文章目录
- 垂直拆分
- 优点
- 缺点
- 水平拆分
- 优点
- 缺点
- 常见的分片规则
- Mycat
- 逻辑库(schema)
- 逻辑表（table）
- 分片表
- ER表
- 全局表
- 分片节点(dataNode)
- 节点主机(dataHost)
- 分片规则(rule)
- 全局序列号(sequence)
- 下载
- 分表
在介绍mycat前，先看一下数据库拆分的几种常见的方式：
数据库拆分
就是指通过某种特定的条件，将我们存放在同一个数据库中的数据分散存放到多个数据库（主机）上面，以达到分散单台设备负载的效果
垂直拆分
文章图片
优点
◆ 数据库的拆分简单明了，拆分规则明确；
◆ 应用程序模块清晰明确，整合容易；
◆ 数据维护方便易行，容易定位；
缺点
◆ 部分表关联无法在数据库级别完成，需要在程序中完成，存在跨库join的问题，对于这类的表，就需要去做平衡，是数据库让步业务，共用一个数据源，还是分成多个库，业务之间通过接口来做调用；在系统初期，数据量比较少，或者资源有限的情况下，会选择共用数据源，但是当数据发展到了一定的规模，负载很大的情况，就需要必须去做分割。
◆ 对于访问极其频繁且数据量超大的表仍然存在性能瓶颈，不一定能满足要求；
◆ 事务处理相对更为复杂；
◆ 切分达到一定程度之后，扩展性会遇到限制；
◆ 过多切分可能会带来系统过渡复杂而难以维护。
水平拆分 相对于垂直拆分，水平拆分不是将表做分类，而是按照某个字段的某种规则来分散到多个库之中，每个表中包含一部分数据。
可以将数据的水平切分理解为是按照数据行的切分，就是将表中的某些行切分到一个数据库，而另外的某些行又切分到其他的数据库中
文章图片
优点
- 表关联基本能够在数据库端全部完成；
- 不会存在某些超大型数据量和高负载的表遇到瓶颈的问题；
- 应用程序端整体架构改动相对较少；
- 事务处理相对简单；
- 只要切分规则能够定义好，基本上较难遇到扩展性限制；
切分规则相对更为复杂，很难抽象出一个能够满足整个数据库的切分规则；
后期数据的维护难度有所增加，人为手工定位数据更困难；
应用系统各模块耦合度较高，可能会对后面数据的迁移拆分造成一定的困难。
节点合并排序分页问题；
多数据源管理问题。
常见的分片规则
- 按照用户ID求模，将数据分散到不同的数据库，具有相同数据用户的数据都被分散到一个库中。
- 按照日期，将不同月甚至日的数据分散到不同的库中。
- 按照某个特定的字段求摸，或者根据特定范围段分散到不同的库中。
- 能不切分尽量不要切分。
- 如果要切分一定要选择合适的切分规则，提前规划好。
- 数据切分尽量通过数据冗余或表分组（Table Group）来降低跨库Join的可能。
- 由于数据库中间件对数据Join实现的优劣难以把握，而且实现高性能难度极大，业务读取尽量少使用多表Join。
- 引入分布式事务的问题；
- 跨节点 Join 的问题；
- 跨节点合并排序分页问题；
MySQL、SQL Server、Oracle、DB2、PostgreSQL等主流数据库，也支持MongoDB这种新型NoSQL方式的存储
Mycat并不存储数据，只做数据路由。其会拦截用户发送过来的SQL语句，对SQL语句做一些特定的分析：如分片分析、路由分析、读写分离分析、缓存分析等，然后将此SQL发往后端的真实数据库，并将返回的结果做适当的处理，最终再返回给用户。
因此，mycat中存在一些逻辑XX性的概念，如逻辑库，逻辑表。
逻辑库(schema)
存在在mycat里面的虚拟库，我们可以通过直接操作逻辑库，而具体的分片、分表还是分库，由我们配置后，交给mycat自动处理。
逻辑表（table）
存在在mycat里面的虚拟表【简单了解下，后面讲用的时候再细讲】
分片表
分片表，是指那些原有的很大数据的表，需要切分到多个数据库的表，这样，每个分片都有一部分数据，所有分片构成了完整的数据
ER表
子表的记录与所关联的父表记录存放在同一个数据分片上，即子表依赖于父表，通过表分组（Table Group）保证数据Join不会跨库操作。
表分组（Table Group）是解决跨分片数据join的一种很好的思路，也是数据切分规划的重要一条规则
全局表
例如字典表，每一个数据分片节点上有保存了一份字典表数据
数据冗余是解决跨分片数据join的一种很好的思路，也是数据切分规划的另外一条重要规则
分片节点(dataNode)
数据切分后，一个大表被分到不同的分片数据库上面，每个表分片所在的数据库就是分片节点。
在dataNode中可以指定对应的dataHost
节点主机(dataHost)
dataHost，就可以指定我们真实的物理主机的信息。当然，做mycat高可用时，也可以指定某个mycat节点作为“真实主机”。
数据切分后，每个分片节点（dataNode）不一定都会独占一台机器，同一机器上面可以有多个分片数据库，这样一个或多个分片节点（dataNode）所在的机器就是节点主机（dataHost）,为了规避单节点主机并发数限制，尽量将读写压力高的分片节点（dataNode）均衡的放在不同的节点主机（dataHost）
分片规则(rule)
前面讲了数据切分，一个大表被分成若干个分片表，就需要一定的规则，这样按照某种业务规则把数据分到某个分片的规则就是分片规则。
如：取模、按天/月分区、固定hash、一致性hash等。
全局序列号(sequence)
数据切分后，原有的关系数据库中的主键约束在分布式条件下将无法使用，因此需要引入外部机制保证数据唯一性标识，这种保证全局性的数据唯一标识的机制就是全局序列号（sequence）。
mycat中有几种实现全局序列号的方式，后面会具体讲。
接下来看看mycat的基础使用：
下载 源码地址：
mycat源码地址
打开后配置启动：
文章图片
VM参数：
-DMYCAT_HOME=${换成源码路径}\src\main
-XX:MaxDirectMemorySize=512M
首先先简单演示下，不做任何分表分库的操作：
在
server.xml中添加一个访问mycat逻辑库schemas的用户：
123456
mycatDB
该配置信息为：添加一个name为cat的用户，密码为123456，对应的逻辑库为mycatDB
接着在
schema.xml配置：scheme标签中就是一个逻辑库的配置。
- scheme:
name:逻辑库的名字
sqlMaxLimit=“100” ：查询时不会进行分表，会添加limit分页
dataNode：指定数据节点，与下面的dataNode标签的name对应。
- dataNode
一个数据节点。
name：数据节点的名字（唯一）
dataHost：与下面的dataHost标签的name对应
database：物理库的名字
- dataHost
一个数据host
在里面的writeHost，url和user、password为我们实际物理库的连接信息。
- table:
table标签共有九个属性:
- name：对应Mysql中的表名
- dataNode：逻辑表所在的分片，该属性值需要和dataNode标签的name属性对应，
- rule：逻辑表使用的分片规则名称，规则在conf/rule.xml中配置，该属性值必须与 tableRule标签中的name属性对应
- ruleRequired：是否绑定分片规则，如果为true的话，就一定要配置rule，否则会报错
- primaryKey：逻辑表对应真实表的主键
type：逻辑表类型，分为全局表和普通表 - autoIncrement：是否启用自增主键，对应Mysql自增主键，默认时禁用的
- subTable：分表
- needAddLimit：是否允许自动添加schema标签中设置的limit，默认为true
name="mycatDB" checkSQLschema="true" sqlMaxLimit="100" dataNode="localdn">
select user()
配置完成后我们启动mycat工程。
接着搭建一个Springboot工程，我们可以直接连接mycat的逻辑库：
spring.druid.jdbcUrl=jdbc:mysql://localhost:8066/mycatDB?useCompression=true
spring.druid.username=cat
spring.druid.password=123456
spring.druid.driver-class-name=com.mysql.jdbc.Driver
mycat端口号默认为8066，mycatDB就是我们配置的逻辑库的名字，下面的用户名和密码就是逻辑库配置的用户名和密码。
接着写一个单元测试：
@Test
public void test1() {
Area area = new Area ();
area.setAreaCode("wml");
area.setAreaName("wml");
area.setState(1);
commonMapper.addArea(area);
}
向consult库中的一个表中插入一条数据。
文章图片
插入成功。
分表 scheme.xml
name="mycatDB" checkSQLschema="true" dataNode="localdn">
select user()
table标签中有两个属性说明下：
- subTables
指定子表，该属性指定主表的子表，t_order$1-3就是t_order1、t_order2、t_order3的缩写。当然也可以用逗号分隔多个表 - rule：
指定分片规则，该值与rule.xml中的tableRule的name属性一致：
order_id
mod-long
columns指定分片操作的列。
algorithm指定分片规则，与
rule.xml中的function标签的name属性一致。
3
count中指定dataNode的个数
接着测试一下：
首先准备三个分表：
CREATE TABLE `t_order1` (
`order_id` int(11) NOT NULL,
`content` varchar(255) DEFAULT NULL,
PRIMARY KEY (`order_id`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1;
--另外两个t_order2和t_order3一样的，换一个表名即可。
测试插入：
public void test() {
for (int i = 0;
i < 1000;
i++) {
Order order = new Order();
order.setOrderId(i);
order.setContent("wml" + i);
orderMapper.addOrder(order);
}
}@Insert("insert into t_order(order_id,content) values(#{order_id},#{order_content})")
int addOrder(Order order);
文章图片
可以看到成功插入到三张表中。
再测试查询：
@Test
public void test() {
Order order= orderMapper.querOrderById(877);
System.out.println(order);
}
我们根据id查询，id为877，按照规则，877%3=1，mycat应该从t_order2进行查询。
启动后查看mycat日志：
2020-08-06 22:00:40,661 [DEBUG][$_NIOREACTOR-0-RW] SQLRouteCache add cache ,key:mycatDBselect * from t_order where order_id=877 value:select * from t_order where order_id=877, route={
1 -> localdn{SELECT *
FROM t_order2
WHERE order_id = 877}
}(io.mycat.cache.impl.EnchachePool:EnchachePool.java:60)
2020-08-06 22:00:40,661 [DEBUG][$_NIOREACTOR-0-RW] ServerConnection [id=36, schema=mycatDB, host=127.0.0.1, user=cat,txIsolation=3, autocommit=true, schema=mycatDB, executeSql=select * from t_order where order_id=877]select * from t_order where order_id=877, route={
1 -> localdn{SELECT *
FROM t_order2
WHERE order_id = 877}
} rrs(io.mycat.server.NonBlockingSession:NonBlockingSession.java:126)
可以看到，会根据id进行hash，直接从第二张表查询。在这之前，会先从缓存中进行查询，缓存没有再从数据库查询。
而如果直接select * from ，就会进行全表查询，发出三个查询语句分别查询三个库进行汇总。
【Mycat（一）——基本概念和使用】或者可以直接在本地数据库工具连接mycat：
文章图片
