseShardingValue<Long> shardingValue) {
        // 自定义分片逻辑
        long value = shardingValue.getValue();
        int index = (int) (value % availableTargetNames.size());
        return availableTargetNames.stream().skip(index).findFirst().orElse(null);
    }
    
    @Override
    public Collection<String> doSharding(Collection<String> availableTargetNames, RangeShardingValue<Long> shardingValue) {
        // 范围查询时返回所有分片
        return availableTargetNames;
    }
}

分布式序列

Sharding-JDBC 提供了多种分布式主键生成策略：

1. 雪花算法

spring:
  shardingsphere:
    rules:
      sharding:
        tables:
          t_order:
            key-generate-strategy:
              column: order_id
              key-generator-name: snowflake
        key-generators:
          snowflake:
            type: SNOWFLAKE
            props:
              worker-id: 123

2. UUID生成器

spring:
  shardingsphere:
    rules:
      sharding:
        tables:
          t_order:
            key-generate-strategy:
              column: order_id
              key-generator-name: uuid
        key-generators:
          uuid:
            type: UUID

广播表

广播表适用于数据量不大且需要与海量数据的表关联查询的场景，例如字典表：

spring:
  shardingsphere:
    rules:
      sharding:
        broadcast-tables:
          - t_config
          - t_dict

绑定表

绑定表适用于有关联关系的表，它们的分片规则相同：

spring:
  shardingsphere:
    rules:
      sharding:
        binding-tables:
          - t_order,t_order_item

最佳实践

性能优化

1. 合理设计分片键

   • 避免跨分片查询
   • 选择数据分布均匀的字段

2. 优化读写分离

   • 配置合适的从库数量
   • 选择合适的负载均衡策略

3. 合理使用广播表

   • 只将数据量小的表设置为广播表
   • 定期同步广播表数据

开发建议

1. SQL开发规范

   • 避免使用子查询
   • 避免使用HAVING语句
   • 使用绑定表优化关联查询

2. 事务处理

   • 避免长事务
   • 合理设置事务超时时间
   • 考虑使用柔性事务

常见问题

1. 如何处理跨库关联查询？

处理跨库关联查询的方案：

1. 使用绑定表
2. 冗余关联字段
3. 使用广播表
4. 应用层组装

2. 如何选择分片策略？

选择分片策略的考虑因素：

1. 数据量大小
2. 查询特点
3. 业务场景
4. 扩展需求

总结

本文详细介绍了 Sharding-JDBC 的核心功能：

1. ✅ 读写分离：主从库配置和负载均衡
2. ✅ 分片功能：分片规则和自定义算法
3. ✅ 分布式序列：主键生成策略
4. ✅ 广播表：全库同步的数据表
5. ✅ 绑定表：关联查询优化

下一步学习

• 学习分布式事务的实现
• 了解数据加密功能
• 探索更多高级特性

希望这篇文章能帮助您更好地理解和使用 Sharding-JDBC 的核心功能！如果您有任何问题，欢迎在评论区讨论。