技术标签: Java
因网络资源较少,本文记录ShardingSphere-JDBC 4.1.1版本复杂键分片算法的简单配置。
本文测试项目代码地址:
https://github.com/JazzHeric/ShardingSphereComplexDatabaseShardingAlgorithm
项目主要依赖以及版本
spring-boot 2.3.0.RELEASE
sharding-jdbc-core 4.1.1
mybatis 2.1.1
alibaba-druid 1.0.23-cat-SNAPSHOT
ShardingSphere是由当当网贡献给apache社区的项目,前身是Sharding-jdbc,其当前官网文档地址为:https://shardingsphere.apache.org/document/current/cn/user-manual/;该数据库中间件主要用于数据库、表分片,成熟可靠。在由关系型数据库提供的表分区功能,已不足以支撑越来越大的数据量要求之后,横向的扩容数据库,增加数据库的承载能力成为很多项目的必选方案。而ShardingSphere中间件则对横向扩展数据库提供了访问方式的良好支持。
目前ShardingSphere项目下有2个成熟产品,分别为ShardingSphere-JDBC和ShardingSphere-Proxy。
按照官方文档介绍,ShardingSphere-Proxy操作数据库更简单,不需要像ShardingSphere-JDBC一样操作表时必须在筛选条件中包含分表字段,貌似能减少数据库连接数的消耗,我们暂未在生产环境使用过ShardingSphere-Proxy,对其具体表现如何暂无依据,单值得研究一下。
分库10个
测试2张表结构如下(DDL语句见github测试项目):
order_info
order_detail
数据源配置 com.test.sharding.config.DataSourceConfig (非关键代码较多,本文其他部分只贴较重要的部分)
package com.test.sharding.config;
import com.alibaba.druid.pool.DruidDataSource;
import com.google.common.collect.Maps;
import com.test.sharding.config.sharding.ComplexDatabaseShardingAlgorithm;
import com.test.sharding.config.sharding.PreciseDatabaseShardingAlgorithm;
import org.apache.shardingsphere.api.config.sharding.ShardingRuleConfiguration;
import org.apache.shardingsphere.api.config.sharding.TableRuleConfiguration;
import org.apache.shardingsphere.api.config.sharding.strategy.ComplexShardingStrategyConfiguration;
import org.apache.shardingsphere.api.config.sharding.strategy.StandardShardingStrategyConfiguration;
import org.apache.shardingsphere.shardingjdbc.api.ShardingDataSourceFactory;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.jdbc.datasource.DataSourceTransactionManager;
import org.springframework.transaction.PlatformTransactionManager;
import javax.sql.DataSource;
import java.sql.SQLException;
import java.util.Map;
import java.util.Properties;
@Configuration
public class DataSourceConfig {
@Bean("dataSource00")
public DataSource druidDataSource00(){
DruidDataSource druidDataSource = new DruidDataSource();
druidDataSource.setUrl(dbUrl00);
setConnectionProperty(druidDataSource);
return druidDataSource;
}
@Bean("dataSource01")
public DataSource druidDataSource01(){
DruidDataSource druidDataSource = new DruidDataSource();
druidDataSource.setUrl(dbUrl01);
setConnectionProperty(druidDataSource);
return druidDataSource;
}
@Bean("dataSource02")
public DataSource druidDataSource02(){
DruidDataSource druidDataSource = new DruidDataSource();
druidDataSource.setUrl(dbUrl02);
setConnectionProperty(druidDataSource);
return druidDataSource;
}
@Bean("dataSource03")
public DataSource druidDataSource03(){
DruidDataSource druidDataSource = new DruidDataSource();
druidDataSource.setUrl(dbUrl03);
setConnectionProperty(druidDataSource);
return druidDataSource;
}
@Bean("dataSource04")
public DataSource druidDataSource04(){
DruidDataSource druidDataSource = new DruidDataSource();
druidDataSource.setUrl(dbUrl04);
setConnectionProperty(druidDataSource);
return druidDataSource;
}
@Bean("dataSource05")
public DataSource druidDataSource05(){
DruidDataSource druidDataSource = new DruidDataSource();
druidDataSource.setUrl(dbUrl05);
setConnectionProperty(druidDataSource);
return druidDataSource;
}
@Bean("dataSource06")
public DataSource druidDataSource06(){
DruidDataSource druidDataSource = new DruidDataSource();
druidDataSource.setUrl(dbUrl06);
setConnectionProperty(druidDataSource);
return druidDataSource;
}
@Bean("dataSource07")
public DataSource druidDataSource07(){
DruidDataSource druidDataSource = new DruidDataSource();
druidDataSource.setUrl(dbUrl07);
setConnectionProperty(druidDataSource);
return druidDataSource;
}
@Bean("dataSource08")
public DataSource druidDataSource08(){
DruidDataSource druidDataSource = new DruidDataSource();
druidDataSource.setUrl(dbUrl08);
setConnectionProperty(druidDataSource);
return druidDataSource;
}
@Bean("dataSource09")
public DataSource druidDataSource09(){
DruidDataSource druidDataSource = new DruidDataSource();
druidDataSource.setUrl(dbUrl09);
setConnectionProperty(druidDataSource);
return druidDataSource;
}
private void setConnectionProperty(DruidDataSource druidDataSource) {
druidDataSource.setUsername(userName);
druidDataSource.setPassword(password);
druidDataSource.setDriverClassName(driverClassName);
druidDataSource.setInitialSize(initialSize);
druidDataSource.setMinIdle(minIdle);
druidDataSource.setMaxActive(maxActive);
druidDataSource.setMaxWait(maxWait);
druidDataSource.setTimeBetweenEvictionRunsMillis(timeBetweenEvictionRunsMillis);
druidDataSource.setMinEvictableIdleTimeMillis(minEvictableIdleTimeMillis);
druidDataSource.setValidationQuery(validationQuery);
druidDataSource.setTestWhileIdle(testWhileIdle);
druidDataSource.setTestOnBorrow(testOnBorrow);
druidDataSource.setTestOnReturn(testOnReturn);
}
private Map<String, DataSource> buildDataSourceMap() {
Map<String, DataSource> result = Maps.newHashMap();
result.put("db_source_00", druidDataSource00());
result.put("db_source_01", druidDataSource01());
result.put("db_source_02", druidDataSource02());
result.put("db_source_03", druidDataSource03());
result.put("db_source_04", druidDataSource04());
result.put("db_source_05", druidDataSource05());
result.put("db_source_06", druidDataSource06());
result.put("db_source_07", druidDataSource07());
result.put("db_source_08", druidDataSource08());
result.put("db_source_09", druidDataSource09());
return result;
}
@Bean("shardingDataSource")
DataSource getShardingDataSource() throws SQLException {
//设置表精准sharding规则
TableRuleConfiguration orderDetailTableRule = new TableRuleConfiguration("order_detail");
StandardShardingStrategyConfiguration standardShardingStrategyConfiguration =
new StandardShardingStrategyConfiguration("merchant_id",
new PreciseDatabaseShardingAlgorithm());
orderDetailTableRule.setDatabaseShardingStrategyConfig(standardShardingStrategyConfiguration);
//设置表复杂sharding规则
TableRuleConfiguration orderInfoTableRule = new TableRuleConfiguration("order_info");
ComplexShardingStrategyConfiguration complexShardingStrategyConfiguration =
new ComplexShardingStrategyConfiguration("order_no,merchant_id",
new ComplexDatabaseShardingAlgorithm());
orderInfoTableRule.setDatabaseShardingStrategyConfig(complexShardingStrategyConfiguration);
ShardingRuleConfiguration shardingRuleConfig = new ShardingRuleConfiguration();
shardingRuleConfig.getTableRuleConfigs().add(orderDetailTableRule);
shardingRuleConfig.getTableRuleConfigs().add(orderInfoTableRule);
shardingRuleConfig.getBindingTableGroups().add("order_detail,order_info");
//设置默认规则
shardingRuleConfig.setDefaultDatabaseShardingStrategyConfig(standardShardingStrategyConfiguration);
return ShardingDataSourceFactory.createDataSource(buildDataSourceMap(), shardingRuleConfig, new Properties());
}
@Bean
public PlatformTransactionManager shardingTransactionManager() throws Exception {
return new DataSourceTransactionManager(getShardingDataSource());
}
/** ---------------------数据库连接配置----------------------*/
@Value("${spring.datasource.url_00}")
private String dbUrl00;
@Value("${spring.datasource.url_01}")
private String dbUrl01;
@Value("${spring.datasource.url_02}")
private String dbUrl02;
@Value("${spring.datasource.url_03}")
private String dbUrl03;
@Value("${spring.datasource.url_04}")
private String dbUrl04;
@Value("${spring.datasource.url_05}")
private String dbUrl05;
@Value("${spring.datasource.url_06}")
private String dbUrl06;
@Value("${spring.datasource.url_07}")
private String dbUrl07;
@Value("${spring.datasource.url_08}")
private String dbUrl08;
@Value("${spring.datasource.url_09}")
private String dbUrl09;
@Value("${spring.datasource.username}")
private String userName;
@Value("${spring.datasource.password}")
private String password;
@Value("${spring.datasource.driver-class-name}")
private String driverClassName;
@Value("${spring.datasource.initialSize}")
private int initialSize;
@Value("${spring.datasource.minIdle}")
private int minIdle;
@Value("${spring.datasource.maxActive}")
private int maxActive;
@Value("${spring.datasource.maxWait}")
private int maxWait;
@Value("${spring.datasource.timeBetweenEvictionRunsMillis}")
private int timeBetweenEvictionRunsMillis;
@Value("${spring.datasource.minEvictableIdleTimeMillis}")
private int minEvictableIdleTimeMillis;
@Value("${spring.datasource.validationQuery}")
private String validationQuery;
@Value("${spring.datasource.testWhileIdle}")
private boolean testWhileIdle;
@Value("${spring.datasource.testOnBorrow}")
private boolean testOnBorrow;
@Value("${spring.datasource.testOnReturn}")
private boolean testOnReturn;
}
注意分库规则设置代码:
精准分片策略需要实现接口
org.apache.shardingsphere.api.sharding.standard.PreciseShardingAlgorithm
复杂分片策略需要实现接口
org.apache.shardingsphere.api.sharding.complex.ComplexKeysShardingAlgorithm
精准策略根据CRUD时,配置的分片字段的值进行判断。在本测试项目中,表order_detail使用了字段merchant_id进行分片。那么preciseShardingValue即CRUD时中的merchant_id的值。根据这一值,自行决定响应分片最终结果为什么。
测试如下代码:
该精准分片策略时入参:
注意入参collection为ShardingDataSourceFactory.createDataSource时,传入的DataSource Map数据类型key。doSharding方法最终要返回准确分片的Map中的key。
复杂分片策略的灵活性更高,可以根据多个分片字段按照自定义的算法,匹配到一个或者多个目标库或目标表的key。
在本测试项目中,主要的逻辑是,当主分片字段merchant_id不存在的时候,通过order_no的最后2位(order_no生成规则约定为:最后两位带上分片库序号)匹配分片库。当分片字段merchant_id存在时,以merchant_id分片结果为准。该具体逻辑取决于系统设计时实际需求,本项目仅是测试Demo。
文章浏览阅读645次。这个肯定是末尾的IDAT了,因为IDAT必须要满了才会开始一下个IDAT,这个明显就是末尾的IDAT了。,对应下面的create_head()代码。,对应下面的create_tail()代码。不要考虑爆破,我已经试了一下,太多情况了。题目来源:UNCTF。_攻防世界困难模式攻略图文
文章浏览阅读2.9k次,点赞3次,收藏10次。偶尔会用到,记录、分享。1. 数据库导出1.1 切换到dmdba用户su - dmdba1.2 进入达梦数据库安装路径的bin目录,执行导库操作 导出语句:./dexp cwy_init/[email protected]:5236 file=cwy_init.dmp log=cwy_init_exp.log 注释: cwy_init/init_123..._达梦数据库导入导出
文章浏览阅读1.9k次。1. 在官网上下载KindEditor文件,可以删掉不需要要到的jsp,asp,asp.net和php文件夹。接着把文件夹放到项目文件目录下。2. 修改html文件,在页面引入js文件:<script type="text/javascript" src="./kindeditor/kindeditor-all.js"></script><script type="text/javascript" src="./kindeditor/lang/zh-CN.js"_kindeditor.js
文章浏览阅读2.3k次,点赞6次,收藏14次。SPI的详情简介不必赘述。假设我们通过SPI发送0xAA,我们的数据线就会变为10101010,通过修改不同的内容,即可修改SPI中0和1的持续时间。比如0xF0即为前半周期为高电平,后半周期为低电平的状态。在SPI的通信模式中,CPHA配置会影响该实验,下图展示了不同采样位置的SPI时序图[1]。CPOL = 0,CPHA = 1:CLK空闲状态 = 低电平,数据在下降沿采样,并在上升沿移出CPOL = 0,CPHA = 0:CLK空闲状态 = 低电平,数据在上升沿采样,并在下降沿移出。_stm32g431cbu6
文章浏览阅读1.2k次,点赞2次,收藏8次。数据链路层习题自测问题1.数据链路(即逻辑链路)与链路(即物理链路)有何区别?“电路接通了”与”数据链路接通了”的区别何在?2.数据链路层中的链路控制包括哪些功能?试讨论数据链路层做成可靠的链路层有哪些优点和缺点。3.网络适配器的作用是什么?网络适配器工作在哪一层?4.数据链路层的三个基本问题(帧定界、透明传输和差错检测)为什么都必须加以解决?5.如果在数据链路层不进行帧定界,会发生什么问题?6.PPP协议的主要特点是什么?为什么PPP不使用帧的编号?PPP适用于什么情况?为什么PPP协议不_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输
文章浏览阅读587次。软件测试工程师移民加拿大 无证移民,未受过软件工程师的教育(第1部分) (Undocumented Immigrant With No Education to Software Engineer(Part 1))Before I start, I want you to please bear with me on the way I write, I have very little gen...
文章浏览阅读304次。Thinkpad X250笔记本电脑,装的是FreeBSD,进入BIOS修改虚拟化配置(其后可能是误设置了安全开机),保存退出后系统无法启动,显示:secure boot failed ,把自己惊出一身冷汗,因为这台笔记本刚好还没开始做备份.....根据错误提示,到bios里面去找相关配置,在Security里面找到了Secure Boot选项,发现果然被设置为Enabled,将其修改为Disabled ,再开机,终于正常启动了。_安装完系统提示secureboot failure
文章浏览阅读10w+次,点赞93次,收藏352次。1、用strtok函数进行字符串分割原型: char *strtok(char *str, const char *delim);功能:分解字符串为一组字符串。参数说明:str为要分解的字符串,delim为分隔符字符串。返回值:从str开头开始的一个个被分割的串。当没有被分割的串时则返回NULL。其它:strtok函数线程不安全,可以使用strtok_r替代。示例://借助strtok实现split#include <string.h>#include <stdio.h&_c++ 字符串分割
文章浏览阅读2.3k次。1 .高斯日记 大数学家高斯有个好习惯:无论如何都要记日记。他的日记有个与众不同的地方,他从不注明年月日,而是用一个整数代替,比如:4210后来人们知道,那个整数就是日期,它表示那一天是高斯出生后的第几天。这或许也是个好习惯,它时时刻刻提醒着主人:日子又过去一天,还有多少时光可以用于浪费呢?高斯出生于:1777年4月30日。在高斯发现的一个重要定理的日记_2013年第四届c a组蓝桥杯省赛真题解答
文章浏览阅读851次,点赞17次,收藏22次。摘要:本文利用供需算法对核极限学习机(KELM)进行优化,并用于分类。
文章浏览阅读1.1k次。一、系统弱密码登录1、在kali上执行命令行telnet 192.168.26.1292、Login和password都输入msfadmin3、登录成功,进入系统4、测试如下:二、MySQL弱密码登录:1、在kali上执行mysql –h 192.168.26.129 –u root2、登录成功,进入MySQL系统3、测试效果:三、PostgreSQL弱密码登录1、在Kali上执行psql -h 192.168.26.129 –U post..._metasploitable2怎么进入
文章浏览阅读257次。本文将为初学者提供Python学习的详细指南,从Python的历史、基础语法和数据类型到面向对象编程、模块和库的使用。通过本文,您将能够掌握Python编程的核心概念,为今后的编程学习和实践打下坚实基础。_python人工智能开发从入门到精通pdf