分库分表ShardingSphere-JDBC笔记整理

一、分库分表解决的现状问题

• 解决数据库本身瓶颈

  • 连接数： 连接数过多时，就会出现‘too many connections’的错误，访问量太大或者数据库设置的最大连接数太小的原因

  • Mysql默认的最大连接数为100.可以修改，而mysql服务允许的最大连接数为16384

  • 数据库分表可以解决单表海量数据的查询性能问题

  • 数据库分库可以解决单台数据库的并发访问压力问题

• 解决系统本身IO、CPU瓶颈

  • 磁盘读写IO瓶颈，热点数据太多，尽管使用了数据库本身缓存，但是依旧有大量IO,导致sql执行速度慢
  • 网络IO瓶颈，请求的数据太多，数据传输大，网络带宽不够，链路响应时间变长
  • CPU瓶颈，尤其在基础数据量大单机复杂SQL计算，SQL语句执行占用CPU使用率高，也有扫描行数大、锁冲突、锁等待等原因
    • 可以通过 show processlist; 、show full processlist，发现 CPU 使用率比较高的SQL
    • 常见的对于查询时间长，State 列值是 Sending data，Copying to tmp table，Copying to tmp table on disk，Sorting result，Using filesort 等都是可能有性能问题SQL，清楚相关影响问题的情况可以kill掉
    • 也存在执行时间短，但是CPU占用率高的SQL，通过上面命令查询不到，这个时候最好通过执行计划分析explain进行分析

二、垂直和水平分库分表区别

• 垂直角度（表结构不一样）
  • 垂直分表: 将一个表字段拆分多个表，每个表存储部分字段
    • 好处: 避免IO时锁表的次数，分离热点字段和非热点字段，避免大字段IO导致性能下降
    • 原则：业务经常组合查询的字段一个表；不常用字段一个表；text、blob类型字段作为附属表
  • 垂直分库：根据业务将表分类，放到不同的数据库服务器上
    • 好处：避免表之间竞争同个物理机的资源，比如CPU/内存/硬盘/网络IO
    • 原则：根据业务相关性进行划分，领域模型，微服务划分一般就是垂直分库
• 水平角度（表结构一样）
  • 水平分库：把同个表的数据按照一定规则分到不同的数据库中，数据库在不同的服务器上
    • 好处: 多个数据库，降低了系统的IO和CPU压力
    • 原则
      • 选择合适的分片键和分片策略，和业务场景配合
      • 避免数据热点和访问不均衡、避免二次扩容难度大
  • 水平分表：同个数据库内，把一个表的数据按照一定规则拆分到多个表中，对数据进行拆分，不影响表结构
    • 单个表的数据量少了，业务SQL执行效率高，降低了系统的IO和CPU压力
    • 原则
      • 选择合适的分片键和分片策略，和业务场景配合
      • 避免数据热点和访问不均衡、避免二次扩容难度大

2.1垂直分表

• 也就是“大表拆小表”，基于列字段进行的

• 拆分原则一般是表中的字段较多，将不常用的或者数据较大，长度较长的拆分到“扩展表 如text类型字段

• 访问频次低、字段大的商品描述信息单独存放在一张表中，访问频次较高的商品基本信息单独放在一张表中

• 垂直拆分原则

  • 把不常用的字段单独放在一张表;

  • 把text，blob等大字段拆分出来放在附表中;

  • 业务经常组合查询的列放在一张表中

2.2垂直分库

• 垂直分库针对的是一个系统中的不同业务进行拆分， 数据库的连接资源比较宝贵且单机处理能力也有限
• 没拆分之前全部都是落到单一的库上的，单库处理能力成为瓶颈，还有磁盘空间，内存，tps等限制
• 拆分之后，避免不同库竞争同一个物理机的CPU、内存、网络IO、磁盘，所以在高并发场景下，垂直分库一定程度上能够突破IO、连接数及单机硬件资源的瓶颈
• 垂直分库可以更好解决业务层面的耦合，业务清晰，且方便管理和维护
• 一般从单体项目升级改造为微服务项目，就是垂直分库

2.3水平分表

• 把一个表的数据分到一个数据库的多张表中，每个表只有这个表的部分数据

• 核心是把一个大表，分割N个小表，每个表的结构是一样的，数据不一样，全部表的数据合起来就是全部数据

• 针对数据量巨大的单张表（比如订单表），按照某种规则（RANGE,HASH取模等），切分到多张表里面去

• 但是这些表还是在同一个库中，所以单数据库操作还是有IO瓶颈，主要是解决单表数据量过大的问题

• 减少锁表时间，没分表前，如果是DDL(create/alter/add等)语句，当需要添加一列的时候mysql会锁表，期间所有的读写操作只能等待

2.4水平分库

• 把同个表的数据按照一定规则分到不同的数据库中，数据库在不同的服务器上
• 水平分库是把不同表拆到不同数据库中，它是对数据行的拆分，不影响表结构
• 每个库的结构都一样,但每个库的数据都不一样，没有交集，所有库的并集就是全量数据
• 水平分库的粒度，比水平分表更大

​

三、水平分库分表常见策略

3.1 Range

• 范围角度思考问题 (范围的话更多是水平分表)

  • 数字

    • 自增id范围

  • 时间

    • 年、月、日范围
    • 比如按照月份生成 库或表 pay_log_2022_01、pay_log_2022_02

  • 空间

    • 地理位置：省份、区域（华东、华北、华南）

    • 比如按照 省份 生成 库或表

例如：自增id，根据ID范围进行分表（左闭右开）

• 规则案例
  • 1~1,000,000 是 table_1
  • 1,000,000 ~2,000,000 是 table_2
  • 2,000,000~3,000,000 是 table_3
  • ...更多
• 优点
  • id是自增长，可以无限增长
  • 扩容不用迁移数据，容易理解和维护
• 缺点
  • 大部分读和写都访会问新的数据，有IO瓶颈，整体资源利用率低
  • 数据倾斜严重，热点数据过于集中，部分节点有瓶颈

基于Range范围分库分表业务场景

• 微博发送记录、微信消息记录、日志记录，id增长/时间分区都行
  • 水平分表为主，水平分库则容易造成资源的浪费
• 网站签到等活动流水数据时间分区最好
  • 水平分表为主，水平分库则容易造成资源的浪费
• 大区划分（一二线城市和五六线城市活跃度不一样，如果能避免热点问题，即可选择）
  • saas业务水平分库（华东、华南、华北等）

3.2Hash取模

hash取模（Hash分库分表是最普遍的方案）

• 如果取模的字段不是整数型要先hash，统一规则就行

• 案例规则

  • 用户ID是整数型的，要分2库，每个库表数量4表，一共8张表
  • 用户ID取模后，值是0到7的要平均分配到每张表

A库ID = userId % 库数量 2
表ID = userId / 库数量 2 % 表数量4

• 优点
  • 保证数据较均匀的分散落在不同的库、表中，可以有效的避免热点数据集中问题，
• 缺点
  • 扩容不是很方便，需要数据迁移

四、实现方案ShardingSphere-JDBC

• 地址：https://shardingsphere.apache.org/

• Sharding-JDBC

  • 基于jdbc驱动，不用额外的proxy，支持任意实现 JDBC 规范的数据库

  • 它使用客户端直连数据库，以 jar 包形式提供服务，无需额外部署和依赖

  • 可理解为加强版的 JDBC 驱动，兼容 JDBC 和各类 ORM 框架

• 它使用客户端直连数据库，以 jar 包形式提供服务

• 无需额外部署和依赖，可理解为增强版的 JDBC 驱动，完全兼容 JDBC 和各种 ORM 框架

• 适用于任何基于 JDBC 的 ORM 框架，如：JPA, Hibernate, Mybatis,或直接使用 JDBC

• 支持任何第三方的数据库连接池，如：DBCP, C3P0, BoneCP, HikariCP 等；

• 支持任意实现 JDBC 规范的数据库，目前支持 MySQL，PostgreSQL，Oracle，SQLServer 以及任何可使用 JDBC 访问的数据库

• 采用无中心化架构，与应用程序共享资源，适用于 Java 开发的高性能的轻量级 OLTP 应用

4.1常见概念术语讲解

• 数据节点Node
  • 数据分片的最小单元，由数据源名称和数据表组成
  • 比如：ds_0.product_order_0
• 真实表
  • 在分片的数据库中真实存在的物理表
  • 比如订单表 product_order_0、product_order_1、product_order_2
• 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
  • 比如订单表 product_order_0、product_order_1、product_order_2，逻辑表就是product_order
• 绑定表
  • 指分片规则一致的主表和子表
  • 比如product_order表和product_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
• 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
  • 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、配置表

4.2常见分片算法讲解

分片算法包括两部分：包含分片键和分片策略

• 分片键 (PartitionKey)

  • 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
  • 比如prouduct_order订单表，根据订单号 out_trade_no做哈希取模，则out_trade_no是分片键
  • 除了对单分片字段的支持，ShardingSphere也支持根据多个字段进行分片

• 分片策略

  • 行表达式分片策略 InlineShardingStrategy（必备）

    • 只支持【单分片键】使用Groovy的表达式，提供对SQL语句中的 =和IN 的分片操作支持

    • 可以通过简单的配置使用，无需自定义分片算法，从而避免繁琐的Java代码开发

    • prouduct_order_$->{user_id % 8}` 表示订单表根据user_id模8，而分成8张表，表名称为`prouduct_order_0`到`prouduct_order_7
      

  • 标准分片策略StandardShardingStrategy（需了解）

    • 只支持【单分片键】，提供PreciseShardingAlgorithm和RangeShardingAlgorithm两个分片算法
    • PreciseShardingAlgorithm 精准分片 是必选的，用于处理=和IN的分片
    • RangeShardingAlgorithm 范围分配 是可选的，用于处理BETWEEN AND分片
    • 如果不配置RangeShardingAlgorithm，如果SQL中用了BETWEEN AND语法，则将按照全库路由处理，性能下降

  • 复合分片策略ComplexShardingStrategy（需了解）

    • 支持【多分片键】，多分片键之间的关系复杂，由开发者自己实现，提供最大的灵活度
    • 提供对SQL语句中的=, IN和BETWEEN AND的分片操作支持

  • Hint分片策略HintShardingStrategy（需了解）

    • 这种分片策略无需配置分片健，分片健值也不再从 SQL中解析，外部手动指定分片健或分片库，让 SQL在指定的分库、分表中执行

    • 用于处理使用Hint行分片的场景，通过Hint而非SQL解析的方式分片的策略

    • Hint策略会绕过SQL解析的，对于这些比较复杂的需要分片的查询，Hint分片策略性能可能会更好

  • 不分片策略 NoneShardingStrategy（需了解）

    • 不分片的策略。

4.3执行流程原理

执行过程为：SQL解析 -> SQL优化 -> SQL路由 -> SQL改写 -> SQL执行 -> 结果归并 ->返回结果