作為Sharding-JDBC 分庫(kù)分表實(shí)戰(zhàn)系列的開(kāi)篇文章，我們?cè)谇拔闹谢仡櫫艘幌路謳?kù)分表的基礎(chǔ)知識(shí)，對(duì)分庫(kù)分表的拆分方式有了一定的了解，下邊我們介紹一下 Sharding-JDBC框架和快速的搭建一個(gè)分庫(kù)分表案例，為講解后續(xù)功能點(diǎn)準(zhǔn)備好環(huán)境。

一、Sharding-JDBC 簡(jiǎn)介

Sharding-JDBC 最早是當(dāng)當(dāng)網(wǎng)內(nèi)部使用的一款分庫(kù)分表框架，到2017年的時(shí)候才開(kāi)始對(duì)外開(kāi)源，這幾年在大量社區(qū)貢獻(xiàn)者的不斷迭代下，功能也逐漸完善，現(xiàn)已更名為 ShardingSphere，2020年4⽉16⽇正式成為 Apache 軟件基⾦會(huì)的頂級(jí)項(xiàng)⽬。

隨著版本的不斷更迭 ShardingSphere 的核心功能也變得多元化起來(lái)。從最開(kāi)始 Sharding-JDBC 1.0 版本只有數(shù)據(jù)分片，到 Sharding-JDBC 2.0 版本開(kāi)始支持?jǐn)?shù)據(jù)庫(kù)治理（注冊(cè)中心、配置中心等等），再到 Sharding-JDBC 3.0版本又加分布式事務(wù) （支持 Atomikos、Narayana、Bitronix、Seata），如今已經(jīng)迭代到了 Sharding-JDBC 4.0 版本。

在這里插入圖片描述

現(xiàn)在的 ShardingSphere 不單單是指某個(gè)框架而是一個(gè)生態(tài)圈，這個(gè)生態(tài)圈 Sharding-JDBC、Sharding-Proxy 和 Sharding-Sidecar 這三款開(kāi)源的分布式數(shù)據(jù)庫(kù)中間件解決方案所構(gòu)成。

ShardingSphere 的前身就是 Sharding-JDBC，所以它是整個(gè)框架中最為經(jīng)典、成熟的組件，我們先從 Sharding-JDBC 框架入手學(xué)習(xí)分庫(kù)分表。

二、核心概念

在開(kāi)始 Sharding-JDBC分庫(kù)分表具體實(shí)戰(zhàn)之前，我們有必要先了解分庫(kù)分表的一些核心概念。

分片

一般我們?cè)谔岬椒謳?kù)分表的時(shí)候，大多是以水平切分模式（水平分庫(kù)、分表）為基礎(chǔ)來(lái)說(shuō)的，數(shù)據(jù)分片將原本一張數(shù)據(jù)量較大的表 t_order 拆分生成數(shù)個(gè)表結(jié)構(gòu)完全一致的小數(shù)據(jù)量表 t_order_0、t_order_1、···、t_order_n，每張表只存儲(chǔ)原大表中的一部分?jǐn)?shù)據(jù)，當(dāng)執(zhí)行一條SQL時(shí)會(huì)通過(guò) 分庫(kù)策略、分片策略 將數(shù)據(jù)分散到不同的數(shù)據(jù)庫(kù)、表內(nèi)。

在這里插入圖片描述

數(shù)據(jù)節(jié)點(diǎn)

數(shù)據(jù)節(jié)點(diǎn)是分庫(kù)分表中一個(gè)不可再分的最小數(shù)據(jù)單元（表），它由數(shù)據(jù)源名稱(chēng)和數(shù)據(jù)表組成，例如上圖中 order_db_1.t_order_0、order_db_2.t_order_1 就表示一個(gè)數(shù)據(jù)節(jié)點(diǎn)。

邏輯表

邏輯表是指一組具有相同邏輯和數(shù)據(jù)結(jié)構(gòu)表的總稱(chēng)。比如我們將訂單表t_order 拆分成 t_order_0 ···  t_order_9 等 10張表。此時(shí)我們會(huì)發(fā)現(xiàn)分庫(kù)分表以后數(shù)據(jù)庫(kù)中已不在有 t_order 這張表，取而代之的是 t_order_n，但我們?cè)诖a中寫(xiě) SQL 依然按 t_order 來(lái)寫(xiě)。此時(shí) t_order 就是這些拆分表的邏輯表。

真實(shí)表

真實(shí)表也就是上邊提到的 t_order_n 數(shù)據(jù)庫(kù)中真實(shí)存在的物理表。

分片鍵

用于分片的數(shù)據(jù)庫(kù)字段。我們將 t_order 表分片以后，當(dāng)執(zhí)行一條SQL時(shí)，通過(guò)對(duì)字段 order_id 取模的方式來(lái)決定，這條數(shù)據(jù)該在哪個(gè)數(shù)據(jù)庫(kù)中的哪個(gè)表中執(zhí)行，此時(shí) order_id 字段就是 t_order 表的分片健。

在這里插入圖片描述

這樣以來(lái)同一個(gè)訂單的相關(guān)數(shù)據(jù)就會(huì)存在同一個(gè)數(shù)據(jù)庫(kù)表中，大幅提升數(shù)據(jù)檢索的性能，不僅如此 sharding-jdbc 還支持根據(jù)多個(gè)字段作為分片健進(jìn)行分片。

分片算法

上邊我們提到可以用分片健取模的規(guī)則分片，但這只是比較簡(jiǎn)單的一種，在實(shí)際開(kāi)發(fā)中我們還希望用 >=、<=、>、<、BETWEEN 和 IN 等條件作為分片規(guī)則，自定義分片邏輯，這時(shí)就需要用到分片策略與分片算法。

從執(zhí)行 SQL 的角度來(lái)看，分庫(kù)分表可以看作是一種路由機(jī)制，把 SQL 語(yǔ)句路由到我們期望的數(shù)據(jù)庫(kù)或數(shù)據(jù)表中并獲取數(shù)據(jù)，分片算法可以理解成一種路由規(guī)則。

咱們先捋一下它們之間的關(guān)系，分片策略只是抽象出的概念，它是由分片算法和分片健組合而成，分片算法做具體的數(shù)據(jù)分片邏輯。

分庫(kù)、分表的分片策略配置是相對(duì)獨(dú)立的，可以各自使用不同的策略與算法，每種策略中可以是多個(gè)分片算法的組合，每個(gè)分片算法可以對(duì)多個(gè)分片健做邏輯判斷。

分片算法和分片策略的關(guān)系

注意：sharding-jdbc 并沒(méi)有直接提供分片算法的實(shí)現(xiàn)，需要開(kāi)發(fā)者根據(jù)業(yè)務(wù)自行實(shí)現(xiàn)。

sharding-jdbc 提供了4種分片算法：

1、精確分片算法

精確分片算法（PreciseShardingAlgorithm）用于單個(gè)字段作為分片鍵，SQL中有 = 與 IN 等條件的分片，需要在標(biāo)準(zhǔn)分片策略（StandardShardingStrategy ）下使用。

2、范圍分片算法

范圍分片算法（RangeShardingAlgorithm）用于單個(gè)字段作為分片鍵，SQL中有 BETWEEN AND、>、<、>=、<=  等條件的分片，需要在標(biāo)準(zhǔn)分片策略（StandardShardingStrategy ）下使用。

3、復(fù)合分片算法

復(fù)合分片算法（ComplexKeysShardingAlgorithm）用于多個(gè)字段作為分片鍵的分片操作，同時(shí)獲取到多個(gè)分片健的值，根據(jù)多個(gè)字段處理業(yè)務(wù)邏輯。需要在復(fù)合分片策略（ComplexShardingStrategy ）下使用。

4、Hint分片算法

Hint分片算法（HintShardingAlgorithm）稍有不同，上邊的算法中我們都是解析SQL 語(yǔ)句提取分片鍵，并設(shè)置分片策略進(jìn)行分片。但有些時(shí)候我們并沒(méi)有使用任何的分片鍵和分片策略，可還想將 SQL 路由到目標(biāo)數(shù)據(jù)庫(kù)和表，就需要通過(guò)手動(dòng)干預(yù)指定SQL的目標(biāo)數(shù)據(jù)庫(kù)和表信息，這也叫強(qiáng)制路由。

分片策略

上邊講分片算法的時(shí)候已經(jīng)說(shuō)過(guò)，分片策略是一種抽象的概念，實(shí)際分片操作的是由分片算法和分片健來(lái)完成的。

1、標(biāo)準(zhǔn)分片策略

標(biāo)準(zhǔn)分片策略適用于單分片鍵，此策略支持 PreciseShardingAlgorithm 和 RangeShardingAlgorithm 兩個(gè)分片算法。

其中 PreciseShardingAlgorithm 是必選的，用于處理 = 和 IN 的分片。RangeShardingAlgorithm 是可選的，用于處理BETWEEN AND， >， <，>=，<= 條件分片，如果不配置RangeShardingAlgorithm，SQL中的條件等將按照全庫(kù)路由處理。

2、復(fù)合分片策略

復(fù)合分片策略，同樣支持對(duì) SQL語(yǔ)句中的 =，>， <， >=， <=，IN和 BETWEEN AND 的分片操作。不同的是它支持多分片鍵，具體分配片細(xì)節(jié)完全由應(yīng)用開(kāi)發(fā)者實(shí)現(xiàn)。

3、行表達(dá)式分片策略

行表達(dá)式分片策略，支持對(duì) SQL語(yǔ)句中的 = 和 IN 的分片操作，但只支持單分片鍵。這種策略通常用于簡(jiǎn)單的分片，不需要自定義分片算法，可以直接在配置文件中接著寫(xiě)規(guī)則。

t_order_$->{t_order_id % 4} 代表 t_order 對(duì)其字段 t_order_id取模，拆分成4張表，而表名分別是t_order_0 到 t_order_3。

4、Hint分片策略

Hint分片策略，對(duì)應(yīng)上邊的Hint分片算法，通過(guò)指定分片健而非從 SQL中提取分片健的方式進(jìn)行分片的策略。

分布式主鍵

數(shù)據(jù)分⽚后，不同數(shù)據(jù)節(jié)點(diǎn)⽣成全局唯⼀主鍵是⾮常棘⼿的問(wèn)題，同⼀個(gè)邏輯表（t_order）內(nèi)的不同真實(shí)表（t_order_n）之間的⾃增鍵由于⽆法互相感知而產(chǎn)⽣重復(fù)主鍵。

盡管可通過(guò)設(shè)置⾃增主鍵 初始值 和 步⻓ 的⽅式避免ID碰撞，但這樣會(huì)使維護(hù)成本加大，乏完整性和可擴(kuò)展性。如果后去需要增加分片表的數(shù)量，要逐一修改分片表的步長(zhǎng)，運(yùn)維成本非常高，所以不建議這種方式。

實(shí)現(xiàn)分布式主鍵⽣成器的方式很多，可以參考我之前寫(xiě)的《9種分布式ID生成方式》。

為了讓上手更加簡(jiǎn)單，ApacheShardingSphere 內(nèi)置了UUID、SNOWFLAKE 兩種分布式主鍵⽣成器，默認(rèn)使⽤雪花算法（snowflake）⽣成64bit的⻓整型數(shù)據(jù)。不僅如此它還抽離出分布式主鍵⽣成器的接口，⽅便我們實(shí)現(xiàn)⾃定義的⾃增主鍵⽣成算法。

廣播表

廣播表：存在于所有的分片數(shù)據(jù)源中的表，表結(jié)構(gòu)和表中的數(shù)據(jù)在每個(gè)數(shù)據(jù)庫(kù)中均完全一致。一般是為字典表或者配置表 t_config，某個(gè)表一旦被配置為廣播表，只要修改某個(gè)數(shù)據(jù)庫(kù)的廣播表，所有數(shù)據(jù)源中廣播表的數(shù)據(jù)都會(huì)跟著同步。

綁定表

綁定表：那些分片規(guī)則一致的主表和子表。比如：t_order 訂單表和 t_order_item 訂單服務(wù)項(xiàng)目表，都是按 order_id 字段分片，因此兩張表互為綁定表關(guān)系。

那綁定表存在的意義是啥呢？

通常在我們的業(yè)務(wù)中都會(huì)使用 t_order 和 t_order_item 等表進(jìn)行多表聯(lián)合查詢(xún)，但由于分庫(kù)分表以后這些表被拆分成N多個(gè)子表。如果不配置綁定表關(guān)系，會(huì)出現(xiàn)笛卡爾積關(guān)聯(lián)查詢(xún)，將產(chǎn)生如下四條SQL。 

SELECT * FROM t_order_0 o JOIN t_order_item_0 i ON o.order_id=i.order_id   
SELECT * FROM t_order_0 o JOIN t_order_item_1 i ON o.order_id=i.order_id   
SELECT * FROM t_order_1 o JOIN t_order_item_0 i ON o.order_id=i.order_id   
SELECT * FROM t_order_1 o JOIN t_order_item_1 i ON o.order_id=i.order_id  

笛卡爾積查詢(xún)

而配置綁定表關(guān)系后再進(jìn)行關(guān)聯(lián)查詢(xún)時(shí)，只要對(duì)應(yīng)表分片規(guī)則一致產(chǎn)生的數(shù)據(jù)就會(huì)落到同一個(gè)庫(kù)中，那么只需 t_order_0 和 t_order_item_0 表關(guān)聯(lián)即可。 

SELECT * FROM t_order_0 o JOIN t_order_item_0 i ON o.order_id=i.order_id   
SELECT * FROM t_order_1 o JOIN t_order_item_1 i ON o.order_id=i.order_id  

綁定表關(guān)系

注意：在關(guān)聯(lián)查詢(xún)時(shí) t_order 它作為整個(gè)聯(lián)合查詢(xún)的主表。所有相關(guān)的路由計(jì)算都只使用主表的策略，t_order_item 表的分片相關(guān)的計(jì)算也會(huì)使用 t_order 的條件，所以要保證綁定表之間的分片鍵要完全相同。

三、和JDBC的貓膩

從名字上不難看出，Sharding-JDBC 和 JDBC有很大關(guān)系，我們知道 JDBC 是一種 Java 語(yǔ)言訪問(wèn)關(guān)系型數(shù)據(jù)庫(kù)的規(guī)范，其設(shè)計(jì)初衷就是要提供一套用于各種數(shù)據(jù)庫(kù)的統(tǒng)一標(biāo)準(zhǔn)，不同廠家共同遵守這套標(biāo)準(zhǔn)，并提供各自的實(shí)現(xiàn)方案供應(yīng)用程序調(diào)用。

在這里插入圖片描述

但其實(shí)對(duì)于開(kāi)發(fā)人員而言，我們只關(guān)心如何調(diào)用 JDBC API 來(lái)訪問(wèn)數(shù)據(jù)庫(kù)，只要正確使用 DataSource、Connection、Statement 、ResultSet 等 API 接口，直接操作數(shù)據(jù)庫(kù)即可。所以如果想在 JDBC 層面實(shí)現(xiàn)數(shù)據(jù)分片就必須對(duì)現(xiàn)有的 API 進(jìn)行功能拓展，而 Sharding-JDBC 正是基于這種思想，重寫(xiě)了 JDBC 規(guī)范并完全兼容了 JDBC 規(guī)范。

JDBC流程

對(duì)原有的 DataSource、Connection 等接口擴(kuò)展成 ShardingDataSource、ShardingConnection，而對(duì)外暴露的分片操作接口與 JDBC 規(guī)范中所提供的接口完全一致，只要你熟悉 JDBC 就可以輕松應(yīng)用 Sharding-JDBC 來(lái)實(shí)現(xiàn)分庫(kù)分表。

因此它適用于任何基于 JDBC 的 ORM 框架，如：JPA， Hibernate，Mybatis，Spring JDBC Template 或直接使用的 JDBC。完美兼容任何第三方的數(shù)據(jù)庫(kù)連接池，如：DBCP， C3P0， BoneCP，Druid， HikariCP 等，幾乎對(duì)主流關(guān)系型數(shù)據(jù)庫(kù)都支持。

那 Sharding-JDBC 又是如何拓展這些接口的呢？想知道答案我們就的從源碼入手了，下邊我們以 JDBC API  中的 DataSource 為例看看它是如何被重寫(xiě)擴(kuò)展的。

數(shù)據(jù)源 DataSource 接口的核心作用就是獲取數(shù)據(jù)庫(kù)連接對(duì)象 Connection，我們看其內(nèi)部提供了兩個(gè)獲取數(shù)據(jù)庫(kù)連接的方法 ，并且繼承了 CommonDataSource 和 Wrapper 兩個(gè)接口。 

public interface DataSource  extends CommonDataSource, Wrapper {  
  /**  
   * <p>Attempts to establish a connection with the data source that  
   * this {@code DataSource} object represents.  
   * @return  a connection to the data source  
   */  
  Connection getConnection() throws SQLException;  
  /**  
   * <p>Attempts to establish a connection with the data source that  
   * this {@code DataSource} object represents.  
   * @param username the database user on whose behalf the connection is  
   *  being made 
   * @param password the user's password  
   */  
  Connection getConnection(String username, String password)  
    throws SQLException;  
} 

其中 CommonDataSource 是定義數(shù)據(jù)源的根接口這很好理解，而 Wrapper 接口則是拓展 JDBC 分片功能的關(guān)鍵。

由于數(shù)據(jù)庫(kù)廠商的不同，他們可能會(huì)各自提供一些超越標(biāo)準(zhǔn) JDBC API 的擴(kuò)展功能，但這些功能非 JDBC 標(biāo)準(zhǔn)并不能直接使用，而 Wrapper 接口的作用就是把一個(gè)由第三方供應(yīng)商提供的、非 JDBC 標(biāo)準(zhǔn)的接口包裝成標(biāo)準(zhǔn)接口，也就是適配器模式。

既然講到了適配器模式就多啰嗦幾句，也方便后邊的理解。

適配器模式個(gè)種比較常用的設(shè)計(jì)模式，它的作用是將某個(gè)類(lèi)的接口轉(zhuǎn)換成客戶端期望的另一個(gè)接口，使原本因接口不匹配（或者不兼容）而無(wú)法在一起工作的兩個(gè)類(lèi)能夠在一起工作。比如用耳機(jī)聽(tīng)音樂(lè)，我有個(gè)圓頭的耳機(jī)，可手機(jī)插孔卻是扁口的，如果我想要使用耳機(jī)聽(tīng)音樂(lè)就必須借助一個(gè)轉(zhuǎn)接頭才可以，這個(gè)轉(zhuǎn)接頭就起到了適配作用。舉個(gè)栗子：假如我們 Target 接口中有 hello() 和 word() 兩個(gè)方法。 

public interface Target {  
    void hello();  
    void world();  
} 

可由于接口版本迭代Target 接口的 word() 方法可能會(huì)被廢棄掉或不被支持，Adaptee  類(lèi)的 greet()方法將代替hello() 方法。 

public class Adaptee {  
    public void greet(){  
    }  
    public void world(){  
    }  
} 

但此時(shí)舊版本仍然有大量 word() 方法被使用中，解決此事最好的辦法就是創(chuàng)建一個(gè)適配器Adapter，這樣就適配了 Target 類(lèi)，解決了接口升級(jí)帶來(lái)的兼容性問(wèn)題。 

public class Adapter extends Adaptee implements Target {  
    @Override  
    public void world() {      
     }  
    @Override  
    public void hello() {  
        super.greet();  
    } 
     @Override  
    public void greet() {        
     }  
} 

而 Sharding-JDBC 提供的正是非 JDBC 標(biāo)準(zhǔn)的接口，所以它也提供了類(lèi)似的實(shí)現(xiàn)方案，也使用到了 Wrapper 接口做數(shù)據(jù)分片功能的適配。除了 DataSource 之外，Connection、Statement、ResultSet 等核心對(duì)象也都繼承了這個(gè)接口。

下面我們通過(guò) ShardingDataSource  類(lèi)源碼簡(jiǎn)單看下實(shí)現(xiàn)過(guò)程，下圖是繼承關(guān)系流程圖。

ShardingDataSource實(shí)現(xiàn)流程

ShardingDataSource  類(lèi)它在原 DataSource 基礎(chǔ)上做了功能拓展，初始化時(shí)注冊(cè)了分片SQL路由包裝器、SQL重寫(xiě)上下文和結(jié)果集處理引擎，還對(duì)數(shù)據(jù)源類(lèi)型做了校驗(yàn)，因?yàn)樗瑫r(shí)支持多個(gè)不同類(lèi)型的數(shù)據(jù)源。到這好像也沒(méi)看出如何適配，那接著向上看 ShardingDataSource 的繼承類(lèi)  AbstractDataSourceAdapter 。 

@Getter  
public class ShardingDataSource extends AbstractDataSourceAdapter {      
    private final ShardingRuntimeContext runtimeContext;  
    /**  
     * 注冊(cè)路由、SQl重寫(xiě)上下文、結(jié)果集處理引擎  
     */  
    static {  
        NewInstanceServiceLoader.register(RouteDecorator.class);  
        NewInstanceServiceLoader.register(SQLRewriteContextDecorator.class);  
        NewInstanceServiceLoader.register(ResultProcessEngine.class);  
    }  
    /**  
     * 初始化時(shí)校驗(yàn)數(shù)據(jù)源類(lèi)型 并根據(jù)數(shù)據(jù)源 map、分片規(guī)則、數(shù)據(jù)庫(kù)類(lèi)型得到一個(gè)分片上下文，用來(lái)獲取數(shù)據(jù)庫(kù)連接  
     */  
    public ShardingDataSource(final Map<String, DataSource> dataSourceMap, final ShardingRule shardingRule, final Properties props) throws SQLException {  
        super(dataSourceMap);  
        checkDataSourceType(dataSourceMap);  
        runtimeContext = new ShardingRuntimeContext(dataSourceMap, shardingRule, props, getDatabaseType());  
    }  
    private void checkDataSourceType(final Map<String, DataSource> dataSourceMap) {  
        for (DataSource each : dataSourceMap.values()) {  
            Preconditions.checkArgument(!(each instanceof MasterSlaveDataSource), "Initialized data sources can not be master-slave data sources.");  
        }  
    }  
    /**  
     * 數(shù)據(jù)庫(kù)連接  
     */  
    @Override  
    public final ShardingConnection getConnection() {  
        return new ShardingConnection(getDataSourceMap(), runtimeContext, TransactionTypeHolder.get());  
    }  
} 

AbstractDataSourceAdapter 抽象類(lèi)內(nèi)部主要獲取不同類(lèi)型的數(shù)據(jù)源對(duì)應(yīng)的數(shù)據(jù)庫(kù)連接對(duì)象，實(shí)現(xiàn) AutoCloseable 接口是為在使用完資源后可以自動(dòng)將這些資源關(guān)閉（調(diào)用 close方法），那再看看繼承類(lèi) AbstractUnsupportedOperationDataSource 。 

@Getter  
public abstract class AbstractDataSourceAdapter extends AbstractUnsupportedOperationDataSource implements AutoCloseable {    
     private final Map<String, DataSource> dataSourceMap;      
    private final DatabaseType databaseType;      
    public AbstractDataSourceAdapter(final Map<String, DataSource> dataSourceMap) throws SQLException {  
        this.dataSourceMap = dataSourceMap;  
        databaseType = createDatabaseType();  
    }  
     public AbstractDataSourceAdapter(final DataSource dataSource) throws SQLException {  
        dataSourceMap = new HashMap<>(1, 1);  
        dataSourceMap.put("unique", dataSource);  
        databaseType = createDatabaseType();  
    }   
     private DatabaseType createDatabaseType() throws SQLException {  
        DatabaseType result = null;  
        for (DataSource each : dataSourceMap.values()) {  
            DatabaseType databaseType = createDatabaseType(each);  
            Preconditions.checkState(null == result || result == databaseType, String.format("Database type inconsistent with '%s' and '%s'", result, databaseType)); 
             result = databaseType;          }  
        return result;  
    }   
     /**  
     * 不同數(shù)據(jù)源類(lèi)型獲取數(shù)據(jù)庫(kù)連接  
     */  
    private DatabaseType createDatabaseType(final DataSource dataSource) throws SQLException {  
        if (dataSource instanceof AbstractDataSourceAdapter) {  
            return ((AbstractDataSourceAdapter) dataSource).databaseType;  
        }  
        try (Connection connection = dataSource.getConnection()) {  
            return DatabaseTypes.getDatabaseTypeByURL(connection.getMetaData().getURL());  
        }  
    }    
     @Override  
    public final Connection getConnection(final String username, final String password) throws SQLException {  
        return getConnection();  
    }    
 
    @Override  
    public final void close() throws Exception {  
        close(dataSourceMap.keySet());  
    }  
} 

AbstractUnsupportedOperationDataSource 實(shí)現(xiàn)DataSource 接口并繼承了 WrapperAdapter 類(lèi)，它內(nèi)部并沒(méi)有什么具體方法只起到橋接的作用，但看著是不是和我們前邊講適配器模式的例子方式有點(diǎn)相似。 

public abstract class AbstractUnsupportedOperationDataSource extends WrapperAdapter implements DataSource {    
    @Override  
    public final int getLoginTimeout() throws SQLException {  
        throw new SQLFeatureNotSupportedException("unsupported getLoginTimeout()");  
    }   
     @Override  
    public final void setLoginTimeout(final int seconds) throws SQLException {  
        throw new SQLFeatureNotSupportedException("unsupported setLoginTimeout(int seconds)");  
    }  
} 

WrapperAdapter 是一個(gè)包裝器的適配類(lèi)，實(shí)現(xiàn)了 JDBC 中的 Wrapper 接口，其中有兩個(gè)核心方法 recordMethodInvocation 用于添加需要執(zhí)行的方法和參數(shù)，而 replayMethodsInvocation 則將添加的這些方法和參數(shù)通過(guò)反射執(zhí)行。仔細(xì)看不難發(fā)現(xiàn)兩個(gè)方法中都用到了 JdbcMethodInvocation類(lèi)。 

public abstract class WrapperAdapter implements Wrapper {      
    private final Collection<JdbcMethodInvocation> jdbcMethodInvocations = new ArrayList<>();   
    /**  
     * 添加要執(zhí)行的方法  
     */  
    @SneakyThrows 
     public final void recordMethodInvocation(final Class<?> targetClass, final String methodName, final Class<?>[] argumentTypes, final Object[] arguments) {  
        jdbcMethodInvocations.add(new JdbcMethodInvocation(targetClass.getMethod(methodName, argumentTypes), arguments));  
    }  
     /**  
     * 通過(guò)反射執(zhí)行 上邊添加的方法  
     */  
    public final void replayMethodsInvocation(final Object target) {  
        for (JdbcMethodInvocation each : jdbcMethodInvocations) {  
            each.invoke(target);  
        }  
    }  
} 

JdbcMethodInvocation 類(lèi)主要應(yīng)用反射通過(guò)傳入的 method 方法和 arguments 參數(shù)執(zhí)行對(duì)應(yīng)的方法，這樣就可以通過(guò) JDBC API 調(diào)用非 JDBC 方法了。 

@RequiredArgsConstructor  
public class JdbcMethodInvocation {    
     @Getter  
    private final Method method;      
    @Getter 
     private final Object[] arguments;     
     /**  
     * Invoke JDBC method.  
     *   
     * @param target target object  
     */  
    @SneakyThrows  
    public void invoke(final Object target) {  
        method.invoke(target, arguments);  
    }  
} 

那 Sharding-JDBC 拓展 JDBC API 接口后，在新增的分片功能里又做了哪些事情呢？

一張表經(jīng)過(guò)分庫(kù)分表后被拆分成多個(gè)子表，并分散到不同的數(shù)據(jù)庫(kù)中，在不修改原業(yè)務(wù) SQL 的前提下，Sharding-JDBC 就必須對(duì) SQL進(jìn)行一些改造才能正常執(zhí)行。

大致的執(zhí)行流程：SQL 解析 -> 執(zhí)⾏器優(yōu)化 -> SQL 路由 -> SQL 改寫(xiě) -> SQL 執(zhí)⾏ -> 結(jié)果歸并 六步組成，一起瞅瞅每個(gè)步驟做了點(diǎn)什么。

SQL 解析

SQL解析過(guò)程分為詞法解析和語(yǔ)法解析兩步，比如下邊這條查詢(xún)用戶訂單的SQL，先用詞法解析將SQL拆解成不可再分的原子單元。在根據(jù)不同數(shù)據(jù)庫(kù)方言所提供的字典，將這些單元?dú)w類(lèi)為關(guān)鍵字，表達(dá)式，變量或者操作符等類(lèi)型。

SELECT order_no,price FROM t_order_ where user_id = 10086 and order_status > 0 

接著語(yǔ)法解析會(huì)將拆分后的SQL轉(zhuǎn)換為抽象語(yǔ)法樹(shù)，通過(guò)對(duì)抽象語(yǔ)法樹(shù)遍歷，提煉出分片所需的上下文，上下文包含查詢(xún)字段信息（Field）、表信息（Table）、查詢(xún)條件（Condition）、排序信息（Order By）、分組信息（Group By）以及分頁(yè)信息（Limit）等，并標(biāo)記出 SQL中有可能需要改寫(xiě)的位置。

抽象語(yǔ)法樹(shù)

執(zhí)⾏器優(yōu)化

執(zhí)⾏器優(yōu)化對(duì)SQL分片條件進(jìn)行優(yōu)化，處理像關(guān)鍵字 OR這種影響性能的壞味道。

SQL 路由

SQL 路由通過(guò)解析分片上下文，匹配到用戶配置的分片策略，并生成路由路徑。簡(jiǎn)單點(diǎn)理解就是可以根據(jù)我們配置的分片策略計(jì)算出 SQL該在哪個(gè)庫(kù)的哪個(gè)表中執(zhí)行，而SQL路由又根據(jù)有無(wú)分片健區(qū)分出 分片路由 和 廣播路由。

官方路由圖譜

有分⽚鍵的路由叫分片路由，細(xì)分為直接路由、標(biāo)準(zhǔn)路由和笛卡爾積路由這3種類(lèi)型。

標(biāo)準(zhǔn)路由

標(biāo)準(zhǔn)路由是最推薦也是最為常⽤的分⽚⽅式，它的適⽤范圍是不包含關(guān)聯(lián)查詢(xún)或僅包含綁定表之間關(guān)聯(lián)查詢(xún)的SQL。

當(dāng) SQL分片健的運(yùn)算符為 = 時(shí)，路由結(jié)果將落⼊單庫(kù)（表），當(dāng)分⽚運(yùn)算符是BETWEEN 或IN 等范圍時(shí)，路由結(jié)果則不⼀定落⼊唯⼀的庫(kù)（表），因此⼀條邏輯SQL最終可能被拆分為多條⽤于執(zhí)⾏的真實(shí)SQL。 

SELECT * FROM t_order  where t_order_id in (1,2) 

SQL路由處理后 ：

SELECT * FROM t_order_0  where t_order_id in (1,2)  
SELECT * FROM t_order_1  where t_order_id in (1,2) 

直接路由

直接路由是通過(guò)使用 HintAPI 直接將 SQL路由到指定⾄庫(kù)表的一種分⽚方式，而且直接路由可以⽤于分⽚鍵不在SQL中的場(chǎng)景，還可以執(zhí)⾏包括⼦查詢(xún)、⾃定義函數(shù)等復(fù)雜情況的任意SQL。

比如根據(jù) t_order_id 字段為條件查詢(xún)訂單，此時(shí)希望在不修改SQL的前提下，加上 user_id作為分片條件就可以使用直接路由。

笛卡爾積路由

笛卡爾路由是由⾮綁定表之間的關(guān)聯(lián)查詢(xún)產(chǎn)生的，查詢(xún)性能較低盡量避免走此路由模式。

無(wú)分⽚鍵的路由又叫做廣播路由，可以劃分為全庫(kù)表路由、全庫(kù)路由、 全實(shí)例路由、單播路由和阻斷路由這 5種類(lèi)型。

全庫(kù)表路由

全庫(kù)表路由針對(duì)的是數(shù)據(jù)庫(kù) DQL和 DML，以及 DDL等操作，當(dāng)我們執(zhí)行一條邏輯表 t_order SQL時(shí)，在所有分片庫(kù)中對(duì)應(yīng)的真實(shí)表 t_order_0 ···  t_order_n 內(nèi)逐一執(zhí)行。

全庫(kù)路由

全庫(kù)路由主要是對(duì)數(shù)據(jù)庫(kù)層面的操作，比如數(shù)據(jù)庫(kù) SET 類(lèi)型的數(shù)據(jù)庫(kù)管理命令，以及 TCL 這樣的事務(wù)控制語(yǔ)句。

對(duì)邏輯庫(kù)設(shè)置 autocommit 屬性后，所有對(duì)應(yīng)的真實(shí)庫(kù)中都執(zhí)行該命令。 

SET autocommit=0; 

全實(shí)例路由

全實(shí)例路由是針對(duì)數(shù)據(jù)庫(kù)實(shí)例的 DCL 操作（設(shè)置或更改數(shù)據(jù)庫(kù)用戶或角色權(quán)限），比如：創(chuàng)建一個(gè)用戶 order ，這個(gè)命令將在所有的真實(shí)庫(kù)實(shí)例中執(zhí)行，以此確保 order 用戶可以正常訪問(wèn)每一個(gè)數(shù)據(jù)庫(kù)實(shí)例。 

CREATE USER order@127.0.0.1 identified BY '程序員內(nèi)點(diǎn)事'; 

單播路由

單播路由用來(lái)獲取某一真實(shí)表信息，比如獲得表的描述信息： 

DESCRIBE t_order;  

t_order 的真實(shí)表是 t_order_0 ···· t_order_n，他們的描述結(jié)構(gòu)相完全同，我們只需在任意的真實(shí)表執(zhí)行一次就可以。

阻斷路由

來(lái)屏蔽SQL對(duì)數(shù)據(jù)庫(kù)的操作，例如： 

USE order_db; 

這個(gè)命令不會(huì)在真實(shí)數(shù)據(jù)庫(kù)中執(zhí)⾏，因?yàn)?ShardingSphere 采⽤的是邏輯 Schema（數(shù)據(jù)庫(kù)的組織和結(jié)構(gòu)） ⽅式，所以無(wú)需將切換數(shù)據(jù)庫(kù)的命令發(fā)送⾄真實(shí)數(shù)據(jù)庫(kù)中。

SQL 改寫(xiě)

將基于邏輯表開(kāi)發(fā)的SQL改寫(xiě)成可以在真實(shí)數(shù)據(jù)庫(kù)中可以正確執(zhí)行的語(yǔ)句。比如查詢(xún) t_order 訂單表，我們實(shí)際開(kāi)發(fā)中 SQL是按邏輯表 t_order 寫(xiě)的。 

SELECT * FROM t_order 

但分庫(kù)分表以后真實(shí)數(shù)據(jù)庫(kù)中 t_order 表就不存在了，而是被拆分成多個(gè)子表 t_order_n 分散在不同的數(shù)據(jù)庫(kù)內(nèi)，還按原SQL執(zhí)行顯然是行不通的，這時(shí)需要將分表配置中的邏輯表名稱(chēng)改寫(xiě)為路由之后所獲取的真實(shí)表名稱(chēng)。 

SELECT * FROM t_order_n 

SQL執(zhí)⾏

將路由和改寫(xiě)后的真實(shí) SQL 安全且高效發(fā)送到底層數(shù)據(jù)源執(zhí)行。但這個(gè)過(guò)程并不是簡(jiǎn)單的將 SQL 通過(guò)JDBC 直接發(fā)送至數(shù)據(jù)源執(zhí)行，而是平衡數(shù)據(jù)源連接創(chuàng)建以及內(nèi)存占用所產(chǎn)生的消耗，它會(huì)自動(dòng)化的平衡資源控制與執(zhí)行效率。

結(jié)果歸并

將從各個(gè)數(shù)據(jù)節(jié)點(diǎn)獲取的多數(shù)據(jù)結(jié)果集，合并成一個(gè)大的結(jié)果集并正確的返回至請(qǐng)求客戶端，稱(chēng)為結(jié)果歸并。而我們SQL中的排序、分組、分頁(yè)和聚合等語(yǔ)法，均是在歸并后的結(jié)果集上進(jìn)行操作的。

四、快速實(shí)踐

下面我們結(jié)合 Springboot + mybatisplus 快速搭建一個(gè)分庫(kù)分表案例。

1、準(zhǔn)備工作

先做準(zhǔn)備工作，創(chuàng)建兩個(gè)數(shù)據(jù)庫(kù) ds-0、ds-1，兩個(gè)庫(kù)中分別建表 t_order_0、t_order_1、t_order_2 、t_order_item_0、t_order_item_1、t_order_item_2，t_config，方便后邊驗(yàn)證廣播表、綁定表的場(chǎng)景。

表結(jié)構(gòu)如下：

t_order_0 訂單表 

CREATE TABLE `t_order_0` (  
  `order_id` bigint(200) NOT NULL,  
  `order_no` varchar(100) DEFAULT NULL,  
  `create_name` varchar(50) DEFAULT NULL,  
  `price` decimal(10,2) DEFAULT NULL,  
  PRIMARY KEY (`order_id`)  
) ENGINE=InnoDB DEFAULT CHARSET=utf8 ROW_FORMAT=DYNAMIC; 

t_order_0 與 t_order_item_0  互為關(guān)聯(lián)表 

CREATE TABLE `t_order_item_0` (  
  `item_id` bigint(100) NOT NULL,  
  `order_no` varchar(200) NOT NULL,  
  `item_name` varchar(50) DEFAULT NULL,  
  `price` decimal(10,2) DEFAULT NULL,  
  PRIMARY KEY (`item_id`)  
) ENGINE=InnoDB DEFAULT CHARSET=utf8 ROW_FORMAT=DYNAMIC; 

廣播表 t_config 

`id` bigint(30) NOT NULL,  
`remark` varchar(50) CHARACTER SET utf8 DEFAULT NULL,  
`create_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP,  
`last_modify_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,  
PRIMARY KEY (`id`)  
ENGINE=InnoDB DEFAULT CHARSET=latin1; 

ShardingSphere 提供了4種分片配置方式：

•  Java 代碼配置
•  Yaml 、properties 配置
•  Spring 命名空間配置
•  Spring Boot配置

為讓代碼看上去更簡(jiǎn)潔和直觀，后邊統(tǒng)一使用 properties 配置的方式，引入 shardingsphere 對(duì)應(yīng)的 sharding-jdbc-spring-boot-starter 和 sharding-core-common 包，版本統(tǒng)一用的 4.0.0-RC1。

2、分片配置 

<dependency>  
 <groupId>org.apache.shardingsphere</groupId>  
 <artifactId>sharding-jdbc-spring-boot-starter</artifactId>  
 <version>4.0.0-RC1</version>  
</dependency>  
<dependency>  
 <groupId>org.apache.shardingsphere</groupId>  
 <artifactId>sharding-core-common</artifactId>  
 <version>4.0.0-RC1</version>  
</dependency> 

準(zhǔn)備工作做完（ mybatis 搭建就不贅述了），接下來(lái)我們逐一解讀分片配置信息。

我們首先定義兩個(gè)數(shù)據(jù)源 ds-0、ds-1，并分別加上數(shù)據(jù)源的基礎(chǔ)信息。 

# 定義兩個(gè)全局?jǐn)?shù)據(jù)源  
spring.shardingsphere.datasource.names=ds-0,ds-1  
# 配置數(shù)據(jù)源 ds-0  
spring.shardingsphere.datasource.ds-0.type=com.alibaba.druid.pool.DruidDataSource  
spring.shardingsphere.datasource.ds-0.driverClassName=com.mysql.jdbc.Driver  
spring.shardingsphere.datasource.ds-0.url=jdbc:mysql://127.0.0.1:3306/ds-0?useUnicode=true&characterEncoding=utf8&tinyInt1isBit=false&useSSL=false&serverTimezone=GMT 
spring.shardingsphere.datasource.ds-0.username=root  
spring.shardingsphere.datasource.ds-0.password=root  
# 配置數(shù)據(jù)源 ds-1  
spring.shardingsphere.datasource.ds-1.type=com.alibaba.druid.pool.DruidDataSource  
spring.shardingsphere.datasource.ds-1.driverClassName=com.mysql.jdbc.Driver  
spring.shardingsphere.datasource.ds-1.url=jdbc:mysql://127.0.0.1:3306/ds-1?useUnicode=true&characterEncoding=utf8&tinyInt1isBit=false&useSSL=false&serverTimezone=GMT 
spring.shardingsphere.datasource.ds-1.username=root  
spring.shardingsphere.datasource.ds-1.password=root 

配置完數(shù)據(jù)源接下來(lái)為表添加分庫(kù)和分表策略，使用 sharding-jdbc 做分庫(kù)分表需要我們?yōu)槊恳粋€(gè)表單獨(dú)設(shè)置分片規(guī)則。 

# 配置分片表 t_order  
# 指定真實(shí)數(shù)據(jù)節(jié)點(diǎn)  
spring.shardingsphere.sharding.tables.t_order.actual-data-nodes=ds-$->{0..1}.t_order_$->{0..2} 

actual-data-nodes 屬性指定分片的真實(shí)數(shù)據(jù)節(jié)點(diǎn)，$是一個(gè)占位符，{0..1}表示實(shí)際拆分的數(shù)據(jù)庫(kù)表數(shù)量。

ds-$->{0..1}.t_order_$->{0..2}  表達(dá)式相當(dāng)于 6個(gè)數(shù)據(jù)節(jié)點(diǎn)

•  ds-0.t_order_0
•  ds-0.t_order_1
•  ds-0.t_order_2
•  ds-1.t_order_0
•  ds-1.t_order_1
•  ds-1.t_order_2 

### 分庫(kù)策略  
# 分庫(kù)分片健  
spring.shardingsphere.sharding.tables.t_order.database-strategy.inline.sharding-column=order_id  
# 分庫(kù)分片算法  
spring.shardingsphere.sharding.tables.t_order.database-strategy.inline.algorithm-expression=ds-$->{order_id % 2} 

為表設(shè)置分庫(kù)策略，上邊講了 sharding-jdbc 它提供了四種分片策略，為快速搭建我們先以最簡(jiǎn)單的行內(nèi)表達(dá)式分片策略來(lái)實(shí)現(xiàn)，在下一篇會(huì)介紹四種分片策略的詳細(xì)用法和使用場(chǎng)景。

database-strategy.inline.sharding-column  屬性中 database-strategy  為分庫(kù)策略，inline  為具體的分片策略，sharding-column  代表分片健。

database-strategy.inline.algorithm-expression 是當(dāng)前策略下具體的分片算法，ds-$->{order_id % 2} 表達(dá)式意思是 對(duì) order_id字段進(jìn)行取模分庫(kù)，2 代表分片庫(kù)的個(gè)數(shù)，不同的策略對(duì)應(yīng)不同的算法，這里也可以是我們自定義的分片算法類(lèi)。 

# 分表策略  
# 分表分片健  
spring.shardingsphere.sharding.tables.t_order.table-strategy.inline.sharding-column=order_id  
# 分表算法  
spring.shardingsphere.sharding.tables.t_order.table-strategy.inline.algorithm-expression=t_order_$->{order_id % 3}  
# 自增主鍵字段  
spring.shardingsphere.sharding.tables.t_order.key-generator.column=order_id  
# 自增主鍵ID 生成方案  
spring.shardingsphere.sharding.tables.t_order.key-generator.type=SNOWFLAKE 

分表策略 和 分庫(kù)策略 的配置比較相似，不同的是分表可以通過(guò) key-generator.column 和 key-generator.type 設(shè)置自增主鍵以及指定自增主鍵的生成方案，目前內(nèi)置了SNOWFLAKE 和 UUID 兩種方式，還能自定義的主鍵生成算法類(lèi)，后續(xù)會(huì)詳細(xì)的講解。 

# 綁定表關(guān)系  
spring.shardingsphere.sharding.binding-tables= t_order,t_order_item 

必須按相同分片健進(jìn)行分片的表才能互為成綁定表，在聯(lián)合查詢(xún)時(shí)就能避免出現(xiàn)笛卡爾積查詢(xún)。 

# 配置廣播表  
spring.shardingsphere.sharding.broadcast-tables=t_config 

廣播表，開(kāi)啟 SQL解析日志，能清晰的看到 SQL分片解析的過(guò)程 

# 是否開(kāi)啟 SQL解析日志  
spring.shardingsphere.props.sql.show=true 

3、驗(yàn)證分片

分片配置完以后我們無(wú)需在修改業(yè)務(wù)代碼了，直接執(zhí)行業(yè)務(wù)邏輯的增、刪、改、查即可，接下來(lái)驗(yàn)證一下分片的效果。

我們同時(shí)向 t_order、t_order_item 表插入 5條訂單記錄，并不給定主鍵 order_id ，item_id 字段值。 

public String insertOrder() {  
   for (int i = 0; i < 4; i++) {  
       TOrder order = new TOrder();  
       order.setOrderNo("A000" + i);  
       order.setCreateName("訂單 " + i);  
       order.setPrice(new BigDecimal("" + i)); 
        orderRepository.insert(order);  
       TOrderItem orderItem = new TOrderItem();  
       orderItem.setOrderId(order.getOrderId());  
       orderItem.setOrderNo("A000" + i);  
       orderItem.setItemName("服務(wù)項(xiàng)目" + i);  
       orderItem.setPrice(new BigDecimal("" + i));  
       orderItemRepository.insert(orderItem);  
   }  
   return "success";  
} 

看到訂單記錄被成功分散到了不同的庫(kù)表中， order_id 字段也自動(dòng)生成了主鍵ID，基礎(chǔ)的分片功能就完成了。

基礎(chǔ)分片

那向廣播表 t_config 中插入一條數(shù)據(jù)會(huì)是什么效果呢？ 

public String config() {  
    TConfig tConfig = new TConfig();  
    tConfig.setRemark("我是廣播表");  
    tConfig.setCreateTime(new Date());  
    tConfig.setLastModifyTime(new Date());  
    configRepository.insert(tConfig);  
    return "success";  
} 

發(fā)現(xiàn)所有庫(kù)中 t_config 表都執(zhí)行了這條SQL，廣播表和 MQ廣播訂閱的模式很相似，所有訂閱的客戶端都會(huì)收到同一條消息。

廣播表

簡(jiǎn)單SQL操作驗(yàn)證沒(méi)問(wèn)通，接下來(lái)在試試復(fù)雜一點(diǎn)的聯(lián)合查詢(xún)，前邊我們已經(jīng)把 t_order 、t_order_item 表設(shè)為綁定表，直接聯(lián)表查詢(xún)執(zhí)行一下。

關(guān)聯(lián)查詢(xún)

通過(guò)控制臺(tái)日志發(fā)現(xiàn)，邏輯表SQL 經(jīng)過(guò)解析以后，只對(duì)  t_order_0 和 t_order_item_0 表進(jìn)行了關(guān)聯(lián)產(chǎn)生一條SQL。

綁定表SQL

那如果不互為綁定表又會(huì)是什么情況呢？去掉 spring.shardingsphere.sharding.binding-tables試一下。

發(fā)現(xiàn)控制臺(tái)解析出了 3條真實(shí)表SQL，而去掉 order_id 作為查詢(xún)條件再次執(zhí)行后，結(jié)果解析出了 9條SQL，進(jìn)行了笛卡爾積查詢(xún)。所以相比之下綁定表的優(yōu)點(diǎn)就不言而喻了。

笛卡爾積查詢(xún)

五、總結(jié)

以上對(duì)分庫(kù)分表中間件 sharding-jdbc 的基礎(chǔ)概念做了簡(jiǎn)單梳理，快速的搭建了一個(gè)分庫(kù)分表案例，但這只是實(shí)踐分庫(kù)分表的第一步，下一篇我們會(huì)詳細(xì)的介紹四種分片策略的具體用法和使用場(chǎng)景（必知必會(huì)），后邊將陸續(xù)講解自定義分布式主鍵、分布式數(shù)據(jù)庫(kù)事務(wù)、分布式服務(wù)治理，數(shù)據(jù)脫敏等。