java

关注公众号 jb51net

关闭
首页 > 软件编程 > java > Java分库分表

Java实现分库分表实践指南

作者：酱油何在

在开发中我们经常使用到分库分表,但是一般是我们前期就已经做了规划,对数据库怎么划分,对哪些表进行分表,这篇文章主要给大家介绍了关于Java实现分库分表的相关资料,需要的朋友可以参考下

一、为啥要分库分表

在大型互联网系统中，大部分都会选择mysql作为业务数据存储。一般来说，mysql单表行数超过500万行或者单表容量超过2GB，查询效率就会随着数据量的增长而下降。这个时候，就需要对表进行拆分。

那么应该怎么拆分呢？

通常有两种拆分方法，垂直拆分和水平拆分。

先说垂直拆分，这个比较简单，我们可以把原先的一张表根据业务属性拆分成多张表。比如用户表user有很多字段，我们可以新建一张用户属性表user_profile，把一些不常用的字段都拆分到user_profile表里，再用user_id作为外键将两张表关联起来就可以了。

再说水平拆分，水平拆分针对的不是表，而是数据。比如订单表，数据量一般都会非常大。我们可以创建多个数据库实例，每个实例上创建多张订单表，把订单数据相对均匀的分散存储到这些表里。查询的时候，根据分表策略可直接定位到数据在哪个表里，可以大大提高查询效率。

下面讲到的都是如何水平拆分。

二、怎么做分库分表

分库分表已经有一些成熟的解决方案，本文是用ShardingSphere-JDBC框架来实现的。

1.什么是ShardingSphere-JDBC

ShardingSphere-JDBC定义为轻量级Java框架，在 Java 的 JDBC 层提供的额外服务。 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。

更多详细内容可直接参考：ShardingSphere官方文档

2.ShardingSphere-JDBC分表实践

ShardingSphere-JDBC分库和分表配置类似，下面介绍下分表怎么实现。

（1）先建分表

先在mysql数据库建10张用户表：tb_user_0到9，建表语句如下，改下表名，执行10遍即可：

CREATE TABLE `tb_user_0`  (
  `id` bigint(20) UNSIGNED NOT NULL AUTO_INCREMENT COMMENT '主键',
  `name` varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL COMMENT '姓名',
  `sex` varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL COMMENT '性别',
  PRIMARY KEY (`id`) USING BTREE
) ENGINE = InnoDB CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;

（2）POM依赖

使用spring boot + mybatis-plus + shardingsphere-jdbc来实现，pom主要引入的包配置如下：

  <dependency>
            <groupId>com.baomidou</groupId>
            <artifactId>mybatis-plus-boot-starter</artifactId>
            <version>3.3.1</version>
        </dependency>
        <dependency>
            <groupId>mysql</groupId>
            <artifactId>mysql-connector-java</artifactId>
            <scope>runtime</scope>
        </dependency>

        <dependency>
            <groupId>org.apache.shardingsphere</groupId>
            <artifactId>shardingsphere-jdbc-core-spring-boot-starter</artifactId>
            <version>5.0.0</version>
        </dependency>

（3）实体类和Mapper代码

注意，实体类和Mapper只有一个就行，注意这里的tableName注解一定要和后面配置分表策略的逻辑名一致，不然无法匹配路由策略。

@TableName(value = "tb_user")
public class User implements Serializable {

    private static final long serialVersionUID = 1L;

    /**
     * 主键，注意此处IdType必须是AUTO，不然框架就会自动生成id，分表时生成id的策略就不生效了
     */
    @TableId(value = "id", type = IdType.AUTO)
    private Long id;

    /**
     * 姓名
     */
    @TableField(value = "name")
    private String name;

    /**
     * 性别
     */
    @TableField(value = "sex")
    private String sex;

    public Long getId() {
        return id;
    }

    public void setId(Long id) {
        this.id = id;
    }
    public String getName() {
        return name;
    }

    public void setName(String name) {
        this.name = name;
    }
    public String getSex() {
        return sex;
    }

    public void setSex(String sex) {
        this.sex = sex;
    }

    @Override
    public String toString() {
        return "User{" +
            "id=" + id +
            ", name=" + name +
            ", sex=" + sex +
        "}";
    }
}
public interface UserMapper extends BaseMapper<User> {

}

（4）配置数据源和分表规则

我们引入的包是shardingsphere-jdbc-core-spring-boot-starter，直接在application.yml里配置数据源和分表规则就行。

spring:
  shardingsphere:
    datasource:
      # 数据源名称，有几个数据源就写几个，如果是分表，就会写多个
      names: db0
      # 为每个数据源单独配置，注意这里要跟上面写的名称一致
      db0:
        # 数据库连接池实现类型，这里使用的是Hikari
        type: com.zaxxer.hikari.HikariDataSource
        # 数据库驱动类，连接地址，用户名，密码等
        driver-class-name: com.mysql.cj.jdbc.Driver
        jdbc-url: jdbc:mysql://localhost:3306/sharding?useUnicode=true&characterEncoding=utf8&useSSL=false
        username: root
        password: 123456
    rules:
      sharding:
        tables:
          # 分表的表名，程序中对这张表的操作，都会采用下面的路由方案
          tb_user:
            # 这里是实际的数据节点信息，要把库名和表名都写全，这里也支持使用表达式，比如下面这张$->{0..9}
            actual-data-nodes: db0.tb_user_$->{0..9}
            # 配置分表策略
            table-strategy:
              # 这里选择的标准策略，也可以配置复杂策略，或者也可以用代码来实现
              standard:
                # 分片字段，这里是用用户id作为分片字段
                sharding-column: id
                # 这里是我们自定义的分片算法名称，后面会有实现方案
                sharding-algorithm-name: user-inline
            # 主键生成策略
            key-generate-strategy:
              # 生成主键算法的名称
              key-generator-name: snowflake
              # 主键字段
              column: id
        # 自定义的主键算法
        key-generators:
          snowflake:
            # 使用雪花算法生成主键
            type: SNOWFLAKE
        # 自定义的分表算法
        sharding-algorithms:
          user-inline:
            #使用inline类型实现
            type: inline
            props:
              #分片表达式，用id对10取模，然后分散到10个表中
              algorithm-expression: tb_user_$->{id % 10}
    props:
      # 打印日志，方便我们观察执行的sql语句
      sql-show: true

（5）写单测

先测试插入语句，如下插入100条数据：

@Autowired
    private UserMapper userMapper;

    @Test
    public void insertTest() {
        for (int i=0; i<100; i++) {
            User user = new User();
            user.setName("test" + i);
            user.setSex("男");
            userMapper.insert(user);
        }
    }

执行之后，发现每张表都有数据插入，但是分布并不均匀，这是由雪花算法特性导致的。下图是tb_user_0表的数据：

再测试下查询语句，先测试用id查询：

@Test
    public void selectByIdTest() {
        userMapper.selectById(1668501944537858050L);
    }

查询sql语句如下图，从图中可以看出，根据id查询的时候，会自动走分表路由策略，查询id为1668501944537858050L的数据，会自动去tb_user_table_0中查找。

再测试一下根据name字段查询：

    @Test
    public void selectByNameTest() {
        QueryWrapper<User> qy = new QueryWrapper<>();
        qy.eq("name","test1");
        userMapper.selectList(qy);
    }

查询sql语句如下图，从图中可以看出，如果不是根据分表字段来查询的话，会自动union所有分表查询，这样反而效率会更低。

所以，分库分表时一定要选择合适的字段，并且查询的时候尽量要在查询条件里先指定分库分表的字段，这样可以直接定位到表中，提高查询效率。

3.ShardingSphere-JDBC自定义分表策略类

ShardingSphere-JDBC可支持多种分片算法，比如标准分片，复合分片等，每种分片算法有多种类型，如行表达式INLINE，时间范围分片INTERVAL等，上面的例子我们就是用的标准分片行表达式做的。对于一些需要自定义的分片算法，我们可以通过自定义分片算法类来实现。

比如我们还是要实现取模算法，可以自定义一个UserShardingAlgorithm类来实现StandardShardingAlgorithm接口，实现doSharding接口来自定义分片算法，代码如下：

//分片字段数据类型是什么，这里泛型就写什么
public class UserShardingAlgorithm implements StandardShardingAlgorithm<Long> {

    //精确分片算法实现，collection是实际表，也就是配置文件里的actual-data-nodes内容
    //preciseShardingValue对象包括逻辑表名，分表算法的字段和字段值
    @Override
    public String doSharding(Collection<String> collection, PreciseShardingValue<Long> preciseShardingValue) {
        //对分片字段也就是用户id取模
        String suffix = String.valueOf(preciseShardingValue.getValue() % 10);
        //遍历表名，找到符合要求的表，返回即可
        for (String tableName : collection) {
            if (tableName.endsWith(suffix)) {
                return tableName;
            }
        }
        throw new UnsupportedOperationException();
    }

    //范围分片，我们暂不支持
    @Override
    public Collection<String> doSharding(Collection<String> collection, RangeShardingValue<Long> rangeShardingValue) {
        throw new UnsupportedOperationException();
    }
    
    //初始化信息接口
    @Override
    public void init() {

    }

    //分片算法类型
    @Override
    public String getType() {
        return "USER_SHARDING";
    }
}

在配置文件里，我们只需要改一下分片算法部分的配置即可，之前的配置是这样的：

        sharding-algorithms:
          user-inline:
            type: inline
            props:
              algorithm-expression: tb_user_$->{id % 10}

分片类型改成class_based，也就是自定义类分片算法，配置如下：

        sharding-algorithms:
          user-inline:
            type: class_based # 自定义类分片算法类型
            props:
              strategy: standard
              # 自定义算法类的路径
              algorithmClassName: com.github.learn.sharding.algorithm.UserShardingAlgorithm

还是再跑一下上面selectById单测，如下图，可以顺利去tb_user_0中查询数据，证明我们自定义的分片算法生效了：

4.主键生成策略

ShardingSphere-JDBC提供了两种内置的分布式主键生成器，uuid和雪花算法。

uuid：采用UUID.randomUUID()的方式产生分布式主键。

雪花算法：

雪花算法是由 Twitter 公布的分布式主键生成算法，它能够保证不同进程主键的不重复性，以及相同进程主键的有序性。

（1）实现原理

在同一个进程中，它首先是通过时间位保证不重复，如果时间相同则是通过序列位保证。 同时由于时间位是单调递增的，且各个服务器如果大体做了时间同步，那么生成的主键在分布式环境可以认为是总体有序的，这就保证了对索引字段的插入的高效性。 例如 MySQL 的 Innodb 存储引擎的主键。

使用雪花算法生成的主键，二进制表示形式包含 4 部分，从高位到低位分表为：1bit 符号位、41bit 时间戳位、10bit 工作进程位以及 12bit 序列号位。

预留的符号位，恒为零。

41 位的时间戳可以容纳的毫秒数是 2 的 41 次幂，一年所使用的毫秒数是：365 * 24 * 60 * 60 * 1000。 通过计算可知：

结果约等于 69.73 年。 Apache ShardingSphere 的雪花算法的时间纪元从 2016年11月1日 零点开始，可以使用到 2086 年，相信能满足绝大部分系统的要求。

该标志在 Java 进程内是唯一的，如果是分布式应用部署应保证每个工作进程的 id 是不同的。 该值默认为 0，可通过属性设置。

该序列是用来在同一个毫秒内生成不同的 ID。如果在这个毫秒内生成的数量超过 4096 (2 的 12 次幂)，那么生成器会等待到下个毫秒继续生成。

雪花算法主键的详细结构见下图。

（2）配置信息

在ShardingSphere-JDBC中，雪花算法提供了三个属性。

worker-id：工作机器唯一标识

max-vibration-offset：最大抖动上限值，范围[0, 4096)。注：若使用此算法生成值作分片值，建议配置此属性。此算法在不同毫秒内所生成的 key 取模 2^n (2^n一般为分库或分表数) 之后结果总为 0 或 1。为防止上述分片问题，建议将此属性值配置为 (2^n)-1。如果有10个分表，可将此值设置为9，这样数据分布会更均匀一下。

max-tolerate-time-difference-milliseconds：最大容忍时钟回退时间，单位：毫秒，默认10毫秒

（3）多节点worker-id配置

服务器可能是有多个节点的，此时如果worker-id用同一个配置，有可能会产生重复的id，因此每个节点的worker-id最好是不同的。我们可以用ip地址的一部分来作为节点的worker-id，worker-id是十位，我们直接取ip地址的后10位即可，一般都是不会重复的。比如机器的IP为192.168.1.108，二进制表示:11000000 10101000 00000001 01101100，截取最后10位 01 01101100，转为十进制364，设置workerId为364。

实现方式如下：

首先是配置文件，要加入work-id属性配置：

        key-generators:
          user-id-generator:
            type: SNOWFLAKE
            props:
              max-vibration-offset: 9
              worker-id: ${workerId}

然后，加一个配置类，在static代码块中获取ip地址，取后十位，作为worker-id。

@Configuration
public class WorkerIdConfig {

    private static final Logger LOGGER = LoggerFactory.getLogger(WorkerIdConfig.class);

    static {
        try {
            InetAddress address = InetAddress.getLocalHost();
            // IP地址byte[]数组形式，这个byte数组的长度是4，数组0~3下标对应的值分别是192，168，1，108
            byte[] ipAddressByteArray = address.getAddress();
            // workerId取ip地址后十位
            long workerId = ((ipAddressByteArray[ipAddressByteArray.length - 2] & 0x03) << 8) + (ipAddressByteArray[ipAddressByteArray.length - 1] & 0xFF);
            LOGGER.info("当前机器 workerId: {}", workerId);
            System.setProperty("workerId", String.valueOf(workerId));
        } catch (Exception e) {
            LOGGER.error("worker id failed:{}", e.getMessage(), e);
        }
    }
}

总结 

到此这篇关于Java实现分库分表的文章就介绍到这了,更多相关Java分库分表内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:
阅读全文