ShadingSphere
ShardingSphere是一款起源于当当网内部的应用框架,2015年在当当网内部诞生,2016年由主要开发人员张亮带入京东数科,在国内经历了当当网、电信翼支付、京东数科等多家大型互联网企业的考验,在2017年开源。
并逐渐由原本只关注于关系型数据库增强工具的ShardingJDBC升级成为一整套以数据分片为基础的数据生态圈,更名为ShardingSphere;在2020年4月,成为Apache软件基金会顶级项目
Apache ShardingSphere
产品定位为 Database Plus
,旨在构建多模数据库上层的标准和生态。 它关注如何充分合理地利用数据库的计算和存储能力,而并非实现一个全新的数据库。 ShardingSphere
站在数据库的上层视角,关注他们之间的协作多于数据库自身。
连接、增量 和 可插拔 是 Apache ShardingSphere 的核心概念。</p>
<ul>
<li><code>连接</code>:通过对数据库协议、 <code>SQL</code> 方言以及数据库存储的灵活适配,快速的连接应用与多模式的异构数据库;</li>
<li><code>增量</code>:获取数据库的访问流量,并提供流量重定向(数据分片、读写分离、影子库)、流量变形(数据加密、数据脱敏)、流量鉴权(安全、审计、权限)、流量治理(熔断、限流)以及流量分析(服务质量分析、可观察性)等透明化增量功能;</li>
<li><code>可插拔</code>:项目采用微内核 + 三层可插拔模型,使内核、功能组件以及生态对接完全能够灵活的方式进行插拔式扩展,开发者能够像使用积木一样定制属于自己的独特系统。</li>
</ul>
<p><img alt="Shading-JDBC、ShadingSphere、ShardingProxy 使用详解" src="https://johngo-pic.oss-cn-beijing.aliyuncs.com/articles/20230605/c1ffd23057fc464886cc204e175e93cf.png" /></p>
<p><code>Apache ShardingSphere</code> 由 <code>JDBC</code>、 <code>Proxy</code> 和 <code>Sidecar</code>(规划中)这 3 款既能够独立部署,又支持混合部署配合使用的产品组成。 它们均提供标准化的基于数据库作为存储节点的增量功能,可适用于如 <code>Java</code> 同构、异构语言、云原生等各种多样化的应用场景。</p>
<p>关系型数据库当今依然占有巨大市场份额,是企业核心系统的基石,未来也难于撼动,我们更加注重在原有基础上提供增量,而非颠覆。</p>
<h2>ShardingSphere-JDBC</h2>
<p>定位为轻量级 <code>Java</code> 框架,在 <code>Java</code> 的 <code>JDBC</code> 层提供的额外服务。 它使用客户端直连数据库,以 <code>jar</code> 包形式提供服务,无需额外部署和依赖,可理解为增强版的 <code>JDBC</code> 驱动,完全兼容 <code>JDBC</code> 和各种 <code>ORM</code> 框架。</p>
<ul>
<li>适用于任何基于 <code>JDBC</code> 的 <code>ORM</code> 框架,如: <code>JPA</code>, <code>Hibernate</code>, <code>Mybatis</code>, <code>Spring JDBC Template</code> 或直接使用 <code>JDBC</code>;</li>
<li>支持任何第三方的数据库连接池,如: <code>DBCP</code>, <code>C3P0</code>, <code>BoneCP</code>, <code>HikariCP</code> 等;</li>
<li>支持任意实现 <code>JDBC</code> 规范的数据库,目前支持 <code>MySQL</code>, <code>PostgreSQL</code>, <code>Oracle</code>, <code>SQLServer</code> 以及任何可使用 <code>JDBC</code> 访问的数据库。</li>
</ul>
<p><img alt="Shading-JDBC、ShadingSphere、ShardingProxy 使用详解" src="https://johngo-pic.oss-cn-beijing.aliyuncs.com/articles/20230605/c2512669a528499a9aa07ac30b789ec3.png" /></p>
<h2>ShardingSphere-Proxy</h2>
<p><code>ShardingSphere-Proxy</code> 是 <code>Apache ShardingSphere</code> 的第二个产品。 它定位为透明化的数据库代理端,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。 目前提供 <code>MySQL</code> 和 <code>PostgreSQL</code>(兼容 <code>openGauss</code> 等基于 <code>PostgreSQL</code> 的数据库)版本,它可以使用任何兼容 <code>MySQL/PostgreSQL</code> 协议的访问客户端(如: <code>MySQL Command Client</code>, <code>MySQL Workbench</code>, <code>Navicat</code> 等)操作数据,对 <code>DBA</code> 更加友好。</p>
<ul>
<li>向应用程序完全透明,可直接当做 <code>MySQL/PostgreSQL</code> 使用。</li>
<li>适用于任何兼容 <code>MySQL/PostgreSQL</code> 协议的的客户端。</li>
</ul>
<p><img alt="Shading-JDBC、ShadingSphere、ShardingProxy 使用详解" src="https://johngo-pic.oss-cn-beijing.aliyuncs.com/articles/20230605/3fc7dc1cebd34e01a2c6ba32e3200af4.png" /></p>
<p>项目说明 ShardingSphere-JDBC ShardingSphere-Proxy 数据库 任意 <code>MySQL/PostgreSQL</code></p>
<p>连接消耗数 高 <code>低</code></p>
<p>异构语言 仅Java <code>任意</code></p>
<p>性能 损耗低 <code>损耗略高</code></p>
<p>无中心化 是 <code>否</code></p>
<p>静态入口 无 <code>有</code></p>
<p><code>ShardingSphere-Proxy</code> 的优势在于对异构语言的支持,以及为 <code>DBA</code> 提供可操作入口。</p>
<p>ShadingJDBC使用</p>
<p><strong>① 分片</strong></p>
<p>一般我们在提到分库分表的时候,大多是以水平切分模式(水平分库、分表)为基础来说的,数据分片将原本一张数据量较大的表 <code>t_order</code> 拆分生成数个表结构完全一致的小数据量表 <code>t_order_0</code>、 <code>t_order_1</code>、···、 <code>t_order_n</code>,每张表只存储原大表中的一部分数据,当执行一条 <code>SQL</code>时会通过 <code>分库策略</code>、 <code>分片策略</code> 将数据分散到不同的数据库、表内。</p>
<p><strong>② 数据节点</strong></p>
<p>数据节点是分库分表中一个不可再分的最小数据单元(表),它由数据源名称和数据表组成,例如上图中 <code>order_db_1.t_order_0</code>、 <code>order_db_2.t_order_1</code> 就表示一个数据节点。</p>
<p><strong>③ 逻辑表</strong></p>
<p>逻辑表是指一组具有相同逻辑和数据结构表的总称。比如我们将订单表 <code>t_order</code> 拆分成 <code>t_order_0</code> ··· <code>t_order_9</code> 等 10张表。此时我们会发现分库分表以后数据库中已不在有 <code>t_order</code> 这张表,取而代之的是 <code>t_order_n</code>,但我们在代码中写 <code>SQL</code> 依然按 <code>t_order</code> 来写。此时 <code>t_order</code> 就是这些拆分表的 <code>逻辑表</code>。</p>
<p><img alt="Shading-JDBC、ShadingSphere、ShardingProxy 使用详解" src="https://johngo-pic.oss-cn-beijing.aliyuncs.com/articles/20230605/7233697da93d4921a46f89a269050648.png" /></p>
<p><strong>④ 真实表</strong></p>
<p>真实表也就是上边提到的 <code>t_order_n</code> 数据库中真实存在的物理表。</p>
<p><strong>⑤ 分片键</strong></p>
<p>用于分片的数据库字段。我们将 <code>t_order</code> 表分片以后,当执行一条SQL时,通过对字段 <code>order_id</code> 取模的方式来决定,这条数据该在哪个数据库中的哪个表中执行,此时 <code>order_id</code> 字段就是 <code>t_order</code> 表的分片健。</p>
<p><img alt="Shading-JDBC、ShadingSphere、ShardingProxy 使用详解" src="https://johngo-pic.oss-cn-beijing.aliyuncs.com/articles/20230605/ecea489edd024134b36dbb7b28791546.png" /></p>
<p><strong>⑥ 分片算法</strong></p>
<p>上边我们提到可以用分片健取模的规则分片,但这只是比较简单的一种,在实际开发中我们还希望用 <code>>=</code>、 <code><=< code>、<code>></code>、<code><</code>、<code>BETWEEN</code> 和 <code>IN</code> 等条件作为分片规则,自定义分片逻辑,这时就需要用到分片策略与分片算法。<!--=<--></code></p>
<p>从执行 SQL 的角度来看,分库分表可以看作是一种路由机制,把 SQL 语句路由到我们期望的数据库或数据表中并获取数据,分片算法可以理解成一种路由规则。</p>
<p>咱们先捋一下它们之间的关系,分片策略只是抽象出的概念,它是由分片算法和分片健组合而成,分片算法做具体的数据分片逻辑。</p>
<p><code>分库、分表的分片策略配置是相对独立的,可以各自使用不同的策略与算法,每种策略中可以是多个分片算法的组合,每个分片算法可以对多个分片健做逻辑判断。</code></p>
<p><img alt="Shading-JDBC、ShadingSphere、ShardingProxy 使用详解" src="https://johngo-pic.oss-cn-beijing.aliyuncs.com/articles/20230605/ed67db0f6f6e4ab6920a539a91a2a873.png" /></p>
<p>分片算法和分片策略的关系</p>
<p><code>sharding-jdbc</code> 提供了4种分片算法:</p>
<pre><code class="language-properties">
1:精确分片算法
精确分片算法(PreciseShardingAlgorithm)用于单个字段作为分片键,SQL中有 = 与 IN 等条件的分片,需要在标准分片策略(StandardShardingStrategy )下使用。
2:范围分片算法
范围分片算法(RangeShardingAlgorithm)用于单个字段作为分片键,SQL中有 BETWEEN AND、>、=、
</code></pre>
<p>注意: <code>sharding-jdbc</code> 并没有直接提供分片算法的实现,需要开发者根据业务自行实现。</p>
<p><strong>⑦ 分片策略</strong></p>
<p>上边讲分片算法的时候已经说过,分片策略是一种抽象的概念,实际分片操作的是由分片算法和分片健来完成的。</p>
<pre><code class="language-properties">
1:标准分片策略
标准分片策略适用于单分片键,此策略支持 PreciseShardingAlgorithm 和 RangeShardingAlgorithm 两个分片算法。
其中 PreciseShardingAlgorithm 是必选的,用于处理 = 和 IN 的分片。RangeShardingAlgorithm 是可选的,用于处理BETWEEN AND, >, =,, =, {t_order_id % 4} 代表 t_order 对其字段 t_order_id取模,拆分成4张表,而表名分别是t_order_0 到 t_order_3。
4:Hint分片策略
Hint分片策略,对应上边的Hint分片算法,通过指定分片健而非从 SQL中提取分片健的方式进行分片的策略。
</code></pre>
<p><strong>⑧ 分布式主键</strong></p>
<p>数据分⽚后,不同数据节点⽣成全局唯⼀主键是⾮常棘⼿的问题,同⼀个逻辑表( <code>t_order</code>)内的不同真实表( <code>t_order_n</code>)之间的⾃增键由于⽆法互相感知而产⽣重复主键。</p>
<p>尽管可通过设置⾃增主键 <code>初始值</code> 和 <code>步⻓</code> 的⽅式避免ID碰撞,但这样会使维护成本加大,乏完整性和可扩展性。如果后去需要增加分片表的数量,要逐一修改分片表的步长,运维成本非常高,所以不建议这种方式。</p>
<p>实现分布式主键⽣成器的方式很多,可以参考我之前写的9种分布式ID生成方式。</p>
<p>为了让上手更加简单,ApacheShardingSphere 内置了 <code>UUID</code>、 <code>SNOWFLAKE</code> 两种分布式主键⽣成器,默认使⽤雪花算法( <code>snowflake</code>)⽣成64bit的⻓整型数据。不仅如此它还抽离出分布式主键⽣成器的接口,⽅便我们实现⾃定义的⾃增主键⽣成算法。</p>
<p><strong>⑨ 广播表</strong></p>
<p>广播表:存在于所有的分片数据源中的表,表结构和表中的数据在每个数据库中均完全一致。一般是为字典表或者配置表 <code>t_config</code>,某个表一旦被配置为广播表,只要修改某个数据库的广播表,所有数据源中广播表的数据都会跟着同步。</p>
<p><strong>⑩ 绑定表</strong></p>
<p>绑定表:那些分片规则一致的主表和子表。比如: <code>t_order</code> 订单表和 <code>t_order_item</code> 订单服务项目表,都是按 <code>order_id</code> 字段分片,因此两张表互为绑定表关系。</p>
<p>那绑定表存在的意义是啥呢?</p>
<p>通常在我们的业务中都会使用 <code>t_order</code> 和 <code>t_order_item</code> 等表进行多表联合查询,但由于分库分表以后这些表被拆分成N多个子表。如果不配置绑定表关系,会出现笛卡尔积关联查询,将产生如下四条 <code>SQL</code>。</p>
<pre><code class="language-sql">
SELECT * FROM t_order_0 o JOIN t_order_item_0 i ON o.order_id=i.order_id
SELECT * FROM t_order_0 o JOIN t_order_item_1 i ON o.order_id=i.order_id
SELECT * FROM t_order_1 o JOIN t_order_item_0 i ON o.order_id=i.order_id
SELECT * FROM t_order_1 o JOIN t_order_item_1 i ON o.order_id=i.order_id
</code></pre>
<p><img alt="Shading-JDBC、ShadingSphere、ShardingProxy 使用详解" src="https://johngo-pic.oss-cn-beijing.aliyuncs.com/articles/20230605/0d917448beaf486b83c17ded6a7755f8.png" /></p>
<p>笛卡尔积查询</p>
<p>而配置绑定表关系后再进行关联查询时,只要对应表分片规则一致产生的数据就会落到同一个库中,那么只需 <code>t_order_0</code> 和 <code>t_order_item_0</code> 表关联即可。</p>
<pre><code class="language-sql">
SELECT * FROM t_order_0 o JOIN t_order_item_0 i ON o.order_id=i.order_id
SELECT * FROM t_order_1 o JOIN t_order_item_1 i ON o.order_id=i.order_id
</code></pre>
<p>绑定表关系</p>
<pre><code class="language-properties">
注意:在关联查询时 t_order 它作为整个联合查询的主表。所有相关的路由计算都只使用主表的策略,t_order_item 表的分片相关的计算也会使用 t_order 的条件,所以要保证绑定表之间的分片键要完全相同。
</code></pre>
<p><strong>案例准备</strong></p>
<p>我们基于 <code>MyBatisPlus+ShadingJDBC</code>实现数据库分片、读写分离功能,准备了工程 <code>shading-jdbc</code>,该工程是一个 <code>SpringBoot+MyBatisPlus</code>实现了 <code>MySQL</code>增加和查询的案例,我们要将 <code>ShadingJDBC</code>集成进来,将它改造成具备分表分库、读写分离的案例。</p>
<p>准备数据库 <code>sd1</code>、 <code>sd2</code>,在每个数据库中创建表,</p>
<p>表结构说明: goods 用于数据库分片。goods_0, goods_1用于表分片</p>
<p>创建脚本如下:</p>
<pre><code class="language-sql">
-- 数据库sd1
CREATE database
sd1 DEFAULT CHARACTER SET utf8 ;
CREATE TABLE sd1.
(
bigint(20) NOT NULL,
goods_name varchar(100) DEFAULT NULL,
bigint(20) DEFAULT NULL,
PRIMARY KEY (
)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
create table sd1.
goods_0 as select * from sd1.
where 1=2;
create table sd1.
goods_1 as select * from sd1.
where 1=2;
-- 数据库sd2
CREATE database
sd2 DEFAULT CHARACTER SET utf8 ;
create table sd2.
as select * from sd1.
where 1=2;
create table sd2.
goods_0 as select * from sd1.
where 1=2;
create table sd2.
goods_1 as select * from sd1.
` where 1=2;
案例说明:
上面创建的表,虽然是 goods_0
和 goods_1
,但案例中 Pojo
用到了逻辑表,如下:
@Data
@TableName(value = "goods") //这里用的是逻辑表
public class Goods {
@TableId(value = "id",type = IdType.INPUT)
private Long id;
@TableField(value = "goods_name")
private String goodsName;
@TableField(value = "type")
private Long type;
}
处理上面之外,案例提供了三个方法:
package com.execise.controller;
import com.execise.domain.Goods;
import com.execise.service.GoodsService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Controller;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import java.util.List;
@RestController
@Controller
@RequestMapping("/goods")
public class GoodsController {
@Autowired
private GoodsService goodsService;
@GetMapping
public List list(){
return goodsService.list();
}
//@GetMapping("/{id}")
public Goods getOne(@PathVariable int id){
return goodsService.getById(id);
}
@GetMapping("/add/{goodsName}/{type}")
public String add(@PathVariable String goodsName, @PathVariable int type){
Goods goods = new Goods();
goods.setGoodsName(goodsName);
goods.setType(type);
goodsService.save(goods);
return "添加成功!";
}
}
分库案例
我们使用 ShadingJDBC
实现数据分片,将一部分数据添加到 sd1
一部分数据添加到 sd2
中,一部分数据添加到 goods_0
中,一部分数据添加到 goods_1
中。
我们先实现将一部分数据添加到 sd1
中,一部分数据添加到 sd2
中,这种操作就是分库操作,分库操作可以减少每个数据库中存储的数据,当数据少了,查询的时候,单台数据库查找的数据量就减少了,从而加速了每台数据库查找速度。
分库策略
分库策略如上图:
#求余算法
添加数据的时候,我们由于只有2台数据库,我们可以根据某个字段 column%2 求余,来确定数据存入哪个数据库,这种算法是很常规的算法。
#案例求余
在案例中,我们可以把type作为求余的column,用type%2的余数作为数据库的下标,这种算法是非常简单的。
分库配置
修改 application.yml
,配置分库策略,配置如下:
spring:
shardingsphere:
# 数据源配置
datasource:
# 名称随意,但必须唯一
names: ds1,ds2
# 这里的名称需要在datasource.names中存在
ds1:
# jdbc需要配置连接池
type: com.alibaba.druid.pool.DruidDataSource
driver-class-name: com.mysql.cj.jdbc.Driver
username: root
password: root
url: jdbc:mysql://localhost:3306/sd1?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false
ds2:
type: com.alibaba.druid.pool.DruidDataSource
driver-class-name: com.mysql.cj.jdbc.Driver
username: root
password: root
url: jdbc:mysql://localhost:3306/sd2?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false
# 分片配置
sharding:
# 需要分片的表配置
tables:
# 需要分片的表名,逻辑名,随意
goods:
# 数据节点配置ds${}组成上面names中的数据源名称, 1..2代表 1到2之间的数值
# 数据库中表的语法:schema.表名 = database.表名
actualDataNodes: ds${1..2}.goods
# 分库策略
databaseStrategy:
# 使用inline分片算法
inline:
# 分片键 为表中某个字段
shardingColumn: type
# 具体分片时的表达式
algorithmExpression: ds${type % 2 + 1}
props:
# 是否打印sql
sql.show: true
logging:
pattern:
console: '%d{HH:mm:ss} %msg %n\'
level:
root: info
com:
execise: debug
分表案例
基于上面的案例,我们再实现分表操作,一部分数据存入 goods_0
,一部分数据存入 goods_1
。
分表策略
如上图:
#分表策略
我们需要将数据存入到goods_0或者goods_1中,也可以采用求余法,采用id作为求余的列, id%2的余数作为数据库表的下标。
分表配置
修改 application.yml
,配置分表策略,配置如下:
spring:
main:
allow-bean-definition-overriding: true
shardingsphere:
datasource:
names: ds1,ds2
ds1:
type: com.alibaba.druid.pool.DruidDataSource
driver-class-name: com.mysql.cj.jdbc.Driver
username: root
password: root
url: jdbc:mysql://localhost:3306/sd1?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false
ds2:
type: com.alibaba.druid.pool.DruidDataSource
driver-class-name: com.mysql.cj.jdbc.Driver
username: root
password: root
url: jdbc:mysql://localhost:3306/sd2?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false
sharding:
tables:
goods:
actualDataNodes: ds${1..2}.goods_${0..1}
databaseStrategy:
inline:
shardingColumn: type
algorithmExpression: ds${type % 2 + 1}
# 表分片策略
tableStrategy:
inline:
shardingColumn: id
algorithmExpression: goods_${id % 2}
keyGenerator:
type: SNOWFLAKE
column: id
props:
sql.show: true
logging:
pattern:
console: '%d{HH:mm:ss} %msg %n\'
level:
root: info
com:
execise: debug
配置参数说明
上面我们完成了分表分库的配置,但很多配置并未说明是什么意思,参数详情如下:
dataSources: # 省略数据源配置,请参考使用手册
rules:
- !SHARDING
tables: # 数据分片规则配置
(+): # 逻辑表名称
actualDataNodes (?): # 由数据源名 + 表名组成(参考Inline语法规则)
databaseStrategy (?): # 分库策略,缺省表示使用默认分库策略,以下的分片策略只能选其一
standard: # 用于单分片键的标准分片场景
shardingColumn: # 分片列名称
shardingAlgorithmName: # 分片算法名称
complex: # 用于多分片键的复合分片场景
shardingColumns: #分片列名称,多个列以逗号分隔
shardingAlgorithmName: # 分片算法名称
hint: # Hint 分片策略
shardingAlgorithmName: # 分片算法名称
none: # 不分片
tableStrategy: # 分表策略,同分库策略
keyGenerateStrategy: # 分布式序列策略
column: # 自增列名称,缺省表示不使用自增主键生成器
keyGeneratorName: # 分布式序列算法名称
autoTables: # 自动分片表规则配置
t_order_auto: # 逻辑表名称
actualDataSources (?): # 数据源名称
shardingStrategy: # 切分策略
standard: # 用于单分片键的标准分片场景
shardingColumn: # 分片列名称
shardingAlgorithmName: # 自动分片算法名称
bindingTables (+): # 绑定表规则列表
-
-
broadcastTables (+): # 广播表规则列表
-
-
defaultDatabaseStrategy: # 默认数据库分片策略
defaultTableStrategy: # 默认表分片策略
defaultKeyGenerateStrategy: # 默认的分布式序列策略
defaultShardingColumn: # 默认分片列名称
# 分片算法配置
shardingAlgorithms:
(+): # 分片算法名称
type: # 分片算法类型
props: # 分片算法属性配置
# ...
# 分布式序列算法配置
keyGenerators:
(+): # 分布式序列算法名称
type: # 分布式序列算法类型
props: # 分布式序列算法属性配置
# ...
props:
# ...
ShardingProxy 使用
下载与安装
访问 https://shardingsphere.apache.org/document/current/en/downloads/ 下载
也可获取历史版本的下载
https://archive.apache.org/dist/shardingsphere/
- 解压缩后修改conf/server.yaml和以config-前缀开头的文件,如:conf/config-xxx.yaml文件,进行分片规则、读写分离规则配置。
需要修改server.yaml后方可启动。把authentication这块原来的注释符(#)都删除即可
- 如果使用mysql数据库时,需要把mysql的jar复制到它的lib目录下。
- windows下双击start.bat启动: 默认使用3307端口,可通过命令修改。
start.bat 端口
- Linux操作系统请运行
bin/start.sh
,Windows操作系统请运行bin/start.bat
启动Sharding-Proxy。如需配置启动端口、配置文件位置后进行启动
分库案例
修改配置文件config-sharding.yaml如下
schemaName: sharding_db
dataSources:
sp_1:
url: jdbc:mysql://127.0.0.1:3306/sd1?serverTimezone=UTC&useSSL=false
username: root
password: root
connectionTimeoutMilliseconds: 30000
idleTimeoutMilliseconds: 60000
maxLifetimeMilliseconds: 1800000
maxPoolSize: 10
sp_2:
url: jdbc:mysql://127.0.0.1:3306/sd2?serverTimezone=UTC&useSSL=false
username: root
password: root
connectionTimeoutMilliseconds: 30000
idleTimeoutMilliseconds: 60000
maxLifetimeMilliseconds: 1800000
maxPoolSize: 10
shardingRule:
tables:
student:
actualDataNodes: sp_${1..2}.student_${0..1}
tableStrategy:
inline:
shardingColumn: id
algorithmExpression: student_${id % 2}
databaseStrategy:
inline:
shardingColumn: grade
algorithmExpression: sp_${grade % 2 + 1}
keyGenerator:
type: SNOWFLAKE
column: id
bindingTables:
- student
分表案例
修改配置文件config-sharding.yaml如下
schemaName: sharding_db
dataSources:
master:
username: root
password: 123456
url: jdbc:mysql://192.168.136.160:3307/masterdb?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false
connectionTimeoutMilliseconds: 30000
idleTimeoutMilliseconds: 60000
maxLifetimeMilliseconds: 1800000
maxPoolSize: 10
slave1:
username: root
password: 123456
url: jdbc:mysql://192.168.136.160:3308/masterdb?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false
connectionTimeoutMilliseconds: 30000
idleTimeoutMilliseconds: 60000
maxLifetimeMilliseconds: 1800000
maxPoolSize: 10
slave2:
username: root
password: 123456
url: jdbc:mysql://192.168.136.160:3309/masterdb?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false
connectionTimeoutMilliseconds: 30000
idleTimeoutMilliseconds: 60000
maxLifetimeMilliseconds: 1800000
maxPoolSize: 10
shardingRule:
tables:
goods:
actualDataNodes: ds_ms1.goods_${0..1}
tableStrategy:
inline:
shardingColumn: id
algorithmExpression: goods_${id%2}
keyGenerator:
type: SNOWFLAKE
column: id
bindingTables:
- goods
masterSlaveRules:
ds_ms1:
loadBalanceAlgorithmType: round_robin
masterDataSourceName: master
slaveDataSourceNames:
- slave1
- slave2
MySQL主从复制
① 创建master容器
- 创建配置
mkdir -p /data/mysql/master/conf
master数据库配置
sudo tee /data/mysql/master/conf/mysqld.cnf <
- 创建容器
创建master数据库
docker run --name mysql-master -p 3307:3306 -e MYSQL_ROOT_PASSWORD=123456 \
-v /data/mysql/master/conf/mysqld.cnf:/etc/mysql/mysql.conf.d/mysqld.cnf \
-v /data/mysql/master/data:/var/lib/mysql \
-d mysql:5.7
② 创建2个slave容器
- 创建slave的配置
mkdir -p /data/mysql/slave1/conf
slave数据库配置
sudo tee /data/mysql/slave1/conf/mysqld.cnf <
- 创建容器
docker run --name mysql-slave1 -p 3308:3306 -e MYSQL_ROOT_PASSWORD=123456 \
-v /data/mysql/slave1/conf/mysqld.cnf:/etc/mysql/mysql.conf.d/mysqld.cnf \
-v /data/mysql/slave1/data:/var/lib/mysql \
-d mysql:5.7
docker run --name mysql-slave2 -p 3309:3306 -e MYSQL_ROOT_PASSWORD=123456 \
-v /data/mysql/slave2/conf/mysqld.cnf:/etc/mysql/mysql.conf.d/mysqld.cnf \
-v /data/mysql/slave2/data:/var/lib/mysql \
-d mysql:5.7
③ master创建用户并授权
- 进入master的数据库,为master创建复制用户
进入master容器
docker exec -it mysql-master bash
root用户连接mysql
mysql -uroot -p123456
创建用户
CREATE USER repl_user IDENTIFIED BY 'repl_passwd';
- 赋予户复制的权限
grant replication slave on *.* to 'repl_user'@'%' identified by 'repl_passwd';
FLUSH PRIVILEGES;
④ 查看master的状态
记录 File与Position的值
show master status;
⑤ 从库配置
进入从库容器
docker exec -it mysql-slave bash
连接从库
mysql -uroot -p123456
CHANGE MASTER TO
MASTER_HOST = '192.168.136.160',
MASTER_USER = 'repl_user',
MASTER_PASSWORD = 'repl_passwd',
MASTER_PORT = 3307,
MASTER_LOG_FILE='mysql-bin.000003',
MASTER_LOG_POS=858,
MASTER_RETRY_COUNT = 60,
MASTER_HEARTBEAT_PERIOD = 10000;
start slave;
MASTER_LOG_FILE='mysql-bin.000005',#与主库File 保持一致
MASTER_LOG_POS=120 , #与主库Position 保持一致
show slave status\G
Original: https://www.cnblogs.com/wren/p/16746592.html
Author: 请叫我阿杰
Title: Shading-JDBC、ShadingSphere、ShardingProxy 使用详解
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/573962/
转载文章受原作者版权保护。转载请注明原作者出处!