1.sharding-jdbc分片策略（行分片策略踩坑笔记）
2.SpringBoot整合Sharding-JDBC分库分表--(一)分库分表介绍
3.shardingjdbc和tddl的区别
4.ShardingJdbc+Mybatis实现多数据源
5.shardingsphere源码阅读-兼容jdbc规范

sharding-jdbc分片策略（行分片策略踩坑笔记）

       sharding-jdbc行分片策略默认不支持按分片键的源码范围查询

       在开发时，对主键id做了范围查询。调试结果遇到如下报错：

Errorqueryingdatabase.Cause:java.lang.IllegalStateException:Inlinestrategycannotsupportrangesharding.原因：使用行分片策略

       原先的源码sharding-jdbc的分片策略配置是：

sharding:binding-tables:tableNametables:tableName:actual-data-nodes:ds0.tableName_$->{ 0..1}table-strategy:inline:sharding-column:idalgorithm-expression:tableName_$->{ id%2}

       上面的配置，使用了主键id作为单分片键，调试行表达式的源码分片策略。该分片策略只支持=和in操作符，调试idea源码查看并不支持范围查询。源码如果你想要使用范围查询，调试你需要配置开启标准策略。源码

解决方案：使用标准分片策略

       对应配置：

sharding:binding-tables:tableNametables:tableName:table-strategy:standard:#用于单分片键的调试标准分片场景sharding-column:id#分片列名称precise-algorithm-class-name:com.project.com.PreciseModuloAlgorithm#精确分片算法类名称，用于=和IN。源码。调试该类需实现PreciseShardingAlgorithm接口并提供无参数的源码构造器range-algorithm-class-name:com.project.com.component.RangeModuloAlgorithm#范围分片算法类名称，用于BETWEEN，调试可选。源码该类需实现RangeShardingAlgorithm接口并提供无参数的构造器

       问题具体可参考，官方github上的issues提问：/manual/sharding-jdbc/configuration/config-yaml/

       对于具体的分片算法类，可参考官方github上的example：/apache/shardingsphere-example

       分片算法类需要自己根据实际场景进行开发，这里贴出官方example里的实现类：

publicfinalclassPreciseModuloAlgorithmimplementsPreciseShardingAlgorithm<Integer>{ @OverridepublicStringdoSharding(finalCollection<String>availableTargetNames,finalPreciseShardingValue<Integer>shardingValue){ for(Stringeach:availableTargetNames){ if(each.endsWith(shardingValue.getValue()%+"")){ returneach;}}thrownewUnsupportedOperationException();}}publicfinalclassRangeModuloAlgorithmimplementsRangeShardingAlgorithm<Integer>{ @OverridepublicCollection<String>doSharding(finalCollection<String>availableTargetNames,finalRangeShardingValue<Integer>shardingValue){ Collection<String>result=newLinkedHashSet<>(availableTargetNames.size());intminValue=shardingValue.getValueRange().hasLowerBound()?shardingValue.getValueRange().lowerEndpoint():Integer.MIN_VALUE;intmaxValue=shardingValue.getValueRange().hasUpperBound()?shardingValue.getValueRange().upperEndpoint():Integer.MAX_VALUE;//最大值减最小值，得到差longrange=BigInteger.valueOf(maxValue).subtract(BigInteger.valueOf(minValue)).longValue();//最小值得绝对值除的余数intbegin=Math.abs(minValue)%;//超过9直接返回可用的表名，这里的主力自救指标源码9是，自己的分片策略值//假设我的分片策略是：对id除以，取余数if(range>9){ returnavailableTargetNames;}//如果差在分片策略内的，就直接取余数，得到对应的表名for(inti=begin;i<=range;i+=1){ for(Stringeach:availableTargetNames){ if(each.endsWith(i+"")){ result.add(each);}}}returnresult;}}sharding-jdbc分片策略分片策略

       包含分片键和分片算法，由于分片算法的独立性，将其独立抽离。真正可用于分片操作的是分片键+分片算法，也就是分片策略。目前提供5种分片策略。

标准分片策略

       对应StandardShardingStrategy。提供对SQL语句中的=,>,<,>=,<=,IN和BETWEENAND的分片操作支持。StandardShardingStrategy只支持单分片键，提供PreciseShardingAlgorithm和RangeShardingAlgorithm两个分片算法。PreciseShardingAlgorithm是必选的，用于处理=和IN的分片。RangeShardingAlgorithm是可选的，用于处理BETWEENAND,>,<,>=,<=分片，如果不配置RangeShardingAlgorithm，SQL中的BETWEENAND将按照全库路由处理。

复合分片策略

       对应ComplexShardingStrategy。多任务学习源码复合分片策略。提供对SQL语句中的=,>,<,>=,<=,IN和BETWEENAND的分片操作支持。ComplexShardingStrategy支持多分片键，由于多分片键之间的关系复杂，因此并未进行过多的封装，而是直接将分片键值组合以及分片操作符透传至分片算法，完全由应用开发者实现，提供最大的灵活度。

行表达式分片策略

       对应InlineShardingStrategy。使用Groovy的表达式，提供对SQL语句中的=和IN的分片操作支持，只支持单分片键。对于简单的分片算法，可以通过简单的配置使用，从而避免繁琐的Java代码开发，如:t_user_$->{ u_id%8}表示t_user表根据u_id模8，而分成8张表，表名称为t_user_0到t_user_7。

Hint分片策略

       对应HintShardingStrategy。通过Hint指定分片值而非从SQL中提取分片值的鹅鸭杀源码方式进行分片的策略。

不分片策略

       对应NoneShardingStrategy。不分片的策略。

SpringBoot整合Sharding-JDBC分库分表--(一)分库分表介绍

       SpringBoot整合Sharding-JDBC分库分表--(一)分库分表详解

       随着业务的迅速增长，数据库的负载压力剧增，性能瓶颈开始显现。这主要是因为关系型数据库的单机存储和处理能力有限，当数据量超过一定规模，即使优化索引和增加从库，性能也会显著下降。

       应对策略主要有两个方案：一是提升硬件资源，如增加存储和CPU，但这成本高昂且效果有限；二是采用分库分表策略，将数据分散到多个数据库和表中，减轻单个数据库的负担。分库分表旨在通过数据的分解，使每个数据库和表的数据量减少，提升整体性能。

       分库分表方式有四种：垂直分表和分库，以及水平分库和分表。垂直分表将表按字段拆分，大阳线变色指标源码常用字段和不常用字段分开，可以减少IO争抢，提高查询效率。垂直分库则按照业务逻辑将表分布在不同的数据库，进一步分散压力。水平分库是根据业务需求将数据分布在不同服务器，如商品库根据店铺ID拆分。水平分表则是在同一数据库内，将表拆分成多个，按商品ID进行划分。

       然而，分库分表也带来了一些挑战，如事务一致性问题、跨节点查询复杂性、主键避重和公共表的处理。例如，数据分布式后可能导致事务处理的复杂性提升，以及跨库的查询和排序操作需要更复杂的逻辑。此外，需要设计全局唯一主键来解决跨库重复问题。

       Sharding-JDBC，由当当网开发的开源分布式数据库中间件，简化了开发者在分库分表方面的操作。它是一个轻量级框架，兼容JDBC，提供数据分片和读写分离功能，使得应用程序能够透明地操作分布式数据库，无需关注底层的细节。通过Sharding-JDBC，可以简化应用对复杂分库分表策略的处理，提高开发效率。

shardingjdbc和tddl的区别

       shardingjdbc是当当网的内部分库分表中间件，目前已经开源，可以在github中进行获取，而TDDL则是阿里内部的分库分表中间件，目前尚未开源，本质上都是JDBC的一种分装。详细见下图

ShardingJdbc+Mybatis实现多数据源

       实现Mybatis与多数据源结合的步骤如下：

       首先，确保项目依赖正确，这与单数据源项目的依赖设置一致。

       接着，配置Mybatis使用数据源的方式。这里采用注解方法，相关的类包括：注解类、枚举类、连接池配置信息类、用于存储数据源变量的ThreadLocal类，以及继承自AbstractRoutingDataSource的切面类和DruidConfig配置类。

       在application配置文件中，定义数据源配置信息。

       编写测试类，包含Mapper接口和对应的Mapper XML文件。在测试类中，执行不同方法，如list和listSharding。观察结果，list方法直接查询order_info表，而listSharding则从分表中获取数据，这验证了分表策略的正确实现。

       整合Mybatis与多数据源的流程适用于实际场景，尤其在使用Mybatis的项目中常见。同时，Mybatisplus的整合也是常见的需求。后续文章将深入探索更多相关整合技术，希望能为读者提供帮助。

       项目代码可以参考地址：gitee.com/shen-chuhao/w...

shardingsphere源码阅读-兼容jdbc规范

       JDBC规范提供一套标准，让不同数据库厂商遵循统一接口操作数据库，从而简化应用程序开发。shardingsphere兼容此规范，通过重写接口实现兼容。

       基于JDBC规范，shardingsphere采用适配器模式重写DataSource、Connection、Statement、ResultSet等关键接口，构建了一套完整的实现方案。适配器模式确保了shardingsphere能够以与JDBC规范一致的方式操作数据库，同时支持分库分表功能。

       shardingsphere中，JdbcObject接口代表JDBC规范中的核心接口，包括DataSource、Connection、Statement等。通过包装器接口Wrapper以及其子类WrapperAdapter，shardingsphere实现了适配器模式，重写了这些接口的方法，同时保留了与JDBC规范的兼容性。

       AbstractUnsupportedOperationJdbcObject和AbstractJdbcObjectAdapter作为抽象类，分别用于实现部分和全部接口方法。ShardingIdbcObject继承自AbstractJdbcObjectAdapter，包括ShardingDataSource、ShardingConnection、ShardingStatement等对象，这些对象都采用适配器模式重写JDBC规范接口，确保与JDBC规范无缝衔接。

       以ShardingDataSource为例，其构造过程通过ShardingDataSourceFactory创建ShardingDataSource对象，将数据源、分库分表规则和属性等信息整合，同时初始化运行时上下文和静态代码块加载路由、SQL重写、结果集引擎等组件。ShardingDataSource内部的WrapperAdapter类维护方法调用信息，通过recordMethodInvocation和replayMethodsInvocation方法记录和回放方法调用。

       AbstractDataSourceAdapter作为数据源适配器的抽象类，封装公共属性和方法，减少重复代码。此类中的dataSourceMap和databaseType属性分别保存数据源信息和数据库类型，getRuntimeContext方法用于获取分库分表的运行时上下文。

       综上所述，shardingsphere通过适配器模式重写JDBC规范接口，实现了与JDBC规范的兼容性。不论使用sharding-jdbc还是原生JDBC，操作数据库的方式和流程保持一致，只是在实现细节上支持了分库分表功能，为开发者提供了一种灵活且高效的数据库管理方案。