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

這篇文章，我們聊聊 ShardingSphere-JDBC 相關知識點，并實戰演示一番。

【資料圖】

1 ShardingSphere 生態

Apache ShardingSphere 是一款分布式的數據庫生態系統，它包含兩大產品：

ShardingSphere-Proxy ShardingSphere-JDBC

▍一、ShardingSphere-Proxy

ShardingSphere-Proxy 被定位為透明化的數據庫代理端，提供封裝了數據庫二進制協議的服務端版本，用于完成對異構語言的支持。

代理層介于應用程序與數據庫間，每次請求都需要做一次轉發，請求會存在額外的時延。

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

▍二、ShardingSphere-JDBC

ShardingSphere-JDBC 是 ShardingSphere 的第一個產品，也是 ShardingSphere 的前身， 我們經常簡稱之為：sharding-jdbc 。

它定位為輕量級 Java 框架，在 Java 的 JDBC 層提供的額外服務。它使用客戶端直連數據庫，以 jar 包形式提供服務，無需額外部署和依賴，可理解為增強版的 JDBC 驅動，完全兼容 JDBC 和各種 ORM 框架。

當我們在 Proxy 和 JDBC 兩種模式選擇時，可以參考下表對照：

	JDBC	Proxy
數據庫	任意	MySQL/PostgreSQL
連接消耗數	高	低
異構語言	僅Java	任意
性能	損耗低	損耗略高
無中心化	是	否
靜態入口	無	有

越來越多的公司都在生產環境使用了 sharding-jdbc ，最核心的原因就是：簡單（原理簡單，易于實現，方便運維）。

2 基本原理

在后端開發中，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 ，他們的底層實現是 JDBC 的模型。

sharding-jdbc 的本質上就是實現 JDBC 的核心接口。

接口	實現類
DataSource	ShardingDataSource
Connection	ShardingConnection
Statement	ShardingStatement
PreparedStatement	ShardingPreparedStatement
ResultSet	ShardingResultSet

雖然我們理解了 sharding-jdbc 的本質，但是真正實現起來還有非常多的細節，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 拆分為一個個不可再分的單詞。再使用語法解析器對 SQL 進行理解，并最終提煉出解析上下文。

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

2.執行器優化

合并和優化分片條件，如 OR 等。

3.SQL 路由

根據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 改寫為在真實數據庫中可以正確執行的語句。SQL 改寫分為正確性改寫和優化改寫。

5.SQL 執行

通過多線程執行器異步執行。

6.結果歸并

將多個執行結果集歸并以便于通過統一的 JDBC 接口輸出。結果歸并包括流式歸并、內存歸并和使用裝飾者模式的追加歸并這幾種方式。

本文的重點在于實戰層面， sharding-jdbc 的實現原理細節我們會在后續的文章一一給大家呈現 。

3 實戰案例

筆者曾經為武漢一家 O2O 公司訂單服務做過分庫分表架構設計 ，當企業用戶創建一條采購訂單 ， 會生成如下記錄：

訂單基礎表t_ent_order：單條記錄 訂單詳情表t_ent_order_detail：單條記錄訂單明細表t_ent_order_item：N條記錄

訂單數據采用了如下的分庫分表策略：

訂單基礎表按照 ent_id (企業用戶編號) 分庫 ，訂單詳情表保持一致；訂單明細表按照 ent_id (企業用戶編號) 分庫，同時也要按照 ent_id (企業編號) 分表。

首先創建 4 個庫，分別是：ds_0、ds_1、ds_2、ds_3 。

這四個分庫，每個分庫都包含 訂單基礎表 ， 訂單詳情表 ，訂單明細表 。但是因為明細表需要分表，所以包含多張表。

然后 springboot 項目中配置依賴 ：

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

復制

配置文件中配置如下：

配置數據源，上面配置數據源是： ds0、ds1、ds2、ds3 ；配置打印日志，也就是：sql.show ，在測試環境建議打開 ，便于調試；配置哪些表需要分庫分表 ，在 shardingsphere.datasource.sharding.tables 節點下面配置：

上圖中我們看到配置分片規則包含如下兩點：

1.真實節點

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

復制

它們在數據庫中的真實形態是：`t_ent_order_item_0` 到  `t_ent_order_item_7`。 

復制

真實數據節點是指數據分片的最小單元，由數據源名稱和數據表組成。

復制

訂單明細表的真實節點是：`ds$->{0..3}.t_ent_order_item_$->{0..7}` 。

復制

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 & 自定義復合分片算法

分片算法和阿里開源的數據庫中間件 cobar 路由算法非常類似的。

假設現在需要將訂單表平均拆分到4個分庫 shard0 ，shard1 ，shard2 ，shard3 。

首先將 0-1023 平均分為4個區段：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 結果對 1024 取模，最終得出的結果 slot落入哪個區段，便路由到哪個分庫。

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

答案是：基因法& 自定義復合分片算法。

基因法是指在訂單 ID 中攜帶企業用戶編號信息，我們可以在創建訂單 order_id時使用雪花算法，然后將 slot的值保存在 10位工作機器 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據存儲在哪個分片里。

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

復制

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用戶 ID 信息。

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

答案是：自定義復合分片算法。我們只需要實現 ComplexKeysShardingAlgorithm類即可。

復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 擴容方案

既然做了分庫分表，如何實現平滑擴容也是一個非常有趣的話題。

在數據同步之前，需要梳理遷移范圍。

1.業務唯一主鍵；

在進行數據同步前，需要先梳理所有表的唯一業務 ID，只有確定了唯一業務 ID 才能實現數據的同步操作。

復制

需要注意的是：業務中是否有使用數據庫自增 ID 做為業務 ID 使用的，如果有需要業務先進行改造 。另外確保每個表是否都有唯一索引，一旦表中沒有唯一索引，就會在數據同步過程中造成數據重復的風險，所以我們先將沒有唯一索引的表根據業務場景增加唯一索引（有可能是聯合唯一索引）。

復制

2.遷移哪些表，遷移后的分庫分表規則；

分表規則不同決定著 rehash 和數據校驗的不同。需逐個表梳理是用戶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。

復制

接下來，進入數據同步環節。

整體方案見下圖，數據同步基于 binlog ，獨立的中間服務做同步，對業務代碼無侵入。

首先需要做歷史數據全量同步：也就是將舊庫遷移到新庫。

單獨一個服務，使用游標的方式從舊庫分片 select 語句，經過 rehash 后批量插入 （batch insert）到新庫，需要配置jdbc 連接串參數 rewriteBatchedStatements=true 才能使批處理操作生效。

因為歷史數據也會存在不斷的更新，如果先開啟歷史數據全量同步，則剛同步完成的數據有可能不是最新的。

所以我們會先開啟增量數據單向同步（從舊庫到新庫），此時只是開啟積壓 kafka 消息并不會真正消費；然后在開始歷史數據全量同步，當歷史全量數據同步完成后，在開啟消費 kafka 消息進行增量數據同步（提高全量同步效率減少積壓也是關鍵的一環），這樣來保證遷移數據過程中的數據一致。

增量數據同步考慮到灰度切流穩定性、容災 和可回滾能力 ，采用實時雙向同步方案，切流過程中一旦新庫出現穩定性問題或者新庫出現數據一致問題，可快速回滾切回舊庫，保證數據庫的穩定和數據可靠。

增量數據實時同步的大體思路 ：

1.過濾循環消息

需要過濾掉循環同步的 binlog 消息 ;

2.數據合并

同一條記錄的多條操作只保留最后一條。為了提高性能，數據同步組件接到 kafka 消息后不會立刻進行數據流轉，而是先存到本地阻塞隊列，然后由本地定時任務每X秒將本地隊列中的N條數據進行數據流轉操作。此時N條數據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 insert

數據合并時，如果數據中有 insert + update 只保留最后一條 update ，會執行失敗，所以此處需要將 update 轉為 insert 語句 ;

復制

4.按新表合并

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

復制

擴容方案文字來自 《256變4096：分庫分表擴容如何實現平滑數據遷移》，筆者做了些許調整。

6 總結

sharding-jdbc 的本質是實現 JDBC 的核心接口，架構相對簡單。

實戰過程中，需要配置數據源信息，邏輯表對應的真實節點和分庫分表策略（分片字段和分片算法）

實現分布式主鍵直接路由到對應分片，則需要使用基因法 & 自定義復合分片算法。

平滑擴容的核心是全量同步和實時雙向同步，工程上有不少細節。

實戰代碼地址：

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

參考資料：

256變4096：分庫分表擴容如何實現平滑數據遷移？黃東旭：分布式數據庫歷史、發展趨勢與 TiDB 架構

如果我的文章對你有所幫助，還請幫忙點贊、在看、轉發一下，你的支持會激勵我輸出更高質量的文章，非常感謝！

關鍵詞： 數據遷移 編程算法 數據遷移解決方案 JDBC