1. 概述 因为市面上已经非常不错的分库分表的资料，所以艿艿就不在尴尬的瞎哔哔一些内容。推荐阅读两个资料：

• 《Apache ShardingSphere 官方文档》
  

  ShardingSphere 是目前最好用的数据库中间件之一，很多时候，我们使用它来实现分库分表，或者读写分离。
  当然，它不仅仅能够提供上述两个功能，也能提供分布式事务、数据库治理。
  

• 《为什么几乎所有的开源数据库中间件都是国内公司开源的？并且几乎都停止了更新？》
  

  这个是知乎上的一个讨论，适合我们来吃瓜，看看各路大神对这块的想法。
  生命不息，吃瓜不止。
  

目前，国内使用比较多的分库分表的中间件，主要有：

• Apache ShardingSphere
• Mycat

个人比较推荐使用 ShardingSphere ，主要有几个原因：

• 在京东、当当等大型互联网公司落地使用，并且已经提供的有 100+ 企业的成功案例。
  

  关于 100+ 案例，并不是指的 100+ 公司采用，而是登记给 ShardingSphere 团队的公司数。实际肯定远超这个数字，毕竟大多数团队采用的话，都没去主动登记。
  

• 社区强大，已经进入 Apache 孵化。并且有京东全职的开发团队，也有总共 88+ contributors 。
  
• 功能完善，不仅仅提供分库分表、读写分离，也提供分布式事务、数据库治理等功能。
  
• 代码质量非常高。项目负责人 张亮 简直是个代码质量狂魔！
  

  之前学习 Sharding-JDBC 时，尝试写过一套源码解析文章。代码简直易读到爆炸。
  亮哥自己也在某次采访中，提到如下内容：以工匠精神去雕琢细节。 开放出去的源代码会在一定的范围内引起共鸣。一个值得研读开源项目，其代码必须经过雕琢，让其规范、一致、优雅、易懂，尽量将细节做到极致。通过代码质量给予使用者信心。
  所以呢，非常推荐胖友尝试去阅读下 ShardingSphere 。
  

可能会有胖友会提到 Mycat ，为什么不推荐使用它？ 默默不评价。如果在选型中考虑 Mycat 的话，推荐可以看看 dble 项目。
本文，我们会使用 ShardingSphere 的子项目 Sharding-JDBC 完成分库分表和读写分离的功能，会提供两个示例。如果胖友对 Sharding-JDBC 不是很了解，推荐先去阅读下 《Apache ShardingSphere 官方文档 —— 概览》 ，很简短。
2. 分库分表

示例代码对应仓库：lab-18-sharding-datasource-01 。

本小节，我们会使用 Sharding-JDBC 实现分库分表的功能。我们会将 orders 订单表，拆分到 2 个库，每个库 4 个订单表，一共 8 个表。库表的情况如下：

lab18_orders_0 库 ├── orders_0 └── orders_2 └── orders_4 └── orders_6 lab18_orders_1 库 ├── orders_1 └── orders_3 └── orders_5 └── orders_7

• 偶数后缀的表，在 lab18_orders_0 库下。
• 奇数后缀的表，在 lab18_orders_1 库下。

我们使用订单表上的 user_id 用户编号，进行分库分表的规则：

• 首先，按照 index = user_id % 2 计算，将记录路由到 lab18_orders_${index} 库。
• 然后，按照 index = user_id % 8 计算，将记录路由到 orders_${index} 表。

举个例子：

用户编号	库	表
1	lab18_orders_1	orders_1
2	lab18_orders_0	orders_2
3	lab18_orders_1	orders_3
4	lab18_orders_0	orders_4
5	lab18_orders_1	orders_5
6	lab18_orders_0	orders_6
7	lab18_orders_1	orders_7
8	lab18_orders_0	orders_8

考虑到部分表不需要分库分表，例如说 order_config 订单配置表，所以我们会配置路由到 lab18_orders_0 库下。
具体 orders 和 order_config 两个表的创建语句，我们在 TODO 提供。
因为本文重心在于提供示例。胖友可以碰到不理解的地方，看看如下文档：

• 《ShardingSphere > 概念 & 功能 > 数据分片》
• 《ShardingSphere > 用户手册 > Sharding-JDBC > 使用手册 > 数据分片》
• 《ShardingSphere > 用户手册 > Sharding-JDBC > 配置手册》

2.1 引入依赖 在 pom.xml 文件中，引入相关依赖。

org.springframework.boot spring-boot-starter-parent 2.1.3.RELEASE 4.0.0lab-18-sharding-datasource-01 org.springframework.boot spring-boot-starter-jdbc mysql mysql-connector-java 5.1.48 org.mybatis.spring.boot mybatis-spring-boot-starter 2.1.1 org.apache.shardingsphere sharding-jdbc-spring-boot-starter 4.0.0-RC2 org.springframework spring-aspects org.springframework.boot spring-boot-starter-test test

2.2 Application 创建 Application.java 类，代码如下：

// Application.java@SpringBootApplication @MapperScan(basePackages = "cn.iocoder.springboot.lab18.shardingdatasource.mapper") public class Application { }

• 添加 @MapperScan 注解，cn.iocoder.springboot.lab18.shardingdatasource.mapper 包路径下，就是我们 Mapper 接口所在的包路径。

2.3 应用配置文件 在 resources 目录下，创建 application.yaml 配置文件。配置如下：

spring: # ShardingSphere 配置项 shardingsphere: datasource: # 所有数据源的名字 names: ds-orders-0, ds-orders-1 # 订单 orders 数据源配置 00 ds-orders-0: type: com.zaxxer.hikari.HikariDataSource # 使用 Hikari 数据库连接池 driver-class-name: com.mysql.jdbc.Driver jdbc-url: jdbc:mysql://127.0.0.1:3306/lab18_orders_0?useSSL=false&useUnicode=true&characterEncoding=UTF-8 username: root password: # 订单 orders 数据源配置 01 ds-orders-1: type: com.zaxxer.hikari.HikariDataSource # 使用 Hikari 数据库连接池 driver-class-name: com.mysql.jdbc.Driver jdbc-url: jdbc:mysql://127.0.0.1:3306/lab18_orders_1?useSSL=false&useUnicode=true&characterEncoding=UTF-8 username: root password: # 分片规则 sharding: tables: # orders 表配置 orders: actualDataNodes: ds-orders-0.orders_$->{[0,2,4,6]}, ds-orders-1.orders_$->{[1,3,5,7]} # 映射到 ds-orders-0 和 ds-orders-1 数据源的 orders 表们 key-generator: # 主键生成策略 column: id type: SNOWFLAKE database-strategy: inline: algorithm-expression: ds-orders-$->{user_id % 2} sharding-column: user_id table-strategy: inline: algorithm-expression: orders_$->{user_id % 8} sharding-column: user_id # order_config 表配置 order_config: actualDataNodes: ds-orders-0.order_config # 仅映射到 ds-orders-0 数据源的 order_config 表 # 拓展属性配置 props: sql: show: true # 打印 SQL# mybatis 配置内容 mybatis: config-location: classpath:mybatis-config.xml # 配置 MyBatis 配置文件路径 mapper-locations: classpath:mapper/*.xml # 配置 Mapper XML 地址 type-aliases-package: cn.iocoder.springboot.lab18.shardingdatasource.dataobject # 配置数据库实体包路径

• 在 mybatis 配置项下，设置 mybatis-spring-boot-starter 自动化配置 MyBatis 需要的参数。
• 在 spring.shardingsphere 配置项下，设置 sharding-jdbc-spring-boot-starter 自动化配置 Sharding-JDBC 需要的参数。比较复杂，我们一个一个来看。

spring.shardingsphere.datasource 配置项，我们配置了 ds-orders-0 和 ds-orders-1 两个数据源，分别对应 lab18_orders_0 和 lab18_orders_1 两个数据库。
spring.shardingsphere.sharding 配置项，我们配置了 orders 和 order_config 逻辑表 。

逻辑表 ：水平拆分的数据库（表）的相同逻辑和数据结构表的总称。例：订单数据根据主键尾数拆分为 10 张表，分别是 t_order_0 到 t_order_9 ，他们的逻辑表名为 t_order 。
真实表 ：在分片的数据库中真实存在的物理表。即上个示例中的 t_order_0 到 t_order_9 。
数据节点 ：数据分片的最小单元。由数据源名称和数据表组成，例：ds_0.t_order_0 。

• orders 配置项，设置 orders 逻辑表，使用分库分表的规则。
  • actualDataNodes ：对应的数据节点，使用的是行表达式 。这里的意思是，ds-orders-0.orders_0, ds-orders-0.orders_2, ds-orders-0.orders_4, ds-orders-0.orders_6, ds-orders-1.orders_1, ds-orders-1.orders_3, ds-orders-1.orders_5, ds-orders-1.orders_7 。
  • key-generator ：主键生成策略。这里采用分布式主键 SNOWFLAKE 方案。更多可以看 《 ShardingSphere > 概念 & 功能 > 数据分片 > 其他功能 > 分布式主键》 文档。
  • database-strategy ：按照 index = user_id % 2 分库，路由到 ds-orders-${index} 数据源（库）。
  • table-strategy ：index = user_id % 8 分表，路由到 orders_${index} 数据表。
• order_config 配置项，设置 order_config 逻辑表，不使用分库分表。
  • actualDataNodes ：对应的数据节点，只对应数据源（库）为 ds-orders-0 的 order_config 表。

spring.shardingsphere.props 配置项，设置拓展属性配置。

• sql.show ：设置打印 SQL 。因为我们编写的 SQL 会被 Sharding-JDBC 进行处理，实际执行的可能不是我们编写的，通过打印，方便我们观察和理解。

2.4 MyBatis 配置文件 在 resources 目录下，创建 mybatis-config.xml 配置文件。配置如下：

因为在数据库中的表的字段，我们是使用下划线风格，而数据库实体的字段使用驼峰风格，所以通过 mapUnderscoreToCamelCase = true 来自动转换。
2.5 实体类 在 cn.iocoder.springboot.lab18.shardingdatasource.dataobject 包路径下，创建本小节的实体。
2.5.1 OrderDO
创建 OrderDO.java 类。代码如下：

// OrderDO.java/** * 订单 DO */ public class OrderDO {/** * 订单编号 */ private Long id; /** * 用户编号 */ private Integer userId; // ... 省略 setting/getting 方法 }

在 lab18_orders_0 数据库下，创建 orders_0、orders_2、orders_4、orders_6 数据表。SQL 如下：

SET NAMES utf8mb4; SET FOREIGN_KEY_CHECKS = 0; -- ---------------------------- -- Table structure for orders_0 -- ---------------------------- DROP TABLE IF EXISTS `orders_0`; CREATE TABLE `orders_0` ( `id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '订单编号', `user_id` int(16) DEFAULT NULL COMMENT '用户编号', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=8 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin COMMENT='订单表'; -- ---------------------------- -- Table structure for orders_2 -- ---------------------------- DROP TABLE IF EXISTS `orders_2`; CREATE TABLE `orders_2` ( `id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '订单编号', `user_id` int(16) DEFAULT NULL COMMENT '用户编号', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=8 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin COMMENT='订单表'; -- ---------------------------- -- Table structure for orders_4 -- ---------------------------- DROP TABLE IF EXISTS `orders_4`; CREATE TABLE `orders_4` ( `id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '订单编号', `user_id` int(16) DEFAULT NULL COMMENT '用户编号', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=8 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin COMMENT='订单表'; -- ---------------------------- -- Table structure for orders_6 -- ---------------------------- DROP TABLE IF EXISTS `orders_6`; CREATE TABLE `orders_6` ( `id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '订单编号', `user_id` int(16) DEFAULT NULL COMMENT '用户编号', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=8 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin COMMENT='订单表'; SET FOREIGN_KEY_CHECKS = 1;

在 lab18_orders_1 数据库下，创建 orders_1、orders_3、orders_5、orders_7 数据表。SQL 如下：

SET NAMES utf8mb4; SET FOREIGN_KEY_CHECKS = 0; -- ---------------------------- -- Table structure for orders_1 -- ---------------------------- DROP TABLE IF EXISTS `orders_1`; CREATE TABLE `orders_1` ( `id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '订单编号', `user_id` int(16) DEFAULT NULL COMMENT '用户编号', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=400675304294580226 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin COMMENT='订单表'; -- ---------------------------- -- Table structure for orders_3 -- ---------------------------- DROP TABLE IF EXISTS `orders_3`; CREATE TABLE `orders_3` ( `id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '订单编号', `user_id` int(16) DEFAULT NULL COMMENT '用户编号', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=8 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin COMMENT='订单表'; -- ---------------------------- -- Table structure for orders_5 -- ---------------------------- DROP TABLE IF EXISTS `orders_5`; CREATE TABLE `orders_5` ( `id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '订单编号', `user_id` int(16) DEFAULT NULL COMMENT '用户编号', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=8 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin COMMENT='订单表'; -- ---------------------------- -- Table structure for orders_7 -- ---------------------------- DROP TABLE IF EXISTS `orders_7`; CREATE TABLE `orders_7` ( `id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '订单编号', `user_id` int(16) DEFAULT NULL COMMENT '用户编号', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=8 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin COMMENT='订单表'; SET FOREIGN_KEY_CHECKS = 1;

2.5.2 OrderConfigDO
创建 OrderConfigDO.java 类。代码如下：

// OrderConfigDO.java/** * 订单配置 DO */ public class OrderConfigDO {/** * 编号 */ private Integer id; /** * 支付超时时间 * * 单位：分钟 */ private Integer payTimeout; // ... 省略 setting/getting 方法 }

在 lab18_orders_0 数据库下，创建 orders_0 数据表。SQL 如下：

-- ---------------------------- -- Table structure for order_config -- ---------------------------- DROP TABLE IF EXISTS `order_config`; CREATE TABLE `order_config` ( `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '编号', `pay_timeout` int(11) DEFAULT NULL COMMENT '支付超时时间; 单位：分钟', PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin COMMENT='订单配置表';

2.6 Mapper 在 cn.iocoder.springboot.lab18.shardingdatasource.mapper 包路径下，创建相应的 Mapper 接口。
2.6.1 OrderMapper
创建 OrderMapper.java 类。代码如下：

// OrderMapper.java@Repository public interface OrderMapper {OrderDO selectById(@Param("id") Integer id); List selectListByUserId(@Param("userId") Integer userId); void insert(OrderDO order); }

在 resources/mapper 路径下，创建 OrderMapper.xml 接口。代码如下：

id, user_idSELECT FROM orders WHERE id = #{id}SELECT FROM orders WHERE user_id = #{userId} INSERT INTO orders ( user_id ) VALUES ( #{userId} )

2.6.2 OrderConfigMapper
创建 OrderConfigMapper.java 类。代码如下：

// OrderConfigMapper.java@Repository public interface OrderConfigMapper {OrderConfigDO selectById(@Param("id") Integer id); }

在 resources/mapper 路径下，创建 OrderConfigMapper.xml 接口。代码如下：

id, pay_timeoutSELECT FROM order_config WHERE id = #{id}

2.7 简单测试 2.7.1 OrderConfigMapperTest
创建 OrderConfigMapperTest 测试类，我们来测试一下简单的 OrderConfigMapper 的每个操作。代码如下：

// OrderConfigMapperTest.java@RunWith(SpringRunner.class) @SpringBootTest(classes = Application.class) public class OrderConfigMapperTest {@Autowired private OrderConfigMapper orderConfigMapper; @Test public void testSelectById() { OrderConfigDO orderConfig = orderConfigMapper.selectById(1); System.out.println(orderConfig); }}

#testSelectByI() 测试方法
执行日志如下：

// Logic SQL 2019-11-11 20:21:48.845INFO 32393 --- [main] ShardingSphere-SQL: Logic SQL: SELECTid, pay_timeoutFROM order_config WHERE id = ?// Actual SQL 2019-11-11 20:21:48.845INFO 32393 --- [main] ShardingSphere-SQL: Actual SQL: ds-orders-0 ::: SELECTid, pay_timeoutFROM order_config WHERE id = ? ::: [1]

• Logic SQL ：逻辑 SQL 日志，就是我们编写的。
• Actual SQL ：物理 SQL 日志，实际 Sharding-JDBC 向数据库真正发起的日志。
  • 在这里，我们可以看到 ds-orders-0 ，表名该物理 SQL ，是路由到 ds-orders-0 数据源执行。
  • 同时，查询的是 order_config 表。
  • 符合我们配置的 order_config 逻辑表，不使用分库分表，对应的数据节点仅有 ds-orders-0.order_config 。

2.7.2 OrderMapperTest
创建 OrderMapperTest 测试类，我们来测试一下简单的 OrderMapper 的每个操作。代码如下：

// OrderMapperTest.java@RunWith(SpringRunner.class) @SpringBootTest(classes = Application.class) public class OrderMapperTest {@Autowired private OrderMapper orderMapper; @Test public void testSelectById() { OrderDO order = orderMapper.selectById(1); System.out.println(order); }@Test public void testSelectListByUserId() { List orders = orderMapper.selectListByUserId(1); System.out.println(orders.size()); }@Test public void testInsert() { OrderDO order = new OrderDO(); order.setUserId(1); orderMapper.insert(order); }}

① #testSelectByI() 测试方法
执行日志如下：

// Logic SQL 2019-11-11 21:41:15.053INFO 33184 --- [main] ShardingSphere-SQL: Logic SQL: SELECTid, user_idFROM orders WHERE id = ?// Actual SQL 2019-11-11 21:41:15.054INFO 33184 --- [main] ShardingSphere-SQL: Actual SQL: ds-orders-0 ::: SELECTid, user_idFROM orders_0 WHERE id = ? ::: [1] 2019-11-11 21:41:15.054INFO 33184 --- [main] ShardingSphere-SQL: Actual SQL: ds-orders-0 ::: SELECTid, user_idFROM orders_2 WHERE id = ? ::: [1] 2019-11-11 21:41:15.054INFO 33184 --- [main] ShardingSphere-SQL: Actual SQL: ds-orders-0 ::: SELECTid, user_idFROM orders_4 WHERE id = ? ::: [1] 2019-11-11 21:41:15.054INFO 33184 --- [main] ShardingSphere-SQL: Actual SQL: ds-orders-0 ::: SELECTid, user_idFROM orders_6 WHERE id = ? ::: [1] 2019-11-11 21:41:15.054INFO 33184 --- [main] ShardingSphere-SQL: Actual SQL: ds-orders-1 ::: SELECTid, user_idFROM orders_1 WHERE id = ? ::: [1] 2019-11-11 21:41:15.054INFO 33184 --- [main] ShardingSphere-SQL: Actual SQL: ds-orders-1 ::: SELECTid, user_idFROM orders_3 WHERE id = ? ::: [1] 2019-11-11 21:41:15.054INFO 33184 --- [main] ShardingSphere-SQL: Actual SQL: ds-orders-1 ::: SELECTid, user_idFROM orders_5 WHERE id = ? ::: [1] 2019-11-11 21:41:15.054INFO 33184 --- [main] ShardingSphere-SQL: Actual SQL: ds-orders-1 ::: SELECTid, user_idFROM orders_7 WHERE id = ? ::: [1]

• 明明只有一条 Logic SQL 操作，却发起了 8 条 Actual SQL 操作。这是为什么呢？
  
• 我们使用 id = ? 作为查询条件，因为 Sharding-JDBC 解析不到我们配置的 user_id 片键（分库分表字段），作为查询字段，所以只好 全库表路由 ，查询所有对应的数据节点，也就是配置的所有数据库的数据表。这样，在获得所有查询结果后，通过 归并引擎 合并返回最终结果。
  

  通过将 Actual SQL 在每个数据库的数据表执行，返回的结果都是符合条件的。
  这样，和使用 Logic SQL 在逻辑表中执行的结果，实际是一致的。
  胖友可以试着想一想噢。如果还是有疑惑，可以给艿艿留言。
  

• 那么，一次性发起这么多条 Actual SQL 是不是会顺序执行，导致很慢呢？实际上，Sharding-JDBC 有 执行引擎 ，会并行执行这多条 Actual SQL 操作。所以呢，最终操作时长，由最慢的 Actual SQL 所决定。
  
• 虽然说，执行引擎 提供了并行执行 Actual SQL 操作的能力，我们还是推荐尽可能查询的时候，带有片键（分库分表字段）。对 Sharding-JDBC 性能感兴趣的胖友，可以看看 《Sharding-JDBC 性能测试报告》 。
  

② #testSelectListByUserId() 测试方法
执行日志如下：

// Logic SQL 2019-11-11 22:00:16.640INFO 33407 --- [main] ShardingSphere-SQL: Logic SQL: SELECTid, user_idFROM orders WHERE user_id = ?// Actual SQL 2019-11-11 22:00:16.640INFO 33407 --- [main] ShardingSphere-SQL: Actual SQL: ds-orders-1 ::: SELECTid, user_idFROM orders_1 WHERE user_id = ? ::: [1]

• 一条 Logic SQL 操作，发起了 1 条 Actual SQL 操作。这是为什么呢？
• 我们使用 user_id = ? 作为查询条件，因为 Sharding-JDBC 解析到我们配置的 user_id 片键（分库分表字段），作为查询字段，所以可以 标准路由 ，仅查询一个数据节点。这种，是 Sharding-JDBC 最为推荐使用的分片方式。
  • 分库：user_id % 2 = 1 % 2 = 1 ，所以路由到 ds-orders-1 数据源。
  • 分表：user_id % 8 = 1 % 8 = 1 ，所以路由到 orders_1 数据表。
  • 两者一结合，只查询 ds-orders-1.orders_1 数据节点。

② #testInsert() 测试方法
执行日志如下：

// Logic SQL 2019-11-11 22:05:52.203INFO 33510 --- [main] ShardingSphere-SQL: Logic SQL: INSERT INTO orders ( user_id ) VALUES ( ? )// Actual SQL 2019-11-11 22:05:52.203INFO 33510 --- [main] ShardingSphere-SQL: Actual SQL: ds-orders-1 ::: INSERT INTO orders_1 ( user_id , id) VALUES (?, ?) ::: [1, 400772257330233345]

• 不考虑 广播表 的情况下，插入语句必须带有片键（分库分表字段），否则 执行引擎 不知道插入到哪个数据库的哪个数据表中。毕竟，插入操作必然是单库单表。
• 我们会发现，Actual SQL 相比 Logic SQL 来说，增加了主键 id 为 400772257330233345 。这是为什么呢？我们配置 orders 逻辑表，使用 SNOWFLAKE 算法生成分布式主键，而 改写引擎 在发现我们的 Logic SQL 并未设置插入的 id 主键编号，它会自动生成主键，改写 Logic SQL ，附加 id 成 Logic SQL 。

至此，我们已经完成了一个 Sharding-JDBC 的简单的分库分表的示例。艿艿建议的话，如果准备应用到项目之前，通读 《ShardingSphere 文档》 。学习不全面，线上两行泪。
3. 读写分离 在 《芋道 Spring Boot 多数据源（读写分离）入门》 的 「9. Sharding-JDBC 读写分离」 小节中，我们已经提供了使用 Sharding-JDBC 实现读写分离的入门示例。
本小节，我们会使用 MyBatis-Plus 替换掉原生 MyBatis ，进一步简化该示例。

• 当然，即使你没看过上述示例，也不影响本小节的阅读与入门。
• 可能胖友没有使用过 MyBatis-Plus ，也请放心，一样不会有影响。

3.1 引入依赖

示例代码对应仓库：lab-18-sharding-datasource-02 。

在 pom.xml 文件中，引入相关依赖。

org.springframework.boot spring-boot-starter-parent 2.1.3.RELEASE 4.0.0lab-18-sharding-datasource-02 org.springframework.boot spring-boot-starter-jdbc mysql mysql-connector-java 5.1.48 org.apache.shardingsphere sharding-jdbc-spring-boot-starter 4.0.0-RC2 com.baomidou mybatis-plus-boot-starter 3.2.0 org.springframework.boot spring-boot-starter-test test

3.2 Application 创建 Application.java 类，配置 @MapperScan 注解，扫描对应 Mapper 接口所在的包路径。代码如下：

// Application.java@SpringBootApplication @MapperScan(basePackages = "cn.iocoder.springboot.lab18.shardingdatasource.mapper") public class Application { }

• cn.iocoder.springboot.lab18.shardingdatasource.mapper 包路径下，就是我们 Mapper 接口所在的包路径。

2.3 应用配置文件 在 resources 目录下，创建 application.yaml 配置文件。配置如下：

spring: # ShardingSphere 配置项 shardingsphere: # 数据源配置 datasource: # 所有数据源的名字 names: ds-master, ds-slave-1, ds-slave-2 # 订单 orders 主库的数据源配置 ds-master: type: com.zaxxer.hikari.HikariDataSource # 使用 Hikari 数据库连接池 driver-class-name: com.mysql.jdbc.Driver jdbc-url: jdbc:mysql://127.0.0.1:3306/test_orders?useSSL=false&useUnicode=true&characterEncoding=UTF-8 username: root password: # 订单 orders 从库数据源配置 ds-slave-1: type: com.zaxxer.hikari.HikariDataSource # 使用 Hikari 数据库连接池 driver-class-name: com.mysql.jdbc.Driver jdbc-url: jdbc:mysql://127.0.0.1:3306/test_orders_01?useSSL=false&useUnicode=true&characterEncoding=UTF-8 username: root password: # 订单 orders 从库数据源配置 ds-slave-2: type: com.zaxxer.hikari.HikariDataSource # 使用 Hikari 数据库连接池 driver-class-name: com.mysql.jdbc.Driver jdbc-url: jdbc:mysql://127.0.0.1:3306/test_orders_02?useSSL=false&useUnicode=true&characterEncoding=UTF-8 username: root password: # 读写分离配置，对应 YamlMasterSlaveRuleConfiguration 配置类 masterslave: name: ms # 名字，任意，需要保证唯一 master-data-source-name: ds-master # 主库数据源 slave-data-source-names: ds-slave-1, ds-slave-2 # 从库数据源 # 拓展属性配置 props: sql: show: true # 打印 SQL# mybatis-plus 配置内容 mybatis-plus: configuration: map-underscore-to-camel-case: true # 虽然默认为 true ，但是还是显示去指定下。 global-config: db-config: id-type: none # 虽然 MyBatis Plus 也提供 ID 生成策略，但是还是使用 Sharding-JDBC 的 logic-delete-value: 1 # 逻辑已删除值(默认为 1) logic-not-delete-value: 0 # 逻辑未删除值(默认为 0) mapper-locations: classpath*:mapper/*.xml type-aliases-package: cn.iocoder.springboot.lab18.shardingdatasource.dataobject

Sharding-JDBC 配置项

• spring.shardingsphere.datasource 配置项下，我们配置了 一个主数据源 ds-master 、两个从数据源 ds-slave-1、ds-slave-2 。
• spring.shardingsphere.masterslave 配置项下，配置了读写分离。对于从库来说，Sharding-JDBC 提供了多种负载均衡策略，默认为轮询。
• 因为艿艿本地并未搭建 MySQL 一主多从的环境，所以是通过创建了 test_orders_01、test_orders_02 库，手动模拟作为 test_orders 的从库。

MyBatis-Plus 配合项

• mybatis-plus 增加了更多配置项，也因此我们无需在配置 mybatis-config.xml 配置文件。
• 更多的 MyBatis-Plus 配置项，可以看看 MyBatis-Plus 使用配置 。

2.4 OrderDO 在 cn.iocoder.springboot.lab18.shardingdatasource.dataobject 包路径下，创建 OrderDO.java 类，订单 DO 。代码如下：

// OrderDO.java@TableName(value = "https://www.it610.com/article/orders") public class OrderDO {/** * 订单编号 */ private Long id; /** * 用户编号 */ private Integer userId; // ... 省略 setting/getting 方法}

• 增加了 @TableName 注解，设置了 OrderDO 对应的表名是 orders 。毕竟，我们要使用 MyBatis-Plus 给咱自动生成 CRUD 操作。

对应的创建表的 SQL 如下：

-- ---------------------------- -- Table structure for orders -- ---------------------------- DROP TABLE IF EXISTS `orders`; CREATE TABLE `orders` ( `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '订单编号', `user_id` int(16) DEFAULT NULL COMMENT '用户编号', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=11 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin COMMENT='订单表';

2.5 OrderMapper 在 cn.iocoder.springboot.lab18.shardingdatasource.mapper 包路径下，创建 OrderMapper 接口。代码如下：

// OrderMapper.java@Repository public interface OrderMapper extends BaseMapper {}

• 继承了 com.baomidou.mybatisplus.core.mapper.BaseMapper 接口，这样常规的 CRUD 操作，MyBatis-Plus 就可以替我们自动生成。一般来说，开发 CRUD 业务的时候，最枯燥的就是要写 CRUD 的常用 SQL ，完全跟不上艿艿的思绪哈。

2.6 简单测试 创建 OrderMapperTest 测试类，我们来测试一下简单的 OrderMapper 的读写操作。代码如下：

// OrderMapperTest.java@RunWith(SpringRunner.class) @SpringBootTest(classes = Application.class) public class OrderMapperTest {@Autowired private OrderMapper orderMapper; @Test public void testSelectById() { // 测试从库的负载均衡 for (int i = 0; i < 2; i++) { OrderDO order = orderMapper.selectById(1); System.out.println(order); } }@Test public void testSelectById02() { // 测试强制访问主库 try (HintManager hintManager = HintManager.getInstance()) { // 设置强制访问主库 hintManager.setMasterRouteOnly(); // 执行查询 OrderDO order = orderMapper.selectById(1); System.out.println(order); } }@Test public void testInsert() { // 插入 OrderDO order = new OrderDO(); order.setUserId(10); orderMapper.insert(order); }}

① #testSelectById() 测试方法
执行日志如下：

// 第 1 次查询 2019-11-11 23:49:27.414INFO 35306 --- [main] ShardingSphere-SQL: Rule Type: master-slave 2019-11-11 23:49:27.414INFO 35306 --- [main] ShardingSphere-SQL: SQL: SELECT id,user_id FROM orders WHERE id=?::: DataSources: ds-slave-1// 第 2 次查询 2019-11-11 23:49:27.454INFO 35306 --- [main] ShardingSphere-SQL: Rule Type: master-slave 2019-11-11 23:49:27.454INFO 35306 --- [main] ShardingSphere-SQL

• 默认情况下，Sharding-JDBC 使用 读写分离 功能时，读取从库。
• 并且，支持从库的负载均衡，默认采用轮询的算法。所以，我们可以看到第 1 次查询 ds-slave-1 数据源，第 2 次查询 ds-slave-2 数据源。

② #testSelectById02() 测试方法
执行日志如下：

2019-11-11 23:56:09.669INFO 35430 --- [main] ShardingSphere-SQL: Rule Type: master-slave 2019-11-11 23:56:09.669INFO 35430 --- [main] ShardingSphere-SQL

• 测试强制访问主库。在一些业务场景下，对数据延迟敏感，所以只能强制读取主库。此时，可以使用 HintManager 强制访问主库。
  • 不过要注意，在使用完后，需要去清理下 HintManager （HintManager 是基于线程变量，透传给 Sharding-JDBC 的内部实现），避免污染下次请求，一直强制访问主库。
  • Sharding-JDBC 比较贴心，HintManager 实现了 AutoCloseable 接口，可以通过 Try-with-resources 机制，自动关闭。

③ #testInsert() 测试方法

2019-11-11 23:57:27.046INFO 35469 --- [main] ShardingSphere-SQL: Rule Type: master-slave 2019-11-11 23:57:27.047INFO 35469 --- [main] ShardingSphere-SQL: SQL: INSERT INTO orders( id, user_id )VALUES( ?, ? ) ::: DataSources: ds-master

• 写入操作时，直接访问主库 ds-master 数据源。

2.7 详细测试 在 cn.iocoder.springboot.lab18.shardingdatasource.service 包路径下，创建 OrderService.java 类。代码如下：

// OrderService.java@Service public class OrderService {@Autowired private OrderMapper orderMapper; @Transactional public void add(OrderDO order) { // <1.1> 这里先假模假样的读取一下。读取从库 OrderDO exists = orderMapper.selectById(1); System.out.println(exists); // <1.2> 插入订单 orderMapper.insert(order); // <1.3> 这里先假模假样的读取一下。读取主库 exists = orderMapper.selectById(1); System.out.println(exists); }public OrderDO findById(Integer id) { return orderMapper.selectById(id); }}

• 我们创建了 OrderServiceTest 测试类，可以测试上面编写的两个方法。
• 在 #add(OrderDO order) 方法中，开启事务，插入一条订单记录。
  • <1.1> 处，往从库发起一次订单查询。在 Sharding-JDBC 的读写分离策略里，默认读取从库。
  • <1.2> 处，往主库发起一次订单写入。写入，肯定是操作主库的。
  • <1.3> 处，往主库发起一次订单查询。在 Sharding-JDBC 中，读写分离约定：同一线程且同一数据库连接内，如有写入操作，以后的读操作均从主库读取，用于保证数据一致性。
• 在 #findById(Integer id) 方法，往从库发起一次订单查询。

实际场景下，我们会是分库分表 + 读写分离共同使用，所以胖友可以参考 《ShardingSphere > 用户手册 > Sharding-JDBC > 配置手册》 文档，尝试自己实现一个这样的示例。
因为文档提供的是 Properties 的格式，如果胖友想转换成 YAML 格式，可以使用 ToYaml.com 工具。

在 Apache ShardingSphere 中，目前提供了 Sharding-JDBC 和 Sharding-Proxy 两种方式，未来会有 Sharding-Sidecar 方式。那么，怎么做选择呢？
在 《Apache ShardingSphere 官方文档 —— 概览》 中，其实已经给出了答案。

Sharding-JDBC 采用无中心化架构，适用于 Java 开发的高性能的轻量级 OLTP 应用。
Sharding-Proxy 提供静态入口以及异构语言的支持，适用于 OLAP 应用以及对分片数据库进行管理和运维的场景。

Sharding-JDBC ，相比 Sharding-Proxy 来说，是基于 client 模式，无需经过 proxy 一层的性能损耗，也不用考虑 proxy 的高可用，所以对于 Java 项目来说，更加被推荐。目前，阿里、京东、美团等公司，都采用 client 模式的分库分表中间件。
当然，Sharding-Proxy 也是有其使用的场景。我们可以搭建一个 Sharding-Proxy 服务，然后使用 Navicat 等 MySQL GUI 工具连接该服务，方便查询数据。
另外，因为本文是在使用 Spring Boot 的情况下，分库分表的入门文章，所以 ShardingSphere 提供的其它功能并未去编写，胖友可以自己尝试下。

• 《Sharding-Proxy》
• 《Sharding-UI》
• 《编排治理》
• 《分布式事务》
• 《数据脱敏》

【Spring|Spring Boot 分库分表入门】推荐阅读：

• 《芋道 Spring Boot 多数据源（读写分离）入门》 对应 lab-17 。

推荐阅读

• 

  mysql实现排名 mysqlsql排名函数怎么用
• 

  大豆蛋白被是什么材料
• 

  金庸的武侠代表作品是什么
• 

  技嘉主板超频内存 技嘉Z390主板超频指南
• 

  2017年出的关于现代校园恋爱的动漫,有没有什么推荐？
• 

  新鲜桂花怎么处理和保存
• 

  为什么iPhone手机不踏足折叠屏市场？或许离不开这五点原因
• 

  SQL|SQL 导出表结构到Excel
• 

  N95 12月25日起赣榆区投放8万个医用防护口罩
• 

  什么条件下才能领取失业保险金?不领取还是领好?
• 

  出现菲斯曼锅炉显示0a故障怎么办,故障原因说明与3种解决方法
• 

  定金合同在什么情况下无效 有哪些情况定金合同无效
• 

  大金空调打台风后不制冷故障排除图解,主要还是受气温的影响
• 

  40岁自学go语言 零基础学go语言多久
• 

  办理加油卡有什么好处 加油卡怎么办理划算
• 

  这样搭配更具有视觉美观性 浅蓝色t恤配什么颜色裤子好看
• 

  夏天什么时候种白菜 什么时候种白菜
• 

  Win11如何禁用资源管理器历史搜索？Win11禁用资源管理器历史搜索的方法
• 

  特仑苏纯牛奶多少钱一瓶 「特仑苏纯牛奶两种包装」
• 

  三菱空调定时闪烁不制冷是什么原因,辅助加热

• JavaEE进阶|JavaEE进阶 - Spring Boot 配置文件 - 细节狂魔
• mysql|Mysql时区显示
• Java|Inno Setup使用教程 - 打包SpringBoot+Vue前后端分离项目
• ssm整合|SSM整合shiro安全框架
• 微服务|妹子始终没搞懂OAuth2.0，今天整合Spring Cloud Security 说明白
• spring|一个基于SpringBoot2+Vue+Redis的企业级聚合支付系统
• Java实战|整合Spring Cloud Security
• SSM框架解析|【SSM框架】Mybatis详解06(源码自取)之动态代理的实现
• java|springcloud+vue+elementUI springcloud分布式架构网上购物商城-#毕业设计