ShardingSphere分库分表实战:让数据库不再“压力山大”

精选文章moguli202025-05-02 18:31:289A⁺A^-

ShardingSphere分库分表实战：让数据库不再“压力山大”

各位小伙伴，今天我们来聊聊ShardingSphere，这个Java程序员耳熟能详的数据分片神器。作为一个在分布式架构中拯救数据库的英雄，它能轻松帮你搞定分库分表的复杂操作。不过在正式开始之前，我想先讲个小故事。

话说有一只叫小王的程序猿，他所在的公司业务增长迅猛，订单数据量呈指数级增长。然而公司的数据库服务器却不堪重负，查询速度慢得像乌龟爬。有一天，小王在网上看到ShardingSphere的介绍，仿佛看到了救世主。于是他决定亲自上阵，用ShardingSphere为数据库减压。

接下来，就让我们跟着小王的脚步，一起探索ShardingSphere的分库分表实战吧！

一、认识ShardingSphere

ShardingSphere是一个由Apache旗下的开源项目，它的核心功能包括数据分片、读写分离和分布式事务管理。在我们的场景中，重点当然是数据分片啦。简单来说，就是将原本存储在一个数据库中的海量数据分散到多个数据库中去，从而提高系统的并发能力和数据处理效率。

那么问题来了，为什么要用ShardingSphere来做分库分表呢？答案很简单：当你的业务数据量达到一定程度时，单个数据库节点的性能瓶颈就会显现出来。这时候如果继续往一个数据库里塞数据，不仅查询变慢，就连插入操作也会变得异常艰难。而ShardingSphere就像一位经验丰富的指挥官，合理分配数据，让每个数据库都忙而不乱。

二、准备工作

在开始实战之前，我们需要搭建一个简单的测试环境。假设我们有一个电商系统，其中包含用户表和订单表两个主要数据表。随着业务的发展，这两张表的数据量越来越大，已经到了无法承受的地步。于是我们决定使用ShardingSphere来进行分库分表。

首先，我们需要准备两台数据库服务器。当然，如果你的硬件资源充足的话，也可以在同一台机器上创建多个实例。然后，在这些数据库上创建好相应的数据库和表结构。具体的操作步骤就不细说了，相信各位小伙伴都能轻松搞定。

三、配置ShardingSphere

接下来是最关键的部分——配置ShardingSphere。ShardingSphere提供了多种配置方式，包括YAML、Spring Boot Starter等。在这里，我们选择使用最流行的Spring Boot Starter方式进行配置。

首先，在项目的pom.xml文件中添加ShardingSphere的相关依赖：

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

接着，在application.yml文件中配置分片规则。以下是示例配置：

spring:
  shardingsphere:
    datasource:
      names: ds0,ds1
      ds0:
        type: com.zaxxer.hikari.HikariDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        jdbc-url: jdbc:mysql://localhost:3306/db0?useUnicode=true&characterEncoding=UTF-8&useSSL=false&serverTimezone=UTC
        username: root
        password: root
      ds1:
        type: com.zaxxer.hikari.HikariDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        jdbc-url: jdbc:mysql://localhost:3306/db1?useUnicode=true&characterEncoding=UTF-8&useSSL=false&serverTimezone=UTC
        username: root
        password: root
    sharding:
      tables:
        t_order:
          actual-data-nodes: ds$->{0..1}.t_order_$->{0..1}
          table-strategy:
            inline:
              sharding-column: order_id
              algorithm-expression: t_order_$->{order_id % 2}
          key-generator:
            column: order_id
            type: SNOWFLAKE
        t_user:
          actual-data-nodes: ds$->{0..1}.t_user_$->{0..1}
          table-strategy:
            inline:
              sharding-column: user_id
              algorithm-expression: t_user_$->{user_id % 2}
          key-generator:
            column: user_id
            type: SNOWFLAKE
      default-database-strategy:
        inline:
          sharding-column: database_id
          algorithm-expression: ds$->{database_id % 2}

这段配置代码定义了两个数据库ds0和ds1，以及两张分片表t_order和t_user。每个表被分成了两个子表，按照不同的列进行分片。此外，还设置了默认的数据库分片策略。

四、编写业务代码

现在，我们已经完成了ShardingSphere的基本配置，接下来就可以编写业务代码了。以下是一个简单的增删改查示例：

@Service
public class OrderService {
    
    @Autowired
    private JdbcTemplate jdbcTemplate;
    
    public void createOrder(Order order) {
        String sql = "INSERT INTO t_order(order_id, user_id, amount) VALUES(?,?,?)";
        jdbcTemplate.update(sql, order.getOrderId(), order.getUserId(), order.getAmount());
    }
    
    public List<Order> getOrdersByUserId(int userId) {
        String sql = "SELECT * FROM t_order WHERE user_id = ?";
        return jdbcTemplate.query(sql, new Object[]{userId}, new BeanPropertyRowMapper<>(Order.class));
    }
    
    public void updateOrderAmount(int orderId, double newAmount) {
        String sql = "UPDATE t_order SET amount = ? WHERE order_id = ?";
        jdbcTemplate.update(sql, newAmount, orderId);
    }
    
    public void deleteOrder(int orderId) {
        String sql = "DELETE FROM t_order WHERE order_id = ?";
        jdbcTemplate.update(sql, orderId);
    }
}

在这个例子中，我们通过JdbcTemplate执行SQL语句来完成对分片表的操作。ShardingSphere会根据配置自动选择正确的数据库和表进行操作，无需手动干预。

五、验证效果

为了验证我们的配置是否正确，我们可以写一些单元测试来检查数据分片的效果。比如，我们可以创建几个订单，然后分别查询它们所属的数据库和表，看看是否符合预期。

@SpringBootTest
public class ShardingSphereTest {
    
    @Autowired
    private OrderService orderService;
    
    @Test
    public void testSharding() {
        // 创建订单
        Order order1 = new Order();
        order1.setOrderId(1);
        order1.setUserId(1001);
        order1.setAmount(99.99);
        orderService.createOrder(order1);
        
        Order order2 = new Order();
        order2.setOrderId(2);
        order2.setUserId(1002);
        order2.setAmount(199.98);
        orderService.createOrder(order2);
        
        // 查询订单
        List<Order> orders = orderService.getOrdersByUserId(1001);
        for (Order order : orders) {
            System.out.println("Database: " + order.getDatabaseName() + ", Table: " + order.getTableName());
        }
    }
}

运行测试后，我们会发现每个订单都被正确地存储在了不同的数据库和表中，证明了ShardingSphere的分片功能正常工作。