Hibernate与数据库分表

数据库分片（shard)是一种在数据库的某些表变得特别大的时候采用的一种技术。

通过按照一定的维度将表切分，可以使该表在常用的检索中保持较高的效率，而那些不常用的记录则保存在低访问表中。比如：销售记录按照时间来切分。（横向切分）

也可以根据地域进行拆分，使得每个地区访问自己的表从而进行负载均衡。（纵向切分）

也可以纵横切分，使表拆的更细致。

也可以分库，让不同的数据存放在不同的服务器上，从而进一步均衡负载。

当遇到这样的事情的时候，如果不是采用了MongoDB这种自动拆表的工具，一般来说，都要自己实现一下切表的策略。其实，Hibernate中已经提供了一个很好用的包：

Hiberante Shard，该包是Google贡献给Hibernate社区的。根据其资料显示，现在这个包还是有些限制的。

比如：不能够进行跨表的order by，不能实现跨表的distinct，不能采用基础数据类型(如int)作为ID的类型。

但是它可以支持跨表的唯一ID，跨表的查询，跨表的累计...

而且它似乎只要少量的代码和简单的配置就可以使用，看来它真的是一个很好的工具。值得一试。

很不幸，网上的例子太少了，只找到了一段例子代码:

Hibernate Shards 数据的水平、垂直切割系列

这段代码下载之后运行了，由于数据量太少，并且生成在同一个表中，无法证明Hibernate Shards的作用。

官方网站的资料似乎也是惜墨如金，没有解释的非常详细。

Shards如何配置，如何使用呢？

一个工程里，有的表要切分，有的不必，如何做？

Shard和ebean如何结合使用呢？

带着这些课题，我开始了对Hibernate Shard的调查和研究。

Hibernate是一种ORM的包，它要有来自mapping.xml的“原型”，来自Java的Entity才能够形成ORMapping，还有一个数据库的表，它们的关系是一对一。

而如果采用分片技术，那么应该是一个原型，一个Entity，对应数据库的若干个结构相同的表。

在Hibernate Shard中，通过一个叫做“策略”的东西来完成这样的过程。

它允许通过定义不同的策略，来将不同分类的数据存放在不同的表（乃至库）中，而这个要通过一组和hibernate.cfg.xml结构一样的配置文件来定义。就像下面这样：

 <?xml version='1.0' encoding='utf-8'?>
 <!DOCTYPE hibernate-configuration PUBLIC
     "-//Hibernate/Hibernate Configuration DTD//EN"
     "http://hibernate.sourceforge.net/hibernate-configuration-3.0.dtd">
 <hibernate-configuration>
 <session-factory>
       <property name="connection.driver_class">com.mysql.jdbc.Driver</property>
       <property name="connection.url">jdbc:mysql://localhost/test</property>
       <property name="connection.username">root</property>
       <property name="connection.password">root</property>
       <property name="connection.pool_size">10</property>
       <property name="show_sql">true</property>
       <property name="dialect">org.hibernate.dialect.MySQLInnoDBDialect</property>
       <property name="hbm2ddl.auto">validate</property>
       <property name="hibernate.connection.shard_id">0</property>
       <property name="hibernate.shard.enable_cross_shard_relationship_checks">false</property>

       <mapping resource="ContactEntity.hbm.xml" />
 </session-factory>

 </hibernate-configuration>

然后在生成SessionFactory的时候采用这样的代码：

 private static SessionFactory createSessionFactory() {
         Configuration prototypeCfg = new Configuration()
             .configure("shard0.hibernate.cfg.xml");
         List<ShardConfiguration> shardCfgs = new ArrayList<ShardConfiguration>();
         shardCfgs.add(buildShardConfig("shard0.hibernate.cfg.xml"));
         shardCfgs.add(buildShardConfig("shard1.hibernate.cfg.xml"));
         ShardStrategyFactory strategyFactory = buildShardStrategyFactory();
         ShardedConfiguration shardedConfig = new ShardedConfiguration(
             prototypeCfg, shardCfgs, strategyFactory);
        return shardedConfig.buildShardedSessionFactory();
    }

而策略则分为三种：

ShardAccessStrategy

ShardSelectionStrategy

ShardResolutionStrategy

我们需要上述三种策略才能够构建Hibernate的SessionFactory，就像下面这样。

 private static ShardStrategyFactory buildShardStrategyFactory() {
        return new ShardStrategyFactory() {
            public ShardStrategy newShardStrategy(List<ShardId> shardIds) {
                ShardSelectionStrategy ss = new MyShardSelectionStrategy(shardIds);
                ShardResolutionStrategy rs = new MyShardResolutionStrategy(shardIds);
                ShardAccessStrategy as = new SequentialShardAccessStrategy();
                return new ShardStrategyImpl(ss, rs, as);
            }
        };
     }

那么这三种策略都是什么，应该怎么配置呢？

这三种策略的文档说明和代码说明不怎么一致。（说实在的，这段文档真的没怎么看懂，幸运的是，它是OpenSource的）

ShardAccessStrategy   文档说，切片访问策略，它定义了Hibernate如何和多个Shard之间进行访问。

幸运的是，Hibernate已经为我们创建了两个定义好了的ShardAccessStrategy，它们是：

SequentialShardAccessStrategy  （顺序切片访问策略） 和  ParallelShardAccessStrategy（并行切片访问策略）

顺序切片访问策略 如其名称所言，它按照顺序切片，资料显示，它有可能在访问无序数据时性能偏低，若是这种情况，官方建议使用LoadBalancedSequentialShardAccessStrategy。

                并行切片访问策略 如其名称所言，它提供了并行访问的策略，所以它同时要求提供一个并行策略执行器。 —— 听起来挺难得，而且，介绍资料说——这超纲了。

先不管这么多吧，假设我们访问的数据是一种，按地区、按年份增长的数据，每个城市个月增长量都在10万~1百万，那么我们要在这里采用什么策略呢？

数据是按照时间排序的，所以，我们可以采用SequentialShardAccessStrategy，按月分片，并且按照地区分片。

ShardSelectionStrategy  文档说定义了如何创建一个新对象。

代码上的注释说：Determine the specific shard on which this object should reside

         也就是说，这个是定义哪个领域用来存放这条数据的。

ShardResolutionStrategy 文档说是表示如何将数据进行分流的。比如我们提到的按地区、按月分片。那么数据需要根据这些条件存放在不同的表中。而ShardResolutionStrategy就是帮助我们来完成这个动作的。

代码注释上说：Determine the shards on which an object might live

在ShardStrategyFactory的newShardStrategy方法中传入的参数List<ShardId> shardIds会帮助我们进行选择区域动作。ShardId会定位对应的Continent。

我跟踪了一下那段例子代码，这里的shardIds表示有多少个hibernate.cfg.xml文件中的不同的shard_id字段的值。而ShardSelectionStrategy在Insert的时候会执行，而ShardResolutionStrategy则会在Select的时候执行。（update/delete尚未尝试。）

我们可以在ShardSelectionStrategy中建立自己的策略，比如，按照时间，按照地区来区分数据。从而把数据存放在不同的库中。

因为shardx.hibernate.cfg.xml指定了不同的数据库，所以，到这里可以实现分库了。

而对于那些不必分表的直接return 0即可。

第一版的测试代码在这里下载。

---------------

下一步我将研究一下，如何分表和如何结合Ebean。