大家好,我是小富~
ShardingSphere实现分库分表,如何管理分布在不同数据库实例中的成千上万张分片表?
上边的问题是之前有个小伙伴看了我的分库分表的文章,私下咨询我的,看到他的提问我第一感觉就是这老铁没用过ShardingSphere,因为这个问题在ShardingSphere中已经有了很好的解决方案,接下来看看怎么实现。
本文案例代码GitHub地址:https://github.com/chengxy-nds/Springboot-Notebook/tree/master/shardingsphere101/shardingsphere-autocreate-table
系列往期
往期系列文章(我佛系更新,无下限拖更):
(一)好好的系统,为什么要分库分表?
(二)分库分表的 21 条法则,hold 住!
(三)2 种方式快速实现分库分表,轻松拿捏!
本文是《ShardingSphere5.x分库分表原理与实战》系列的第四篇文章,在进行分库分表设计时,确认好了数据节点数量和分片策略以后,接下来要做的就是管理大量的分片表。实际实施过程中可能存在上百个分片数据库实例,每个实例中都可能有成千上万个分片表,如果仅依靠人力来完成这些任务显然是不现实的。所以,想要快速且自动化管理这些分片表,使用工具是十分必要滴。
前言
ShardingSphere
框架成员中的Shardingsphere-jdbc
和Shardingsphere-proxy
都提供了自动化管理分片表的功能auto-tables
,可以统一维护大量的分片表,避免了手动编写脚本和维护分片表的繁琐工作,极大程度减少分库分表的开发和维护成本,提升效率和可靠性。
这里咱们先使用Shardingsphere-jdbc
来实际操作一下,Shardingsphere-proxy
方式后续会有单独的文章详细讲解,就不在这里展开了。
准备工作
假设我们要对t_order
表进行分库分表,首先我们要做的就是确定好分片方案,这里使用两个数据库实例db0
、db1
,每个实例中t_order
表分成1000张分片表t_order_1 ~ t_order_1000
,order_id
字段作为分片键,分片算法使用取模算法order_id % n
,分布式主键生成策略采用snowflake
。
t_order
逻辑表的表结构如下:
CREATE TABLE `t_order` (
`order_id` BIGINT ( 20 ) NOT NULL COMMENT "订单表分布式主健ID",
`order_number` VARCHAR ( 255 ) NOT NULL COMMENT "订单号",
`customer_id` BIGINT ( 20 ) NOT NULL COMMENT "用户ID",
`order_date` date NOT NULL COMMENT "下单时间",
`total_amount` DECIMAL ( 10, 2 ) NOT NULL COMMENT "订单金额",
PRIMARY KEY ( `order_id` ) USING BTREE
);
有了这些基础信息,可以先来进行t_order
表的分片配置了,不考虑其他因素,这里先Run起来!
分片规则配置
设定好分片规则,接着编写逻辑表t_order
的分片规则的配置,我分别使用yml配置
和Java编码
两种方式做了实现。要注意的是两种方式不要并存,不然启动会报错。
yml配置方式
使用yml配置相对简单易用比较直观,适合对分库分表要求不太复杂的场景,完整配置如下:
spring:
shardingsphere:
datasource:
# 数据源名称,多数据源以逗号分隔 ,放在第一个的数据源为未配置分片规则表的默认数据源
names: db0 , db1
# 名称与上边 names 保持一致
db0:
....
db1:
....
# 具体规则配置
rules:
sharding:
# 分片算法定义
sharding-algorithms:
# 自定义分片算法名称
t_order_database_algorithms:
# 分片算法类型
type: INLINE
# 自定义参数
props:
algorithm-expression: db$->{order_id % 2}
t_order_table_algorithms:
type: INLINE
props:
algorithm-expression: t_order_$->{order_id % 1000}
t_order_mod:
type: MOD
props:
# 指定分片数量
sharding-count: 1000
# 分布式序列算法配置
key-generators:
t_order_snowflake:
type: SNOWFLAKE
# 分布式序列算法属性配置
props:
worker-id: 1
tables:
# 逻辑表名称
t_order:
# 数据节点:数据库.分片表
actual-data-nodes: db$->{0..1}.t_order_$->{1..1000}
# 分库策略
database-strategy:
standard:
# 分片列名称
sharding-column: order_id
# 分片算法名称
sharding-algorithm-name: t_order_database_algorithms
# 分表策略
table-strategy:
standard:
# 分片列名称
sharding-column: order_id
# 分片算法名称
sharding-algorithm-name: t_order_table_algorithms
# 主键生成策略
keyGenerateStrategy:
column: order_id
keyGeneratorName: t_order_snowflake
# 属性配置
props:
# 展示修改以后的sql语句
sql-show: true
Java编码方式
使用Java编码方式更加灵活和可扩展,可以根据业务定制分片规则,适合对分库分表有特殊需求或需要动态调整的场景。
/**
* 公众号:程序员小富
*/
@Configuration
public class ShardingConfiguration {
/**
* 配置分片数据源
* 公众号:程序员小富
*/
@Bean
public DataSource getShardingDataSource() throws SQLException {
Map dataSourceMap = new HashMap();
dataSourceMap.put("db0", dataSource0());
dataSourceMap.put("db1", dataSource1());
// 分片rules规则配置
ShardingRuleConfiguration shardingRuleConfig = new ShardingRuleConfiguration();
// 分片算法
shardingRuleConfig.setShardingAlgorithms(getShardingAlgorithms());
// 配置 t_order 表分片规则
ShardingTableRuleConfiguration orderTableRuleConfig = new ShardingTableRuleConfiguration("t_order", "db${0..1}.t_order_${1..1000}");
orderTableRuleConfig.setTableShardingStrategy(new StandardShardingStrategyConfiguration("order_id", "t_ord服务器托管网er_table_algorithms"));
orderTableRuleConfig.setDatabaseShardingStrategy(new StandardShardingStrategyConfiguration("order_id", "t_order_database_algorithms"));
shardingRuleConfig.getTables().add(orderTableRuleConfig);
// 是否在控制台输出解析改造后真实执行的 SQL
Properties properties = new Properties();
properties.setProperty("sql-show", "true");
// 创建 ShardingSphere 数据源
return ShardingSphereDataSourceFactory.createDataSource(dataSourceMap, Collections.singleton(shardingRuleConfig), properties);
}
/**
* 配置数据源1
* 公众号:程序员小富
*/
public DataSource dataSource0() {
HikariDataSource dataSource = new HikariDataSource();
dataSource.setDriverClassName("com.mysql.cj.jdbc.Driver");
dataSource.setJdbcUrl("jdbc:mysql://127.0.0.1:3306/db0?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=Asia/Shanghai&allowPublicKeyRetrieval=true");
dataSource.setUsername("root");
dataSource.setPassword("123456");
return dataSource;
}
/**
* 配置数据源2
* 公众号:程序员小富
*/
public DataSource dataSource1() {
HikariDataSource dataSource = new HikariDataSource();
dataSource.setDriverClassName("com.mysql.cj.jdbc.Driver");
dataSource.setJdbcUrl("jdbc:mysql://127.0.0.1:3306/db1?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=Asia/Shanghai&allowPublicKeyRetrieval=true");
dataSource.setUsername("root");
dataSource.setPassword("123456");
return dataSource;
}
/**
* 配置分片算法
* 公众号:程序员小富
*/
private Map getShardingAlgorithms() {
Map shardingAlgorithms = new LinkedHashMap();
// 自定义分库算法
Properties databaseAlgorithms = new Properties();
databaseAlgorithms.setProperty("algorithm-expression", "db$->{order_id % 2}");
shardingAlgorithms.put("t_order_database_algorithms", new AlgorithmConfiguration("INLINE", databaseAlgorithms));
// 自定义分表算法
Properties tableAlgorithms = new Properties();
tableAlgorithms.setProperty("algorithm-expression", "db$->{order_id % 1000}");
shardingAlgorithms.put("t_order_table_algorithms", new AlgorithmConfiguration("INLINE", tableAlgorithms));
return shardingAlgorithms;
}
}
上面我们在应用中编写好了分片规则,现在就差在数据库实例中创建分片表了,手动创建和管理1000张分片表确实是一个又脏又累的活,反正我是不会干的!
管理分片表
其实,ShardingSphere
内已经为我们提供了管理分片表的能力。
当一张逻辑表t_order
被配置了分片规则,那么接下来对逻辑表的各种DDL
操作(例如创建表
、修改表结构
等),命令和数据会根据分片规则,执行和存储到每个分片数据库和分片库中的相应分片表中,以此保持整个分片环境的一致性。
不过,使用Shardingsphere-jdbc
管理分片表的过程中,是需要我们手动编写对逻辑表的DDL
操作的代码。我们来跑几个单元测试用例来观察实际的执行效果,直接使用jdbcTemplate
执行创建逻辑表t_order
的SQL。
/**
* @author 公众号:程序员小富
* 自动创建分片表
* @date 2023/12/31 17:25
*/
@SpringBootTest
class AutoCreateTablesTests {
@Resource
private JdbcTemplate jdbcTemplate;
/**
* 执行创建逻辑表的SQL,会根据AutoTables的配置自动在对应的数据源内创建分片表
* @author 公众号:程序员小富
*/
@Test
public void autoCreateOrderTableTest() {
jdbcTemplate.execute("CREATE TABLE `t_order` (n" +
" `order_id` bigint(20) NOT NULL,n" +
" `order_number` varchar(255) NOT NULL,n" +
" `customer_id` bigint(20) NOT NULL,n" +
" `order_date` date NOT NULL,n" +
" `total_amount` decimal(10,2) NOT NULL,n" +
" PRIMARY KEY (`order_id`) USING BTREEn" +
");");
}
}
根据之前配置的分片规则,将会在两个数据库实例 db0
和 db1
中,分别生成1000
张命名为t_order_1
到t_order_1000
的分片表,看到两个数据库均成功创建了1000张分片表。
在次执行更新t_order
表SQL,将字段order_number
长度从 varchar(255)
扩展到 varchar(500)
,执行SQL看下效果。
/**
* @author 公众号:程序员小富
* 自动创建分片表
* @date 2023/12/31 17:25
*/
@SpringBootTest
class AutoCreateTablesTests {
@Resource
private JdbcTemplate jdbcTemplate;
@Test
public void autoModifyOrderTableTest() {
jdbcTemplate.execute("ALTER TABLE t_order MODIFY COLUMN order_number varchar(500);");
}
}
通过查看两个分片库,我们成功地将所有分片表的order_number
字段长度更改为了varchar(500)
,在控制台日志中,可以看到它是通过在每个分片库内依次执行了1000次命令实现的。
Shardingsphere-jdbc
实现分库分表时,可以采用这种默认的方式来管理分片表。但要注意的是,由于涉及到不同的数据库实例,如果不使用第三方的分布式事务管理工具(例如Seata
等),执行过程是无法保证事务一致性的。
自定义管理分片表
上边为逻辑表配置分片规则,应用程序内执行对逻辑表的DDL操作,就可以很轻松的管理分片表。
自定义
不过,默认的分片管理还是有局限性的,我们在设计分片规则时往往会根据不同的业务维度来划分,例如按天、月、按季度生成分片表并分布到不同数据源中等。这样就需要一些自定义的规则来实现。
ShardingSphere 5.X
版本后推出了一种新的管理分片配置方式:AutoTable
。设置了AutoTable
的逻辑表,将交由ShardingSphere
自动管理分片,用户只需要指定分片数量和使用的数据库实例,无需再关心表的具体分布,配置格式如下:
spring:
shardingsphere:
# 数据源配置
datasource:
......
# 具体规则配置
rules:
sharding:
# 逻辑表分片规则
tables:
# 逻辑表名称
t_order:
.....
# 自动分片表规则配置
auto-tables:
t_order: # 逻辑表名称
actual-data-sources: db$->{0..1}
sharding-strategy: # 切分策略
standard: # 用于单分片键的标准分片场景
sharding-column: order_id # 分片列名称
sharding-algorithm-name: t_order_mod # 自动分片算法名称
ShardingSphere-Jdbc
中配置使用auto-tables
主要两个参数,actual-data-sources
指定数据源分布,由于是管理分片表所以只需数据源信息即可;sharding-strategy
指具体采用何种算法来进行分片。
对逻辑表的DDL操作,系统会首先检查是否配置了AutoTable,如果已配置,则优先采用配置的规则;若未配置,则将使用默认的逻辑表分片规则。
AutoTable
支持ShardingSphere
内置的全部自动分片算法,所谓自动分片算法就是根据actualDataSources
设置的数据源信息,使用对应内置算法自行解析处理。
- MOD:取模分片算法
- HASH_MOD:哈希取模分片算法
- VOLUME_RANGE:基于分片容量的范围分片算法
- BOUNDARY_RANGE:基于分片边界的范围分片算法
- AUTO_INTERVAL:自动时间段分片算法
AutoTable使用
举个例子,我们使用内置MOD
取模算法作为AutoTable
的分片算法,同样是db0
、db1
两个实例中各创建1000张分片表。那么当对逻辑表的DDL操作时,ShardingSphere
会依据分片表编号t_order_0~t_order_1999 % 数据库实例数
取模来确认DDL命令路由到哪个实例中执行。
spring:
shardingsphere:
# 数据源配置
datasource:
.....
# 具体规则配置
rules:
sharding:
# 自动分片表规则配置
a服务器托管网uto-tables:
t_order:
actual-data-sources: db$->{0..1}
sharding-strategy:
standard:
sharding-column: order_date
sharding-algorithm-name: t_order_mod
# 分片算法定义
sharding-algorithms:
t_order_mod:
type: MOD
props:
# 指定分片数量
sharding-count: 2000
还是执行刚才创建表的单元测试,会发现db0
、db1
两个实例中已经各自创建了1000张分片表,但你会发现1000张表已经不再是按照顺序创建的了。
上边使用的是内置自动分片算法,它对于我们来说是黑盒,提供它方便我们拿来即用。不过,如果想要做到更细粒度的管理分片表,最好的办法就是自定义分片算法,后续章节会介绍所有内置分片算法和自定义分片算法的使用。
总结
在使用ShardingSphere
实现分库分表的时候,要摒弃先建表、再配规则的传统思维,要先确定规则在建表,管理表是一件很简单的事,我们只要告诉ShardingSphere
分片数量和分布规则,剩下的就让框架来处理就好了。
本文案例代码GitHub地址:https://github.com/chengxy-nds/Springboot-Notebook/tree/master/shardingsphere101/shardingsphere-autocreate-table
我是小富~ 下期见
参考文献
- https://shardingsphere.apache.org/
- https://www.bookstack.cn/read/shardingsphere-5.3.2-zh/ddd3efa082ed1ffc.md
- https://shardingsphere.apache.org/blog/cn/material/oct_12_6_autotable_your_butler-like_sharding_configuration_tool/
- https://community.sphere-ex.com/
- https://blog.csdn.net/qq_36641443/article/details/127343113
服务器托管,北京服务器托管,服务器租用 http://www.fwqtg.net