MySQL使用ShardingSphere-JDBC实现数据分片
作者：Akk_it
本文详细介绍了如何使用ShardingSphere-JDBC进行MySQL分库分表,包括垂直分库、水平分库和水平分表的实现方式,以及分片键的选择、绑定表和广播表的使用等,通过YAML配置,可以简单高效地实现分片,解决单库单表数据量过大问题,需要的朋友可以参考下
一、前言
当单库数据量达到千万级、单表达到百万级时，性能会急剧下降，分库分表是解决数据存储瓶颈的核心方案。本文基于 ShardingSphere-JDBC，详解垂直分库、水平分库、水平分表的实现方式。
二、分库分表基础：CAP 定理与解决方案
- CAP 定理：分布式系统无法同时满足一致性（C）、可用性（A）、分区容忍性（P），MySQL 分库分表通常选择：
- AP：保证可用性，牺牲强一致性（最终一致）；
- CP：保证强一致性，牺牲可用性（适合金融场景）；
- 主流解决方案：
- ShardingSphere-JDBC：轻量级，嵌入应用内，无中间件依赖；
- ShardingSphere-Proxy：独立中间件，支持多语言；
- MyCat：老牌数据库中间件。
三、ShardingSphere-JDBC 核心概念
- 分片键：用于分库 / 分表的字段（如 user_id、id）；
- 分片算法：INLINE（行内表达式）、MOD（取模）、HASH（哈希）等；
- 绑定表：关联表（如 t_order 和 t_order_item），避免笛卡尔乘积，提升查询效率；
- 广播表：字典表（如 t_dict），同步到所有分片节点，保证数据一致。
四、分库分表实战（YAML 配置）
1. 垂直分库（按业务拆分）
将不同业务表拆分到不同数据库（如用户表→user_ds，订单表→order_ds）：
rules:
- !SHARDING
tables:
t_user:
actualDataNodes: user_ds.t_user # 用户表在user_ds库
t_order:
actualDataNodes: order_ds.t_order # 订单表在order_ds库2. 水平分库（按分片键拆分到多个库）
将订单表按 user_id 取模拆分到 order_ds_0 和 order_ds_1 两个库：
rules:
- !SHARDING
tables:
t_user:
actualDataNodes: user_ds.t_user
t_order:
actualDataNodes: order_ds_${0..1}.t_order0 # 订单表在2个库的t_order0表
databaseStrategy:
standard:
shardingColumn: user_id # 分片键：user_id
shardingAlgorithmName: userid_inline # 分片算法
shardingAlgorithms:
userid_inline:
type: INLINE
props:
algorithm-expression: order_ds_${user_id % 2} # 取模拆分3. 水平分表（按分片键拆分到多个表）
将订单表按 id 取模拆分到每个库的 t_order0 和 t_order1 表：
rules:
- !SHARDING
tables:
t_user:
actualDataNodes: user_ds.t_user
t_order:
actualDataNodes: order_ds_${0..1}.t_order${0..1} # 2库×2表=4个物理表
databaseStrategy:
standard:
shardingColumn: user_id
shardingAlgorithmName: userid_inline
tableStrategy:
standard:
shardingColumn: id # 分表键：id
shardingAlgorithmName: orderid_inline
shardingAlgorithms:
userid_inline:
type: INLINE
props:
algorithm-expression: order_ds_${user_id % 2}
orderid_inline:
type: INLINE
props:
algorithm-expression: t_order${id % 2} # 取模分表4. 关联表（绑定表）+ 广播表
rules:
- !SHARDING
tables:
t_user:
actualDataNodes: user_ds.t_user
t_order:
actualDataNodes: order_ds_${0..1}.t_order${0..1}
databaseStrategy:
standard:
shardingColumn: user_id
shardingAlgorithmName: userid_inline
tableStrategy:
standard:
shardingColumn: id
shardingAlgorithmName: orderid_inline
t_order_item: # 订单项表（关联表）
actualDataNodes: order_ds_${0..1}.t_order_item${0..1}
databaseStrategy:
standard:
shardingColumn: user_id
shardingAlgorithmName: userid_inline
tableStrategy:
standard:
shardingColumn: order_id
shardingAlgorithmName: orderid_item_inline
bindingTables: # 绑定表：t_order和t_order_item
- t_order,t_order_item
shardingAlgorithms:
userid_inline:
type: INLINE
props:
algorithm-expression: order_ds_${user_id % 2}
orderid_inline:
type: INLINE
props:
algorithm-expression: t_order${id % 2}
orderid_item_inline:
type: INLINE
props:
algorithm-expression: t_order_item${order_id % 2}
- !BROADCAST # 广播表：t_dict（字典表）
tables:
- t_dict五、分库分表注意事项
- 分片键选择：优先选查询高频字段（如 user_id），避免跨分片查询；
- 避免跨库事务：尽量将同一事务的操作落在同一分片；
- 主键生成：使用雪花算法生成分布式 ID（64 位，19 位整数），避免主键冲突；
- 查询优化：
- 避免 SELECT *，使用覆盖索引；
- 关联查询使用绑定表，减少笛卡尔乘积。
总结
- 垂直分库按业务拆分，水平分库 / 分表按分片键拆分，解决单库 / 单表数据量过大问题；
- ShardingSphere-JDBC 通过 YAML 配置实现分片，INLINE 算法简单高效，适合大部分场景；
- 绑定表减少关联查询开销，广播表保证字典数据一致，分片键选择是分库分表的核心。
以上就是MySQL使用ShardingSphere-JDBC实现数据分片的详细内容，更多关于MySQL ShardingSphere-JDBC数据分片的资料请关注脚本之家其它相关文章！