数据库分库分表中间件 Sharding-JDBC 源码分析 —— SQL 路由(一)之分库分表配置
1. 概述
《SQL 解析》 已经告于段落,我们要开始新的旅程:《SQL 路由》。相比SQL解析,路由会容易理解很多,骗人是小。整个系列预计会拆分成三小篇文章:
《分库分表配置》
《分表分库路由》
《Spring与YAML配置》
第一、二篇会在近期更新。第三篇会在《SQL 改写》、《SQL 执行》完成后进行更新。改写和执行相对有趣。
道友,您看,逗比博主“很有规划”,是关注公众号一波【芋道源码】还是分享朋友圈。
阅读本文之前,建议已经读过官方相关文章:
《Sharding-JDBC 核心概念》
《Sharding-JDBC 分表分库》
分表分库配置会涉及如下类:
TableRule 表规则配置对象
ShardingRule 分库分表规则配置对象
ShardingStrategy 分片策略
ShardingAlgorithm 分片算法
我们来一起逐个类往下看。
Sharding-JDBC 正在收集使用公司名单:传送门。
你的登记,会让更多人参与和使用 Sharding-JDBC。传送门
Sharding-JDBC 也会因此,能够覆盖更多的业务场景。传送门
登记吧,骚年!传送门
2. TableRule
TableRule,表规则配置对象,内嵌 TableRuleBuilder 对象进行创建。
2.1 logicTable
数据分片的逻辑表,对于水平拆分的数据库(表),同一类表的总称。
例:订单数据根据主键尾数拆分为10张表,分别是torder0到torder9,他们的逻辑表名为t_order。
2.2 数据单元
Sharding-JDBC 有两种类型数据单元:
DataNode :静态分库分表数据单元
数据分片的最小单元,由数据源名称和数据表组成。
例:ds1.torder0。配置时默认各个分片数据库的表结构均相同,直接配置逻辑表和真实表对应关系即可。
如果各数据库的表结果不同,可使用ds.actualtable配置。
DynamicDataNode :动态表的分库分表数据单元
逻辑表和真实表不一定需要在配置规则中静态配置。
比如按照日期分片的场景,真实表的名称随着时间的推移会产生变化。
此类需求Sharding-JDBC是支持的,不过目前配置并不友好,会在新版本中提升。
TableRuleBuilder 调用 #build()
方法创建 TableRule。核心代码如下:
// TableRuleBuilder.javapublic static class TableRuleBuilder { public TableRule build() { KeyGenerator keyGenerator = null; if (null != generateKeyColumn && null != keyGeneratorClass) { keyGenerator = KeyGeneratorFactory.createKeyGenerator(keyGeneratorClass); } return new TableRule(logicTable, dynamic, actualTables, dataSourceRule, dataSourceNames, databaseShardingStrategy, tableShardingStrategy, generateKeyColumn, keyGenerator); }}// TableRule.javapublic TableRule(final String logicTable, final boolean dynamic, final List<String> actualTables, final DataSourceRule dataSourceRule, final Collection<String> dataSourceNames, final DatabaseShardingStrategy databaseShardingStrategy, final TableShardingStrategy tableShardingStrategy, final String generateKeyColumn, final KeyGenerator keyGenerator) { Preconditions.checkNotNull(logicTable); this.logicTable = logicTable; this.dynamic = dynamic; this.databaseShardingStrategy = databaseShardingStrategy; this.tableShardingStrategy = tableShardingStrategy; if (dynamic) { // 动态表的分库分表数据单元 Preconditions.checkNotNull(dataSourceRule); this.actualTables = generateDataNodes(dataSourceRule); } else if (null == actualTables || actualTables.isEmpty()) { // 静态表的分库分表数据单元 Preconditions.checkNotNull(dataSourceRule); this.actualTables = generateDataNodes(Collections.singletonList(logicTable), dataSourceRule, dataSourceNames); } else { // 静态表的分库分表数据单元 this.actualTables = generateDataNodes(actualTables, dataSourceRule, dataSourceNames); } this.generateKeyColumn = generateKeyColumn; this.keyGenerator = keyGenerator;}
2.2.1 DataNode
大多数业务场景下,我们使用静态分库分表数据单元,即 DataNode。如上文注释处 静态表的分库分表数据单元
处所见,分成两种判断,实质上第一种是将 logicTable
作为 actualTable
,即在库里不进行分表,是第二种的一种特例。
我们来看看 #generateDataNodes()
方法:
// TableRule.java/*** 生成静态数据分片节点** @param actualTables 真实表* @param dataSourceRule 数据源配置对象* @param actualDataSourceNames 数据源名集合* @return 静态数据分片节点*/private List<DataNode> generateDataNodes(final List<String> actualTables, final DataSourceRule dataSourceRule, final Collection<String> actualDataSourceNames) { Collection<String> dataSourceNames = getDataSourceNames(dataSourceRule, actualDataSourceNames); List<DataNode> result = new ArrayList<>(actualTables.size() * (dataSourceNames.isEmpty() ? 1 : dataSourceNames.size())); for (String actualTable : actualTables) { if (DataNode.isValidDataNode(actualTable)) { // 当 actualTable 为 ${dataSourceName}.${tableName} 时 result.add(new DataNode(actualTable)); } else { for (String dataSourceName : dataSourceNames) { result.add(new DataNode(dataSourceName, actualTable)); } } } return result;}/*** 根据 数据源配置对象 和 数据源名集合 获得 最终的数据源名集合** @param dataSourceRule 数据源配置对象* @param actualDataSourceNames 数据源名集合* @return 最终的数据源名集合*/private Collection<String> getDataSourceNames(final DataSourceRule dataSourceRule, final Collection<String> actualDataSourceNames) { if (null == dataSourceRule) { return Collections.emptyList(); } if (null == actualDataSourceNames || actualDataSourceNames.isEmpty()) { return dataSourceRule.getDataSourceNames(); } return actualDataSourceNames;}
第一种情况,自定义分布。
actualTable
为${dataSourceName}.${tableName}
时,即已经明确真实表所在数据源。
TableRule.builder("t_order").actualTables(Arrays.asList("db0.t_order_0", "db1.t_order_1", "db1.t_order_2"))
db0 └── t_order_0 db1 ├── t_order_1 └── t_order_2
第二种情况,均匀分布。
TableRule.builder("t_order").actualTables(Arrays.asList("t_order_0", "t_order_1"))
db0 ├── t_order_0 └── t_order_1 db1 ├── t_order_0 └── t_order_1
#getDataSourceNames()
使用 dataSourceRule
和 actualDataSourceNames
获取数据源的逻辑看起来有种“诡异”。实际 TableRuleBuilder 创建 TableRule 时,使用 dataSourceRule
而不要使用 actualDataSourceNames
。
2.2.2 DynamicDataNode
少数业务场景下,我们使用动态分库分表数据单元,即 DynamicDataNode。通过 dynamic=true
属性配置。生成代码如下:
// TableRule.javaprivate List<DataNode> generateDataNodes(final DataSourceRule dataSourceRule) { Collection<String> dataSourceNames = dataSourceRule.getDataSourceNames(); List<DataNode> result = new ArrayList<>(dataSourceNames.size()); for (String each : dataSourceNames) { result.add(new DynamicDataNode(each)); } return result;}
从代码上看,貌似和动态分库分表数据单元没一毛钱关系?!别捉鸡,答案在《分表分库路由》 上。
2.3 分库/分表策略
databaseShardingStrategy
:分库策略tableShardingStrategy
:分表策略
当分库/分表策略不配置时,使用 ShardingRule 配置的分库/分表策略。
2.4 主键生成
generateKeyColumn
:主键字段keyGenerator
:主键生成器
当主键生成器不配置时,使用 ShardingRule 配置的主键生成器。
3. ShardingRule
ShardingRule,分库分表规则配置对象,内嵌 ShardingRuleBuilder 对象进行创建。
其中 databaseShardingStrategy、tableShardingStrategy、keyGenerator、defaultGenerator 和 TableRule 属性重复,用于当 TableRule 未配置对应属性,使用 ShardingRule 提供的该属性。
3.1 dataSourceRule
dataSourceRule
,数据源配置对象。ShardingRule 需要数据源配置正确。这点和 TableRule 是不同的。TableRule 对 dataSourceRule
只使用数据源名字,最终执行SQL 使用数据源名字从 ShardingRule 获取数据源连接。大家可以回到本文【2.2.1 DataNode】细看下 DataNode 的生成过程。
3.2 tableRules
tableRules
,表规则配置对象集合。
3.3 bindingTableRules
指在任何场景下分片规则均一致的主表和子表。
例:订单表和订单项表,均按照订单ID分片,则此两张表互为BindingTable关系。
BindingTable关系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。
这么说,可能不太容易理解。《分表分库路由》,我们在源码的基础上,好好理解下。非常重要,特别是性能优化上面。
4. ShardingStrategy
ShardingStrategy,分片策略。
针对分库、分表有两个子类。
DatabaseShardingStrategy,使用分库算法进行分片
TableShardingStrategy,使用分表算法进行分片
《分表分库路由》 会进一步说明。
5. ShardingAlgorithm
ShardingAlgorithm,分片算法。
针对分库、分表有两个子接口。
针对分片键数量分成:无分片键算法、单片键算法、多片键算法。
其中 NoneKeyDatabaseShardingAlgorithm、NoneTableShardingAlgorithm 为 ShardingRule 在未设置分库、分表算法的默认值。代码如下:
// ShardingRule.javapublic ShardingRule( final DataSourceRule dataSourceRule, final Collection<TableRule> tableRules, final Collection<BindingTableRule> bindingTableRules, final DatabaseShardingStrategy databaseShardingStrategy, final TableShardingStrategy tableShardingStrategy, final KeyGenerator keyGenerator) { // ... 省略部分代码 this.databaseShardingStrategy = null == databaseShardingStrategy ? new DatabaseShardingStrategy( Collections.<String>emptyList(), new NoneDatabaseShardingAlgorithm()) : databaseShardingStrategy; this.tableShardingStrategy = null == tableShardingStrategy ? new TableShardingStrategy( Collections.<String>emptyList(), new NoneTableShardingAlgorithm()) : tableShardingStrategy; // ... 省略部分代码}
《分表分库路由》 会进一步说明。
666. 彩蛋
本文看似在水更,实是为《分表分库路由》做铺垫(一阵脸红)。
But,无论怎么说,道友,我做了新的关注二维码(感谢猫©著作权归作者所有:来自51CTO博客作者mb5ff80520dfa04的原创作品,如需转载,请注明出处,否则将追究法律责任
更多相关文章
- 数据库读写分离这个坑,让刚入职的我一脸懵逼!
- 老大甩给我 30G 文件,让小黑哥几天内全部导入到数据库
- 这个可视化分析库,让你轻松玩转数据科学!
- 什么,3行Python代码就能获取海量数据?
- 超赞,20个炫酷的数据可视化大屏(含源码)
- NBA投篮数据可视化,4行代码就能实现!
- 做动态图表,没有数据?用Python就能获取!
- 安利一个Python大数据分析神器!
- 墙裂推荐!小白入门数据科学的几个宝藏学习网站