Sharding-JDBC使用 - 《学习笔记》

前言

官方文档是中文的，大量图文，很详细，这里就不啰嗦，本篇主要是实操。

如果非要说下什么是Sharding-JDBC，正如官网所说，它就是一个增强版的JDBC驱动，用来实现分库分表的SQL操作。还有一款产品是Sharding-Proxy 数据库代理，可以实现读写分离。

既然用Sharding-JDBC进行分库分表，那么为什么要分库分表、分库分表的背景、以及分库分表带来的各种难题，这是肯定要去了解的，Sharding-JDBC也只是个工具而已。

另外还支持分布式事务，也是一个大亮点。

虽然说是实操，但还是要解释下Sharding-JDBC中的一些术语概念。从官网摘抄。

水平拆分的数据库（表）的相同逻辑和数据结构表的总称。例如：订单数据根据主键尾数拆分为10张表，分别是t_order_0到t_order_9，他们的逻辑表名为t_order。

在分片的数据库中真实存在的物理表。即上个示例中的t_order_0到t_order_9。

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。

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。适用于数据量不大且需要与海量数据的表进行关联查询的场景，例如：字典表。

指分片规则一致的主表和子表。例如：t_order表和t_order_item表，均按照order_id分片，则此两张表互为绑定表关系。绑定表之间的多表关联查询不会出现笛卡尔积关联，关联查询效率将大大提升。

将某个表进行拆分，一般会根据某个关键字段进行分片，例如：用订单表的主键为分片字段进行取模，该字段就是分片键。一条SQL中如果没有分片键，那么会进行全路由，性能很差。

这个有很多实现方案，例如：UUID，雪花算法（snowflake）等等。默认使用雪花算法来生成主键。

上面说到Sharding-JDBC是增强版的JDBC，重写了JDBC，它由SQL解析 => 执行器优化 => SQL路由 => SQL改写 => SQL执行 => 结果归并流程组成。

SpringBoot+Sharding-JDBC+Mybatis-Plus+MySQL的整合。

主要是一些配置的说明，但是官网也都有，配置项也有读写分离的的配置说明，读写分离需要配置MySQL主从，详见demo。