水平分库分表

水平分库是把同一个表的数据按一定规则拆到不同的数据库中，每个库可以放在不同的服务器上。阿粉之前趁着活动入手了2个最低配置的服务器，一个是阿里云的，一个是百度云的，只是做开发用的，虽然每次执行点东西都能让内存爆满，但是自己做开发测试啥的，也是没啥问题的，有兴趣的可以安排一下。在上面装好我们的数据库之后，我们就可以开始进行操作了。
第一步
创建数据库，我们分别在不同的两个数据库中创建相同表结构的两个表数据。
database1中，我们创建一个orderinfo的表

  1. DROP TABLE IF EXISTS orderinfo;
  2. CREATE TABLE orderinfo (
  3. order_id BIGINT(20) PRIMARY KEY AUTO_INCREMENT ,
  4. user_id INT(11) ,
  5. product_name VARCHAR(128),
  6. COUNT INT(11)
  7. );

database2中，我们创建同样的库，创建完成校验一下。
水平分库 - 图1
两个表的结构是一样的
水平分库 - 图2
接下来就去创建我们的SpringBoot项目，这个阿粉不说了，上一篇文章已经说过了，也是需要加入相同的依赖包。
第二步
更改配置：

  1. spring:
  2.   application:
  3.     name: sharding-jdbc-simple
  4.   http:
  5.     encoding:
  6.       enabled: true
  7.       charset: UTF-8
  8.       force: true
  9.   main:
  10.     allow-bean-definition-overriding: true
  12.   #定义数据源
  13.   shardingsphere:
  14.     datasource:
  15.       names: db1,db2
  16.       db1:
  17.         type: com.alibaba.druid.pool.DruidDataSource
  18.         driver-class-name: com.mysql.jdbc.Driver
  19.         url: jdbc:mysql://localhost:3306/order?characterEncoding=UTF-8&useSSL=false
  20.         username: root
  21.         password: 123456
  22.       db2:
  23.         type: com.alibaba.druid.pool.DruidDataSource
  24.         driver-class-name: com.mysql.jdbc.Driver
  25.         url: jdbc:mysql://localhost:3306/ordersharding?characterEncoding=UTF-8&useSSL=false
  26.         username: root
  27.         password: 123456
  28.         ## 分库策略，以user_id为分片键，分片策略为user_id % 2 + 1，user_id为偶数操作db1数据源，否则操作db2。
  29.     sharding:
  30.       tables:
  31.         orderinfo:
  32.           actual-data-nodes: db$->{1..2}.orderinfo
  33.           key-generator:
  34.             column: order_id
  35.             type: SNOWFLAKE
  36.           database-strategy:
  37.             inline:
  38.               sharding-column: user_id
  39.               algorithm-expression: db$->{user_id % 2 + 1}
  40.     props:
  41.       sql:
  42.         show: true
  43. server:
  44.   servlet:
  45.     context-path: /sharding-jdbc
  46. mybatis:
  47.   configuration:
  48.     map-underscore-to-camel-case: true

我们的配置文件，在这里是通过配置对数据库的分片策略,来指定数据库进行操作。
分库策略，以user_id为分片键，分片策略为user_id % 2 + 1，user_id为偶数操作db1数据 源，否则操作db2。
这样的分库策略，直接通过 user_id 的奇偶性，来判断到底是用哪个数据源，用哪个数据库和表数据的。
接下来我们直接写Junit测试来测试一下。

  1.     @Autowired
  2.     OrderDao orderDao;
  4.     @Test
  5.     public void TestInsertShardingDao(){
  6.         for (int i = 0; i < 10; i++) {
  7.             orderDao.insertOrder(i,"大电视",1);
  8.         }
  9.     }

水平分库 - 图3
如果是单独看日志的话，看样子是成功了，那么我们得实际来验证一下这个内容。
水平分库 - 图4
水平分库 - 图5
这么看下来，我们保存的数据是没问题的，从水平切分来看，我们把数据分别保存了database1 和database2 库中的 orderinfo 里面，也就是说，我们的数据算是水平切分到了不同的数据库对应的表中。
接下来我们是不是就得去执行查询了？

分库分表后的查询

我们直接查询：

  1.     @Test
  2.     public void TestQueryShardingDao(){
  3.         List<Long> ids = new ArrayList<>();
  4.         ids.add(743430896454991873L);
  5.         ids.add(743430897486790656L);
  6.         List<Map> mapList = orderDao.findOrderByIds(ids); System.out.println(mapList);
  7.     }
  10.       /**
  11.      * 根据ID 查询订单
  12.      * */
  13.     @Select({"<script>"+
  14.             "select * from orderinfo p where p.order_id in " +
  15.                     "<foreach collection='orderIds' item='id' open='(' separator = ',' close=')'>#{id}</foreach>"
  16.             +"</script>"})
  17.     List<Map> findOrderByIds(@Param("orderIds") List<Long> orderIds);

我们直接看返回结果
水平分库 - 图6

  1. [{user_id=0, COUNT=1, order_id=743430896454991873, product_name=大电视}, {user_id=3, COUNT=1, order_id=743430897486790656, product_name=大电视}]

这个样子看起来，我们水平分库分表拆分，是不是就完成了？
在这里，既然实战结束了，阿粉就得开始说说这个配置了。
在说配置之前，我们得先了解一下关于Sharding-JDBC的执行流程，不然我们也不知道这些配置都是干嘛用的。
当我们把SQL发送给 Sharding 之后，Sharding 会经过五个步骤，然后给我们返回接口，这五个步骤分别是：

  • SQL解析
  • SQL路由
  • SQL改写
  • SQL执行
  • 结果归并

SQL解析：编写SQL查询的是逻辑表, 执行时 ShardingJDBC 要解析SQL ,解析的目的是为了找到需要改写的位置。
SQL路由: SQL的路由是指 将对逻辑表的操作,映射到对应的数据节点的过程. ShardingJDBC会获取分片键判断是否正确,正确 就执行分片策略(算法) 来找到真实的表。
SQL改写: 程序员面向的是逻辑表编写SQL, 并不能直接在真实的数据库中执行,SQL改写用于将逻辑 SQL改为在真实的数据库中可以正确执行的SQL。
SQL执行: 通过配置规则 order_$->{order_id % 2 + 1} ,可以知道当 order_id 为偶数时 , 应该向 order_1表中插入数据, 为奇数时向 order_2表插入数据。
结果归并：将所有真正执行sql的结果进行汇总合并，然后返回。
我们都知道，要是用Sharding分库分表，那么自然就会有相对应的配置，而这些配置才是比较重要的地方，而其中比较经典的就是分片策略了。

分片策略

分片策略分为分表策略和分库策略，它们实现分片算法的方式基本相同，但是在阿粉看来，好像没有太大的区别，无非一个是针对库，一个是针对表。
而一般分片策略主要是分为如下的几种：

  • standard：标准分片策略
  • complex：复合分片策略
  • inline：行表达式分片策略,,使用Groovy的表达式.
  • hint：Hint分片策略，对应HintShardingStrategy。
  • none：不分片策略，对应NoneShardingStrategy。不分片的策略。

那么什么是标准的分片策略呢？
标准分片策略StandardShardingStrategy
使用场景：SQL 语句中有>，>=, <=，<，=，IN 和 BETWEEN AND 操作符，都可以应用此分片策略。
也就是说，你的 SQL 语句中频繁的出现这些符号的时候，而且这个时候你还想要进行分库分表的时候，就可以采用这个策略了。
但是这个时候要谨记一些内容，那就是标准分片策略（StandardShardingStrategy），它只支持对单个分片键（字段）为依据的分库分表，并提供了两种分片算法 PreciseShardingAlgorithm（精准分片）和 RangeShardingAlgorithm（范围分片）。
在使用标准分片策略时，精准分片算法是必须实现的算法，用于 SQL 含有 = 和 IN 的分片处理；范围分片算法是非必选的，用于处理含有 BETWEEN AND 的分片处理。
复合分片策略
使用场景：SQL 语句中有>，>=, <=，<，=，IN 和 BETWEEN AND 等操作符，不同的是复合分片策略支持对多个分片键操作。
这里要注意的就是多个分片键，也就是说，如果我们分片的话需要使用两个字段作为分片键，自定义复合分片策略。
行表达式分片策略
它的配置相当简洁，这种分片策略利用inline.algorithm-expression书写表达式。
阿粉就是使用的这个，来完成的分片，而且行表达式分片策略适用于做简单的分片算法，无需自定义分片算法，省去了繁琐的代码开发，是几种分片策略中最为简单的。
但是要注意，行表达式分片策略，它只支持单分片键。
Hint分片策略
Hint分片策略（HintShardingStrategy）和其他的分片策略都不一样了，这种分片策略无需配置分片键，分片键值也不再从 SQL中解析，而是由外部指定分片信息，让 SQL在指定的分库、分表中执行。
不分片策略
不分片策略这个没啥可说的，你不分片的话，用Sharing-JDBC的话，可能就没啥意思了。毕竟玩的就是分片。
在这里，阿粉想说，没有最好的分片策略，有些公司看重学习成本，有些公司看重实际应用，只能说选择对你们公司业务最优的才是最好的。下一篇文章阿粉再来说一下这个垂直分库分表实战。希望大家点个赞，支持一波阿粉，万分感谢！

文章参考

拉勾Sharding-JDBC讲解实战