談到分庫分表中間件時(shí)，我們自然而然的會想到 ShardingSphere-JDBC 。

這篇文章，我們聊聊 ShardingSphere-JDBC 相關(guān)知識點(diǎn)，并實(shí)戰(zhàn)演示一番。

【資料圖】

1 ShardingSphere 生態(tài)

Apache ShardingSphere 是一款分布式的數(shù)據(jù)庫生態(tài)系統(tǒng)，它包含兩大產(chǎn)品：

ShardingSphere-Proxy ShardingSphere-JDBC

▍一、ShardingSphere-Proxy

ShardingSphere-Proxy 被定位為透明化的數(shù)據(jù)庫代理端，提供封裝了數(shù)據(jù)庫二進(jìn)制協(xié)議的服務(wù)端版本，用于完成對異構(gòu)語言的支持。

代理層介于應(yīng)用程序與數(shù)據(jù)庫間，每次請求都需要做一次轉(zhuǎn)發(fā)，請求會存在額外的時(shí)延。

這種方式對于應(yīng)用非常友好，應(yīng)用基本零改動，和語言無關(guān)，可以通過連接共享減少連接數(shù)消耗。

▍二、ShardingSphere-JDBC

ShardingSphere-JDBC 是 ShardingSphere 的第一個(gè)產(chǎn)品，也是 ShardingSphere 的前身， 我們經(jīng)常簡稱之為：sharding-jdbc 。

它定位為輕量級 Java 框架，在 Java 的 JDBC 層提供的額外服務(wù)。它使用客戶端直連數(shù)據(jù)庫，以 jar 包形式提供服務(wù)，無需額外部署和依賴，可理解為增強(qiáng)版的 JDBC 驅(qū)動，完全兼容 JDBC 和各種 ORM 框架。

當(dāng)我們在 Proxy 和 JDBC 兩種模式選擇時(shí)，可以參考下表對照：

	JDBC	Proxy
數(shù)據(jù)庫	任意	MySQL/PostgreSQL
連接消耗數(shù)	高	低
異構(gòu)語言	僅Java	任意
性能	損耗低	損耗略高
無中心化	是	否
靜態(tài)入口	無	有

越來越多的公司都在生產(chǎn)環(huán)境使用了 sharding-jdbc ，最核心的原因就是：簡單（原理簡單，易于實(shí)現(xiàn)，方便運(yùn)維）。

2 基本原理

在后端開發(fā)中，JDBC 編程是最基本的操作。不管 ORM 框架是 Mybatis 還是 Hibernate ，亦或是 spring-jpa ，他們的底層實(shí)現(xiàn)是 JDBC 的模型。

sharding-jdbc 的本質(zhì)上就是實(shí)現(xiàn) JDBC 的核心接口。

接口	實(shí)現(xiàn)類
DataSource	ShardingDataSource
Connection	ShardingConnection
Statement	ShardingStatement
PreparedStatement	ShardingPreparedStatement
ResultSet	ShardingResultSet

雖然我們理解了 sharding-jdbc 的本質(zhì)，但是真正實(shí)現(xiàn)起來還有非常多的細(xì)節(jié)，下圖展示了 Prxoy 和 JDBC 兩種模式的核心流程。

1.SQL 解析

分為詞法解析和語法解析。 先通過詞法解析器將 SQL 拆分為一個(gè)個(gè)不可再分的單詞。再使用語法解析器對 SQL 進(jìn)行理解，并最終提煉出解析上下文。

解析上下文包括表、選擇項(xiàng)、排序項(xiàng)、分組項(xiàng)、聚合函數(shù)、分頁信息、查詢條件以及可能需要修改的占位符的標(biāo)記。

2.執(zhí)行器優(yōu)化

合并和優(yōu)化分片條件，如 OR 等。

3.SQL 路由

根據(jù)解析上下文匹配用戶配置的分片策略，并生成路由路徑。目前支持分片路由和廣播路由。

4.SQL 改寫

將 SQL 改寫為在真實(shí)數(shù)據(jù)庫中可以正確執(zhí)行的語句。SQL 改寫分為正確性改寫和優(yōu)化改寫。

5.SQL 執(zhí)行

通過多線程執(zhí)行器異步執(zhí)行。

6.結(jié)果歸并

將多個(gè)執(zhí)行結(jié)果集歸并以便于通過統(tǒng)一的 JDBC 接口輸出。結(jié)果歸并包括流式歸并、內(nèi)存歸并和使用裝飾者模式的追加歸并這幾種方式。

本文的重點(diǎn)在于實(shí)戰(zhàn)層面， sharding-jdbc 的實(shí)現(xiàn)原理細(xì)節(jié)我們會在后續(xù)的文章一一給大家呈現(xiàn) 。

3 實(shí)戰(zhàn)案例

筆者曾經(jīng)為武漢一家 O2O 公司訂單服務(wù)做過分庫分表架構(gòu)設(shè)計(jì) ，當(dāng)企業(yè)用戶創(chuàng)建一條采購訂單 ， 會生成如下記錄：

訂單基礎(chǔ)表t_ent_order：單條記錄 訂單詳情表t_ent_order_detail：單條記錄訂單明細(xì)表t_ent_order_item：N條記錄

訂單數(shù)據(jù)采用了如下的分庫分表策略：

訂單基礎(chǔ)表按照 ent_id (企業(yè)用戶編號) 分庫 ，訂單詳情表保持一致；訂單明細(xì)表按照 ent_id (企業(yè)用戶編號) 分庫，同時(shí)也要按照 ent_id (企業(yè)編號) 分表。

首先創(chuàng)建 4 個(gè)庫，分別是：ds_0、ds_1、ds_2、ds_3 。

這四個(gè)分庫，每個(gè)分庫都包含 訂單基礎(chǔ)表 ， 訂單詳情表 ，訂單明細(xì)表 。但是因?yàn)槊骷?xì)表需要分表，所以包含多張表。

然后 springboot 項(xiàng)目中配置依賴 ：

    org.apache.shardingsphere    sharding-jdbc-spring-boot-starter    4.1.1

復(fù)制

配置文件中配置如下：

配置數(shù)據(jù)源，上面配置數(shù)據(jù)源是： ds0、ds1、ds2、ds3 ；配置打印日志，也就是：sql.show ，在測試環(huán)境建議打開 ，便于調(diào)試；配置哪些表需要分庫分表 ，在 shardingsphere.datasource.sharding.tables 節(jié)點(diǎn)下面配置：

上圖中我們看到配置分片規(guī)則包含如下兩點(diǎn)：

1.真實(shí)節(jié)點(diǎn)

對于我們的應(yīng)用來講，我們查詢的**邏輯表**是：t_ent_order_item 。

復(fù)制

它們在數(shù)據(jù)庫中的真實(shí)形態(tài)是：`t_ent_order_item_0` 到  `t_ent_order_item_7`。 

復(fù)制

真實(shí)數(shù)據(jù)節(jié)點(diǎn)是指數(shù)據(jù)分片的最小單元，由數(shù)據(jù)源名稱和數(shù)據(jù)表組成。

復(fù)制

訂單明細(xì)表的真實(shí)節(jié)點(diǎn)是：`ds$->{0..3}.t_ent_order_item_$->{0..7}` 。

復(fù)制

2.分庫分表算法

配置分庫策略和分表策略 , 每種策略都需要配置分片字段（ sharding-columns ）和分片算法。

4 基因法 & 自定義復(fù)合分片算法

分片算法和阿里開源的數(shù)據(jù)庫中間件 cobar 路由算法非常類似的。

假設(shè)現(xiàn)在需要將訂單表平均拆分到4個(gè)分庫 shard0 ，shard1 ，shard2 ，shard3 。

首先將 0-1023 平均分為4個(gè)區(qū)段：0-255，256-511，512-767，768-1023，然后對字符串（或子串，由用戶自定義）做 hash， hash 結(jié)果對 1024 取模，最終得出的結(jié)果 slot落入哪個(gè)區(qū)段，便路由到哪個(gè)分庫。

看起來分片算法很簡單，但我們需要按照訂單 ID 查詢訂單信息時(shí)依然需要路由四個(gè)分片，效率不高，那么如何優(yōu)化呢 ？

答案是：基因法& 自定義復(fù)合分片算法。

基因法是指在訂單 ID 中攜帶企業(yè)用戶編號信息，我們可以在創(chuàng)建訂單 order_id時(shí)使用雪花算法，然后將 slot的值保存在 10位工作機(jī)器 ID里。

通過訂單 order_id 可以反查出 slot, 就可以定位該用戶的訂單數(shù)據(jù)存儲在哪個(gè)分片里。

Integer getWorkerId(Long orderId) { Long workerId = (orderId >> 12) & 0x03ff; return workerId.intValue();}

復(fù)制

下圖展示了訂單 ID 使用雪花算法的生成過程，生成的編號會攜帶企業(yè)用戶 ID 信息。

解決了分布式 ID 問題，接下來的一個(gè)問題：sharding-jdbc 可否支持按照訂單 ID ，企業(yè)用戶 ID 兩個(gè)字段來決定分片路由嗎？

答案是：自定義復(fù)合分片算法。我們只需要實(shí)現(xiàn) ComplexKeysShardingAlgorithm類即可。

復(fù)合分片的算法流程非常簡單：

1.分片鍵中有主鍵值，則直接通過主鍵解析出路由分片；

2.分片鍵中不存在主鍵值 ，則按照其他分片字段值解析出路由分片。

5 擴(kuò)容方案

既然做了分庫分表，如何實(shí)現(xiàn)平滑擴(kuò)容也是一個(gè)非常有趣的話題。

在數(shù)據(jù)同步之前，需要梳理遷移范圍。

1.業(yè)務(wù)唯一主鍵；

在進(jìn)行數(shù)據(jù)同步前，需要先梳理所有表的唯一業(yè)務(wù) ID，只有確定了唯一業(yè)務(wù) ID 才能實(shí)現(xiàn)數(shù)據(jù)的同步操作。

復(fù)制

需要注意的是：業(yè)務(wù)中是否有使用數(shù)據(jù)庫自增 ID 做為業(yè)務(wù) ID 使用的，如果有需要業(yè)務(wù)先進(jìn)行改造 。另外確保每個(gè)表是否都有唯一索引，一旦表中沒有唯一索引，就會在數(shù)據(jù)同步過程中造成數(shù)據(jù)重復(fù)的風(fēng)險(xiǎn)，所以我們先將沒有唯一索引的表根據(jù)業(yè)務(wù)場景增加唯一索引（有可能是聯(lián)合唯一索引）。

復(fù)制

2.遷移哪些表，遷移后的分庫分表規(guī)則；

分表規(guī)則不同決定著 rehash 和數(shù)據(jù)校驗(yàn)的不同。需逐個(gè)表梳理是用戶ID緯度分表還是非用戶ID緯度分表、是否只分庫不分表、是否不分庫不分表等等。

復(fù)制

接下來，進(jìn)入數(shù)據(jù)同步環(huán)節(jié)。

整體方案見下圖，數(shù)據(jù)同步基于 binlog ，獨(dú)立的中間服務(wù)做同步，對業(yè)務(wù)代碼無侵入。

首先需要做歷史數(shù)據(jù)全量同步：也就是將舊庫遷移到新庫。

單獨(dú)一個(gè)服務(wù)，使用游標(biāo)的方式從舊庫分片 select 語句，經(jīng)過 rehash 后批量插入 （batch insert）到新庫，需要配置jdbc 連接串參數(shù) rewriteBatchedStatements=true 才能使批處理操作生效。

因?yàn)闅v史數(shù)據(jù)也會存在不斷的更新，如果先開啟歷史數(shù)據(jù)全量同步，則剛同步完成的數(shù)據(jù)有可能不是最新的。

所以我們會先開啟增量數(shù)據(jù)單向同步（從舊庫到新庫），此時(shí)只是開啟積壓 kafka 消息并不會真正消費(fèi)；然后在開始?xì)v史數(shù)據(jù)全量同步，當(dāng)歷史全量數(shù)據(jù)同步完成后，在開啟消費(fèi) kafka 消息進(jìn)行增量數(shù)據(jù)同步（提高全量同步效率減少積壓也是關(guān)鍵的一環(huán)），這樣來保證遷移數(shù)據(jù)過程中的數(shù)據(jù)一致。

增量數(shù)據(jù)同步考慮到灰度切流穩(wěn)定性、容災(zāi) 和可回滾能力 ，采用實(shí)時(shí)雙向同步方案，切流過程中一旦新庫出現(xiàn)穩(wěn)定性問題或者新庫出現(xiàn)數(shù)據(jù)一致問題，可快速回滾切回舊庫，保證數(shù)據(jù)庫的穩(wěn)定和數(shù)據(jù)可靠。

增量數(shù)據(jù)實(shí)時(shí)同步的大體思路 ：

1.過濾循環(huán)消息

需要過濾掉循環(huán)同步的 binlog 消息 ;

2.數(shù)據(jù)合并

同一條記錄的多條操作只保留最后一條。為了提高性能，數(shù)據(jù)同步組件接到 kafka 消息后不會立刻進(jìn)行數(shù)據(jù)流轉(zhuǎn)，而是先存到本地阻塞隊(duì)列，然后由本地定時(shí)任務(wù)每X秒將本地隊(duì)列中的N條數(shù)據(jù)進(jìn)行數(shù)據(jù)流轉(zhuǎn)操作。此時(shí)N條數(shù)據(jù)有可能是對同一張表同一條記錄的操作，所以此處只需要保留最后一條（類似于 redis aof 重寫）;

3.update 轉(zhuǎn) insert

數(shù)據(jù)合并時(shí)，如果數(shù)據(jù)中有 insert + update 只保留最后一條 update ，會執(zhí)行失敗，所以此處需要將 update 轉(zhuǎn)為 insert 語句 ;

復(fù)制

4.按新表合并

將最終要提交的 N 條數(shù)據(jù)，按照新表進(jìn)行拆分合并，這樣可以直接按照新表緯度進(jìn)行數(shù)據(jù)庫批量操作，提高插入效率。

復(fù)制

擴(kuò)容方案文字來自 《256變4096：分庫分表擴(kuò)容如何實(shí)現(xiàn)平滑數(shù)據(jù)遷移》，筆者做了些許調(diào)整。

6 總結(jié)

sharding-jdbc 的本質(zhì)是實(shí)現(xiàn) JDBC 的核心接口，架構(gòu)相對簡單。

實(shí)戰(zhàn)過程中，需要配置數(shù)據(jù)源信息，邏輯表對應(yīng)的真實(shí)節(jié)點(diǎn)和分庫分表策略（分片字段和分片算法）

實(shí)現(xiàn)分布式主鍵直接路由到對應(yīng)分片，則需要使用基因法 & 自定義復(fù)合分片算法。

平滑擴(kuò)容的核心是全量同步和實(shí)時(shí)雙向同步，工程上有不少細(xì)節(jié)。

實(shí)戰(zhàn)代碼地址：

https://github.com/makemyownlife/shardingsphere-jdbc-demo

參考資料：

256變4096：分庫分表擴(kuò)容如何實(shí)現(xiàn)平滑數(shù)據(jù)遷移？黃東旭：分布式數(shù)據(jù)庫歷史、發(fā)展趨勢與 TiDB 架構(gòu)

如果我的文章對你有所幫助，還請幫忙點(diǎn)贊、在看、轉(zhuǎn)發(fā)一下，你的支持會激勵我輸出更高質(zhì)量的文章，非常感謝！

關(guān)鍵詞： 數(shù)據(jù)遷移 編程算法 數(shù)據(jù)遷移解決方案 JDBC