Sharding-JDBC核心概念

1、SQL核心概念

1.1、逻辑表，水平拆分的数据库（表）的相同逻辑和数据结构表的总称。

1.2、真实表，在分片的数据库中真实存在的物理表。

1.3、数据节点，数据分片的最小单元，由数据源名称和数据表组成，例：ds_0.t_order_0。

1.4、绑定表，指分片规则一致的主表和子表。

1.5、广播表，指所有的分片数据源中都存在的表，表结构和表中的数据在每个数据库中均完全一致。

2、分片核心概念

2.1、分片键，用于分片的数据库字段，是将数据库(表)水平拆分的关键字段。

2.2、分片算法，通过分片算法将数据分片，支持通过=、>=、<=、>、<、BETWEEN和IN分片。分片算法需要应用方开发者自行实现，可实现的灵活度非常高。

1）精确分片算法，对应PreciseShardingAlgorithm，用于处理使用单一键作为分片键的=与IN进行分片的场景。需要配合StandardShardingStrategy使用。

2）范围分片算法，对应RangeShardingAlgorithm，用于处理使用单一键作为分片键的BETWEEN AND、>、<、>=、<=进行分片的场景。需要配合StandardShardingStrategy使用。

3）复合分片算法，对应ComplexKeysShardingAlgorithm，用于处理使用多键作为分片键进行分片的场景，包含多个分片键的逻辑较复杂，需要应用开发者自行处理其中的复杂度。需要配合ComplexShardingStrategy使用。

4）Hint分片算法，对应HintShardingAlgorithm，用于处理使用Hint行分片的场景。需要配合HintShardingStrategy使用。

2.3、分片策略，包含分片键和分片算法，由于分片算法的独立性，将其独立抽离。真正可用于分片操作的是分片键 + 分片算法，也就是分片策略。

1）标准分片策略，对应StandardShardingStrategy，提供对SQL语句中的=, >, <, >=, <=, IN和BETWEEN AND的分片操作支持。StandardShardingStrategy只支持单分片键，提供PreciseShardingAlgorithm和RangeShardingAlgorithm两个分片算法。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, >, <, >=, <=分片，如果不配置RangeShardingAlgorithm，SQL中的BETWEEN AND将按照全库路由处理。

2）复合分片策略，对应ComplexShardingStrategy，复合分片策略。提供对SQL语句中的=, >, <, >=, <=, IN和BETWEEN AND的分片操作支持。ComplexShardingStrategy支持多分片键，由于多分片键之间的关系复杂，因此并未进行过多的封装，而是直接将分片键值组合以及分片操作符透传至分片算法，完全由应用开发者实现，提供最大的灵活度。

3）行表达式分片策略，对应InlineShardingStrategy，使用Groovy的表达式，提供对SQL语句中的=和IN的分片操作支持，只支持单分片键。对于简单的分片算法，可以通过简单的配置使用，从而避免繁琐的Java代码开发，如: t_user_$->{u_id % 8} 表示t_user表根据u_id模8，而分成8张表，表名称为t_user_0到t_user_7。

4）Hint分片策略，对应HintShardingStrategy，通过Hint指定分片值而非从SQL中提取分片值的方式进行分片的策略。

5）不分片策略，对应NoneShardingStrategy，不分片的策略。

2.4、SQL Hint，对于分片字段非SQL决定，而由其他外置条件决定的场景，可使用SQL Hint灵活的注入分片字段。例如：内部系统，按照员工登录主键分库，而数据库中并无此字段。

3、配置核心概念

3.1、分片规则，分片规则配置的总入口。包含数据源配置、表配置、绑定表配置以及读写分离配置等。

3.2、数据源配置，真实数据源列表。

3.3、表配置，逻辑表名称、数据节点与分表规则的配置。

3.4、数据节点配置，用于配置逻辑表与真实表的映射关系。可分为均匀分布和自定义分布两种形式。

3.5、分片策略配置，对于分片策略存有数据源分片策略和表分片策略两种维度，两种策略的API完全相同。

1）数据源分片策略，对应于DatabaseShardingStrategy。用于配置数据被分配的目标数据源。

2）表分片策略，对应于TableShardingStrategy。用于配置数据被分配的目标表，该目标表存在与该数据的目标数据源内。故表分片策略是依赖与数据源分片策略的结果的。

3.6、自增主键生成策略，通过在客户端生成自增主键替换以数据库原生自增主键的方式，做到分布式主键无重复。

根据表的列值分配到不同的数据库案例

pom.xml（版本）

<dependency>
    <groupId>org.apache.shardingsphere</groupId>
    <artifactId>sharding-jdbc-spring-boot-starter</artifactId>
    <version>4.1.1</version>
</dependency>
<dependency>
    <groupId>org.apache.shardingsphere</groupId>
    <artifactId>sharding-jdbc-spring-namespace</artifactId>
    <version>4.1.1</version>
</dependency>
<dependency>
    <groupId>org.apache.shardingsphere</groupId>
    <artifactId>sharding-orchestration-center-zookeeper-curator</artifactId>
    <version>4.1.1</version>
</dependency>

数据库和表

数据库：ds1、ds2。

CREATE TABLE `t_user` (
    `id` bigint NOT NULL PRIMARY KEY,
    `domain` varchar(45) NOT NULL,
    `name` varchar(45) NOT NULL,
    `status` varchar(45) NOT NUL
) ENGINE=InnoDB;

自定义数据库标准分片策略

import org.apache.shardingsphere.api.sharding.standard.PreciseShardingAlgorithm;
import org.apache.shardingsphere.api.sharding.standard.PreciseShardingValue;

import java.util.Collection;

public class MyDatabasePreciseShardingAlgorithm implements PreciseShardingAlgorithm<String> {

    @Override
    public String doSharding(Collection<String> collection, PreciseShardingValue<String> preciseShardingValue) {
        // collection==>所有的数据库名
        // preciseShardingValue
        return "ds" + preciseShardingValue.getValue();
    }

}

功能代码实现：

import javax.sql.DataSource;
import java.sql.*;
import java.util.HashMap;
import java.util.Map;
import java.util.Properties;

public class ShardingJDBCDemo01 {

    public static void main(String[] args) {
        // =====================================================================//
        // 配置真实数据源
        Map<String, DataSource> dataSourceMap = new HashMap<>();
        // 配置第一个数据源
        DruidDataSource dataSource1 = new DruidDataSource();
        dataSource1.setDriverClassName("com.mysql.cj.jdbc.Driver");
        dataSource1.setUrl("jdbc:mysql://192.168.1.11:3306/ds1?serverTimezone=UTC&characterEncoding=utf8&useUnicode=true&useSSL=false");
        dataSource1.setUsername("root");
        dataSource1.setPassword("root1234");
        dataSourceMap.put("ds1", dataSource1);
        // 配置第二个数据源
        DruidDataSource dataSource2 = new DruidDataSource();
        dataSource2.setDriverClassName("com.mysql.cj.jdbc.Driver");
        dataSource2.setUrl("jdbc:mysql://192.168.1.11:3306/ds2?serverTimezone=UTC&characterEncoding=utf8&useUnicode=true&useSSL=false");
        dataSource2.setUsername("root");
        dataSource2.setPassword("root1234");
        dataSourceMap.put("ds2", dataSource2);
        // =====================================================================//
        // shardingJDBC规则配置
        // =====================================================================//
        TableRuleConfiguration userTableRuleConfig = new TableRuleConfiguration("t_user");
        String shardingColumn = "domain";
        PreciseShardingAlgorithm preciseShardingAlgorithm = new MyDatabasePreciseShardingAlgorithm();
        StandardShardingStrategyConfiguration standardShardingStrategyConfiguration = new StandardShardingStrategyConfiguration(shardingColumn, preciseShardingAlgorithm);
        userTableRuleConfig.setDatabaseShardingStrategyConfig(standardShardingStrategyConfiguration);
        ShardingRuleConfiguration shardingRuleConfig = new ShardingRuleConfiguration();
        shardingRuleConfig.getTableRuleConfigs().add(userTableRuleConfig);
        // =====================================================================//
        // 获取数据源对象
        // =====================================================================//
        DataSource dataSource = null;
        try {
            dataSource = ShardingDataSourceFactory.createDataSource(dataSourceMap, shardingRuleConfig, new Properties());
        } catch (SQLException e) {
            e.printStackTrace();
        }
        // =====================================================================//
        // 插入数据
        // =====================================================================//
        for (int i = 1; i <= 10; i++) {
            try {
                String sql = "insert into t_user(`id`,`domain`,`name`,`status`) values(" + i + ",'2','1','1')";
                Connection conn = dataSource.getConnection();
                Statement stmt = conn.createStatement();
                stmt.executeUpdate(sql);
                System.out.println("插入：" + i);
            } catch (SQLException e) {
                e.printStackTrace();
            }
        }
        System.out.println("操作完成...");
    }

}

测试说明：

给表中插入数据时，根据表t_user中列domain的值不同，分片存储到不同的数据库。