欢迎关注头条号：老顾聊技术

精品原创技术分享，知识的组装工

前言

上一篇文章中老顾介绍了sharding-jdbc的基本概念，今天老顾就来介绍一下如何使用。

经常碰到一些小伙伴的问题，就是我们到达什么量级才会分库分表？

分库分表经验值

mysql单表经验

• 300W Mysql 可以轻松抗住
• 600W 数据开始卡，优化可以解决（表结构，索引设计）
• 800W ~ 1000W 牛逼的DBA 优化都会遇到瓶颈

一般MySQL单表1000W左右的数据是可以不需要考虑分表的。当然，除了考虑当前的数据量和性能情况时，我们需要提前考虑系统半年到一年左右的业务增长情况。但是要避免过度设计（考虑了很多未来几年的需求，例如一张表在未来几年内数据预计会达到几千万，这个就过渡考虑了）

根据数据量增长速度，选择实现步骤

第一步：不分库不分表

第二步：同库内的分表

第三步：分库分表

不要过度设计，一上来玩大的就进行分库分表

分库如果多个实例存在同一台服务器上，只是解决了数据库最大连接数的问题，但是 io（数据库数据是存储在硬盘上，每次获取都需要去硬盘把数据捞出来）,cpu 等服务器资源瓶颈并没有解决。数据库的性能取决于服务器等性能

搭建环境

我们采用SpringBoot + MybatisPlus + Shrading-JDBC + Druid链接池

POM.xml依赖

老顾用了相对比较新的版本，SpringBoot 2.2.9，Sharding-Jdbc4.1.1版本

水平分表，创建数据库表

1. 创建数据库course_db
2. 创建两张表course_1,course_2

course_1、course_2的表结构

分表规则

如果增加的课程cid为偶数把数据插入到course_1，如为奇数把数据插入到course_2中。

持久化mybatis

我们引用的是mybatis-plus

定义实体类

操作数据mapper

启动类，MapperScan

到此环境搭建完成。

配置分表策略

配置数据源

#配置数据源
spring.shardingsphere.datasource.names=m1

数据源地址

#配置数据源具体内容，
spring.shardingsphere.datasource.m1.type = com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.m1.driver-class-name = com.mysql.jdbc.Driver
spring.shardingsphere.datasource.m1.url = jdbc:mysql://localhost:3306/course_db
spring.shardingsphere.datasource.m1.username = root
spring.shardingsphere.datasource.m1.password = root

注意数据源的名称，和数据源地址配置的用的数据源一致

表分布

#指定course表分布情况，配置表在哪个数据库里面，表名称是什么 #m1.course_1;m1.course_2

spring.shardingsphere.sharding.tables.course.actual-data-nodes=m1.course_$->{1..2}

上面的表达式m1.course_$->{1..2}表示course表的分布，利用了行表达式算法指明真实的表名；course这个表为逻辑表

表的主键定义

#指定course表里面的键cid生成策略

spring.shardingsphere.sharding.tables.course.key-generator.column=cid

spring.shardingsphere.sharding.tables.course.key-generator.type=SNOWFLAKE

上面指定了主键为cid，并且利用雪花算法生成，小伙伴不了解雪花算法，可以查看老顾之前的文章

策略

#指定分片策略 cid为偶数添加到course_1表，为奇数添加到course_2表中

spring.shardingsphere.sharding.tables.course.table-strategy.inline.sharding-column=cid

spring.shardingsphere.sharding.tables.course.table-strategy.inline.algorithm-expression=course_$->{cid % 2 + 1}

上面定了course逻辑表的table-strategy策略，根据cid字段，表达式course_$->{cid % 2 + 1}，可以看到cid%2 + 1，就是对2取模 + 1，就会落到1、2

sql日志

#打开sql输出日志

spring.shardingsphere.props.sql.show=true

输入执行sql日志

#不要忘了允许覆盖重复的Bean

spring.main.allow-bean-definition-overriding=true

测试类

上面循环10次，进行课程course插入

执行报错了

我们看看错误信息是什么

BeanCreationException: Error creating bean with name 'dataSource' defined in class path resource [com/alibaba/druid/spring/boot/autoconfigure/DruidDataSourceAutoConfigure.class]: Invocation of init method failed; nested exception is org.springframework.boot.autoconfigure.jdbc.DataSourceProperties$DataSourceBeanCreationException: Failed to determine a suitable driver class

at org.springframework.beans.factory.

如上所示，DruidDataSourceAutoConfigure Failed to determine a suitable driver class，即druid找不到mysql driver,然而mysql的驱动包啥的都没问题，于是直接点进DruidDataSourceAutoConfigure查看源码

DruidDataSourceWrapper类源码

如上，标红表明druid是根据spring.datasource.druid找jdbc属性的，如果not found,则根据spring.datasource找jdbc属性，一般而言这是不会出现错误的。但是我这里使用了shardingjdbc，并没有配置spring.datasource,根据spring.datasource.druid或者spring.datasource确实找不到，因为我的结构是spring.shardingsphere.datasource。

怎么解决呢？

排除Druid数据源自动配置

解决方式1：

如果我们用的jar包是druid-spring-boot-starter，则在启动类上排除druid自动配置

@SpringBootApplication(exclude = {DruidDataSourceAutoConfigure.class})

解决方式2：

不用

<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>druid-spring-boot-starter</artifactId>
    <version>1.1.20</version>
</dependency>

改为

<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>druid</artifactId>
    <version>1.1.20</version>
</dependency>

再次执行

老顾这里采用方式1

我们在来执行看看，执行成功了

我们发现有2张表有10条数据，按照奇偶数插入了。我们也能看到控制台的输出sql日志；日志中有逻辑sql，和真实的sql。根据奇偶数真实的sql会不一样

总结

今天老顾介绍了shrading-jdbc的水平分表，核心就是分表的策略配置，以及配置的注意点，相对是比较简单的，后续的文章会介绍分库以及读写分离，谢谢持续关注！！！

---End---

老顾的微服务网关分享课程，请大家多多支持

推荐阅读

a、dubbo如何处理业务异常，这个一定要知道哦！

b、企业级SpringBoot应用多个子项目配置文件规划、多环境支持（一）

c、企业级SpringBoot应用多个子项目配置文件规划、多环境支持（二）

d、企业级SpringBoot应用多个子项目配置文件之配置中心（三）

e、利用阿里开源工具进行排查线上CPU居高问题

f、阿里二面：如何快速排查死锁？如何避免死锁？

g、微服务分布式架构中，如何实现日志链路跟踪？

h、网关如何聚合各个微服务的接口文档？

i、Kubernetes之POD、容器之间的网络通信

j、K8S中的Service的存在理由

k、企业微服务项目如何进入K8S的全过程

l、阿里开源项目Sentinel限流、降级的统一处理

m、大厂二面：Redis的分布式布隆过滤器是什么原理？

1、基于RocketMq的SpringCloud Stream框架实战入门

2、如何搭建消息中间件应用框架之SpringCloud Stream

3、面试必备：网关异常了怎么办？如何做全局异常处理？

4、Gateway网关系列(二)：SpringCloud Gateway入门实战，路由规则

5、Gateway网关系列开篇：SpringCloud的官方网关Gateway介绍

6、API网关在微服务架构中的应用，这一篇就够了

7、学习Lambda表达式看这篇就够了，不会让你失望的哦（续篇）

8、Lambda用在哪里？几种场景？

9、为什么会出现Lambda表达式，你知道吗？

10、不说“分布式事务”理论，直接上大厂阿里的解决方案，绝对实用

11、女程序员问到这个问题，让我思考了半天，Mysql的“三高”架构

12、大厂二面：CAP原则为什么只能满足其中两项？而不能同时满足

13、阿里P7二面：聊聊零拷贝的原理

14、秒杀系统的核心点都在这里，快来取

15、你了解如何利用token方式实现分布式Session吗？

16、Mysql索引结构演变，为什么最终会是那个结构呢？让你一看就懂

17、一场比赛涉及到的知识，用通俗易通的方式介绍并发协调

18、企业实战Redis全方面思考，你思考了吗？

19、面试题：Thread的start和run的区别

20、面试题：什么是CAS？CAS的作用以及缺点

21、如何访问redis中的海量数据？避免事故产生

22、如何解决Redis热点问题？以及如何发现热点？

23、如何设计API接口，实现统一格式返回？

24、你真的知道在生产环境下如何部署tomcat吗？

25、分享一线互联网大厂分布式唯一ID设计 之 snowflake方案

26、分享大厂分布式唯一ID设计方案，快来围观

27、你想了解一线大厂的分布式唯一ID生成方案吗？

28、你知道如何处理大数据量吗？(数据拆分篇)

29、如何永不迁移数据和避免热点? 根据服务器指标分配数据量(揭秘篇)

30、你知道怎么分库分表吗？如何做到永不迁移数据和避免热点吗？

31、你了解大型网站的页面静态化吗？

32、你知道如何更新缓存吗？如何保证缓存和数据库双写一致性？

33、你知道怎么解决DB读写分离，导致数据不一致问题吗？

34、DB读写分离情况下，如何解决缓存和数据库不一致性问题？

35、你真的知道怎么使用缓存吗？

36、如何利用锁，防止缓存击穿？重构思想的重要性

37、海量订单产生的业务高峰期，如何避免消息的重复消费？

38、你知道如何保障生产端100%消息投递成功吗？

39、微服务下的分布式session该如何管理？

40、阿里二面：filter、interceptor、aspect应如何选择？很多人中招

41、互联网架构重要组员CDN，很多高级开发都没有实操过，来看这里

42、阿里二面：CDN缓存控制原理，看看能不能难住你

43、SpringCloud Alibaba之Nacos多环境多项目管理

44、SpringCloud Alibaba系列之Nacos配置中心玩法

45、SpringCloud Alibaba之Nacos注册中心

46、SpringCloud Plus版本之SpringCloud Alibaba

47、SpringCloud Alibaba之Nacos集群、持久化

48、SpringCloud Alibaba之Nacos共享配置、灰度配置

49、SpringCloud Alibaba之Sentinel工作原理

50、SpringCloud Alibaba之Sentinel流控管理

51、SpringCloud Alibaba之Sentinel降级管理

52、SpringCloud Alibaba之Sentinel热点参数限流

53、SpringCloud Alibaba之Sentinel的API实战