本篇文章为大家展示了怎样进行水平分表实践sharding-jdbc 4.0.0-RC3-SNAPSHOT，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。
本文示例是按月水平分表。存在一下两点不足：
分表主键没有设计好，本文用的是自增长id，没有把时间组合到主键中，导致少了一个只根据主键查询的场景；
表中没有冗余一个专门用来分表的字段，将分表字段跟业务字段耦合了，导致一些细节问题。比如，本文的create_time 是带毫秒的，一些时间加减操作会丢失毫秒 导致查不到数据。
限于团队规模，没有做读写分离。
目前我们支付订单中心流水表有2400w数据（mysql单表），查询速度非常慢，且以每天20w+的速度在增长。考虑到这个数据量（每个月600w数据），我们打算按月分表，这样每张表600w+数据量，比较适合查询。
将2019年11月份之前的数据都存放在默认的表中（imass_order_record），这样做有一个好处，就是不用迁移任何历史数据。在这之后的数据，按月建表。比如2019年11月11号的数据进imass_order_record_201911这张表，2019年12月11号的数据写进imass_order_record_201912这张表。
这里在做数据查询的时候稍微注意“月切”问题。
<!-- 分库分表 -->
<sharding-sphere.version>4.0.0-RC3-SNAPSHOT</sharding-sphere.version>
<!-- 分库分表 4.0.0-RC3-SNAPSHOT -->
<dependency>
<groupId>org.apache.shardingsphere</groupId>
<artifactId>sharding-jdbc-core</artifactId>
<version>${sharding-sphere.version}</version>
</dependency>
<!-- for spring boot springboot 配置-->
<dependency>
<groupId>org.apache.shardingsphere</groupId>
<artifactId>sharding-jdbc-spring-boot-starter</artifactId>
<version>${sharding-sphere.version}</version>
</dependency>
<!-- for spring namespace xml 配置-->
<dependency>
<groupId>org.apache.shardingsphere</groupId>
<artifactId>sharding-jdbc-spring-namespace</artifactId>
<version>${sharding-sphere.version}</version>
</dependency>
<!-- transaction 分布式事务 -->
<dependency>
<groupId>org.apache.shardingsphere</groupId>
<artifactId>sharding-transaction-xa-core</artifactId>
<version>${sharding-sphere.version}</version>
</dependency>
上面几个jar 根据需要添加。
package com.imassbank.unionpay.sharding;
import java.text.ParseException;
import java.time.LocalDate;
import java.time.ZoneId;
import java.time.format.DateTimeFormatter;
import java.util.Collection;
import java.util.Date;
import java.util.Locale;
import org.apache.commons.lang3.time.DateUtils;
import org.apache.shardingsphere.api.sharding.standard.PreciseShardingAlgorithm;
import org.apache.shardingsphere.api.sharding.standard.PreciseShardingValue;
import lombok.extern.slf4j.Slf4j;
/**
* @author Michael Feng
* @date 2019年9月19日
* @description
*/
@Slf4j
public class DatePreciseShardingAlgorithm implements PreciseShardingAlgorithm<Date> {
private static DateTimeFormatter sdf = DateTimeFormatter.ofPattern("yyyyMM", Locale.CHINA);
private static final String SEPERATOR = "_";//表名分隔符
private static Date lowwerDate = null;
static {
try {
lowwerDate = DateUtils.parseDate("201911", "yyyyMM");
} catch (ParseException e) {
log.error("解析其实日期异常",e);
}
}
@Override
public String doSharding(Collection<String> availableTargetNames, PreciseShardingValue<Date> shardingValue) {
String loginTableName = shardingValue.getLogicTableName();
Date createTime = shardingValue.getValue();
if(createTime == null || createTime.before(lowwerDate) ){
log.info("创建时间为空，或者当前时间:{} 小于 2019-11 ，进入默认表",createTime);
return loginTableName;
}
String yyyyMM = "";
try{
yyyyMM =SEPERATOR+ createTime.toInstant().atZone(ZoneId.systemDefault()).toLocalDate().format(sdf);
log.info("进入表：{}",loginTableName+yyyyMM);
return loginTableName+yyyyMM;
}catch(Exception e){
log.error("解析创建时间异常，分表失败，进入默认表",e);
}
return loginTableName;
}
}package com.imassbank.unionpay.sharding;
import java.text.ParseException;
import java.time.LocalDate;
import java.time.LocalDateTime;
import java.time.ZoneId;
import java.time.format.DateTimeFormatter;
import java.util.Calendar;
import java.util.Collection;
import java.util.Date;
import java.util.Locale;
import java.util.concurrent.atomic.AtomicInteger;
import org.apache.commons.lang3.time.DateUtils;
import org.apache.shardingsphere.api.sharding.standard.RangeShardingAlgorithm;
import org.apache.shardingsphere.api.sharding.standard.RangeShardingValue;
import com.alibaba.fastjson.JSONObject;
import com.google.common.collect.Range;
import com.google.common.collect.Sets;
import lombok.extern.slf4j.Slf4j;
/**
* @author Michael Feng
* @date 2019年9月19日
* @description
*/
@Slf4j
public class DateRangeShardingAlgorithm implements RangeShardingAlgorithm<Date> {
private static DateTimeFormatter sdf = DateTimeFormatter.ofPattern("yyyyMM", Locale.CHINA);
private static final String SEPERATOR = "_";//表名分隔符
private static Date lowwerDate = null;
static {
try {
lowwerDate = DateUtils.parseDate("201911", "yyyyMM");
} catch (ParseException e) {
log.error("解析其实日期异常",e);
}
}
@Override
public Collection<String> doSharding(Collection<String> availableTargetNames,
RangeShardingValue<Date> shardingValue) {
Collection<String> tableSet = Sets.newConcurrentHashSet();
String logicTableName = shardingValue.getLogicTableName();
Range<Date> dates = shardingValue.getValueRange();
Date lowDate = DateUtils.truncate( dates.lowerEndpoint(),Calendar.MONTH );
Date upperDate = DateUtils.truncate(dates.upperEndpoint(),Calendar.MONTH) ;//为了把当前月份加进来
AtomicInteger i = new AtomicInteger(0);
while(DateUtils.addMonths(lowDate, i.get()).compareTo(upperDate)<=0){
Date date = DateUtils.addMonths(lowDate, i.getAndAdd(1));
if(date.before(lowwerDate)){//早于其实日期的，都从默认的表里面找
tableSet.add(logicTableName);
}else{
tableSet.add(logicTableName+SEPERATOR+date.toInstant().atZone(ZoneId.systemDefault()).toLocalDate().format(sdf));
}
}
log.info("要查询的表集合:{}",JSONObject.toJSONString(tableSet));
return tableSet;
}
}#数据源 spring.shardingsphere.datasource.names=imassunionpay #默认数据源 spring.shardingsphere.sharding.default-data-source-name=imassunionpay # 显示sql spring.shardingsphere.props.sql.show=true #imassunionpay数据源配置 spring.shardingsphere.datasource.imassunionpay.type=com.alibaba.druid.pool.DruidDataSource spring.shardingsphere.datasource.imassunionpay.driver-class-name=com.mysql.cj.jdbc.Driver spring.shardingsphere.datasource.imassunionpay.url=jdbc:mysql://***:3306/imass_union_pay?useUnicode=true&characterEncoding=utf8&autoReconnect=true&allowMultiQueries=true&serverTimezone=Asia/Shanghai spring.shardingsphere.datasource.imassunionpay.username=root spring.shardingsphere.datasource.imassunionpay.password=** #范围水平分表 spring.shardingsphere.sharding.tables.imass_order_record.table-strategy.standard.sharding-column=create_time spring.shardingsphere.sharding.tables.imass_order_record.table-strategy.standard.precise-algorithm-class-name=com.imassbank.unionpay.sharding.DatePreciseShardingAlgorithm spring.shardingsphere.sharding.tables.imass_order_record.table-strategy.standard.range-algorithm-class-name=com.imassbank.unionpay.sharding.DateRangeShardingAlgorithm # 分布式主键 内置的支持这三种 SNOWFLAKE/UUID/LEAF_SEGMENT spring.shardingsphere.sharding.tables.imass_order_record.key-generator.column=order_record_id spring.shardingsphere.sharding.tables.imass_order_record.key-generator.type=SNOWFLAKE #druidDataSource spring.shardingsphere.datasource.imassunionpay.initialSize=5 spring.shardingsphere.datasource.imassunionpay.minIdle=5 spring.shardingsphere.datasource.imassunionpay.maxActive=20 spring.shardingsphere.datasource.imassunionpay.maxWait=60000 spring.shardingsphere.datasource.imassunionpay.timeBetweenEvictionRunsMillis=60000 spring.shardingsphere.datasource.imassunionpay.minEvictableIdleTimeMillis=300000 spring.shardingsphere.datasource.imassunionpay.validationQuery=SELECT 1 FROM DUAL spring.shardingsphere.datasource.imassunionpay.testWhileIdle=true spring.shardingsphere.datasource.imassunionpay.testOnBorrow=false spring.shardingsphere.datasource.imassunionpay.testOnReturn=false spring.shardingsphere.datasource.imassunionpay.poolPreparedStatements=true spring.shardingsphere.datasource.imassunionpay.maxPoolPreparedStatementPerConnectionSize=20 spring.shardingsphere.datasource.imassunionpay.filters=stat,wall,cat
插入很简单，只需要带上分表主键create_time即可
这三个操作都要带上分表主键create_time，举几个场景：
带了分表主键的。有的是直接带了分表主键的，比如刚插入的数据，接下来要一些更新，直接带上分表主键即可，但是更多的是时间范围查询，这种查询会用到范围查询策略。
根据业务主键去查（比较好的方法是在业务主键里面融入时间）
根据不带分表主键的业务数据查询。如果业务数据能关联到时间，则把这个时间（放大范围）当做分表主键去查。如果业务数据没有任何时间属性，则要集合业务特性做一些取舍，限定时间范围。举例如下：
/**
* 只能查最近一个月的数据
*/
@Override
public List<ImassOrderRecord> queryOrderRecordByOrderId(String orderId) {
if(StringUtils.isEmpty(orderId)){
logger.info("支付订单号为空");
return null;
}
Date endCreateTime = new Date();
Date startCreateTime = DateUtils.truncate(DateUtils.addMonths(endCreateTime, -1),Calendar.DAY_OF_MONTH);
List<ImassOrderRecord> recordList = orderRecordExtendMapper.queryOrderRecordByOrderId(orderId,startCreateTime,endCreateTime);
SensitiveProcessor.decryptList(recordList);
return recordList;
}这里可以根据业务场景做更大时间跨度的查询。
一般业务量大的时候，会做一个读写分离。数据写入到分库分表的数据库，做持久化。同事将需要查询的数据往es这种搜索引擎写一份，这样在搜索引擎里面可以随便查。
这个问题sharding-jdbc官方说过，不支持多schema。看了一下源码，是在解析sql的表的时候，比较了各个表的schema，不同则抛出这个异常。实际上，查询语句跟分表毫无关系的话，应该是可以支持这种多schema的。后期对源码理解更深入的时候，看看能不能参考强制路由的思路，允许应用选择是否做sql解析。
这种语句不会调用到范围查询策略。
一种是设置workId，我是直接改写了一下源码，根据ip来设置workId。
还有一些其它的坑，有点忘了。
上述内容就是怎样进行水平分表实践sharding-jdbc 4.0.0-RC3-SNAPSHOT，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注亿速云行业资讯频道。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
