今天介绍下sharding-sphere，主要介绍他的特性，分库分表的技术的详解。

(一)下载源码官网地址获取源码https://shardingsphere.apache.org/index_zh.html

下载源码因为git的包名比较长，git有可以创建4096长度的文件名，然而在windows最多是260，因为git用了旧版本的windows api，为此踩了个坑。

从github克隆一个项目下发出现了错误：

git config --global core.longpaths true

克隆项目

没选择github，毕竟国外服务器，下载还是比较慢

idea下载完毕

(二)分片的核心概念SQL核心概念逻辑表

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。绑定表

指分片规则一致的主表和子表。例如：t_order表和t_order_item表，均按照order_id分片，则此两张表互为绑定表关系。绑定表之间的多表关联查询不会出现笛卡尔积关联，关联查询效率将大大提升。广播表

指所有的分片数据源中都存在的表，表结构和表中的数据在每个数据库中均完全一致。适用于数据量不大且需要与海量数据的表进行关联查询的场景，例如：字典表。逻辑索引

某些数据库(如：PostgreSQL)不允许同一个库存在名称相同索引，某些数据库(如：MySQL)则允许只要同一个表中不存在名称相同的索引即可。 逻辑索引用于同一个库不允许出现相同索引名称的分表场景，需要将同库不同表的索引名称改写为索引名 + 表名，改写之前的索引名称成为逻辑索引。分片分片键

用于分片的数据库字段，是将数据库(表)水平拆分的关键字段。例：将订单表中的订单主键的尾数取模分片，则订单主键为分片字段。 SQL中如果无分片字段，将执行全路由，性能较差。 除了对单分片字段的支持，ShardingSphere也支持根据多个字段进行分片。分片算法

通过分片算法将数据分片，支持通过=、BETWEEN和IN分片。分片算法需要应用方开发者自行实现，可实现的灵活度非常高。

目前提供4种分片算法。由于分片算法和业务实现紧密相关，因此并未提供内置分片算法，而是通过分片策略将各种场景提炼出来，提供更高层级的抽象，并提供接口让应用开发者自行实现分片算法。

1.精确分片算法

对应PreciseShardingAlgorithm，用于处理使用单一键作为分片键的=与IN进行分片的场景。需要配合StandardShardingStrategy使用。

2.范围分片算法

对应RangeShardingAlgorithm，用于处理使用单一键作为分片键的BETWEEN AND进行分片的场景。需要配合StandardShardingStrategy使用。

3.复合分片算法

对应ComplexKeysShardingAlgorithm，用于处理使用多键作为分片键进行分片的场景，包含多个分片键的逻辑较复杂，需要应用开发者自行处理其中的复杂度。需要配合ComplexShardingStrategy使用。

4.Hint分片算法

对应HintShardingAlgorithm，用于处理使用Hint行分片的场景。需要配合HintShardingStrategy使用。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。

1.标准分片策略

对应StandardShardingStrategy。提供对SQL语句中的=, IN和BETWEEN AND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BETWEEN AND分片，如果不配置RangeShardingAlgorithm，SQL中的BETWEEN AND将按照全库路由处理。

2.复合分片策略

对应ComplexShardingStrategy。复合分片策略。提供对SQL语句中的=, IN和BETWEEN AND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。

3.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。

4.Hint分片策略

对应HintShardingStrategy。通过Hint而非SQL解析的方式分片的策略。

5.不分片策略

对应NoneShardingStrategy。不分片的策略。配置分片规则

分片规则配置的总入口。包含数据源配置、表配置、绑定表配置以及读写分离配置等。数据源配置

真实数据源列表。表配置

逻辑表名称、数据节点与分表规则的配置。数据节点配置

用于配置逻辑表与真实表的映射关系。可分为均匀分布和自定义分布两种形式。均匀分布

指数据表在每个数据源内呈现均匀分布的态势，例如：db0

├── t_order0

└── t_order1

db1

├── t_order0

└── t_order1

那么数据节点的配置如下：db0.t_order0, db0.t_order1, db1.t_order0, db1.t_order1

自定义分布

指数据表呈现有特定规则的分布，例如：db0

├── t_order0

└── t_order1

db1

├── t_order2

├── t_order3

└── t_order4

那么数据节点的配置如下：db0.t_order0, db0.t_order1, db1.t_order2, db1.t_order3, db1.t_order4

分片策略配置

对于分片策略存有数据源分片策略和表分片策略两种维度。

1.数据源分片策略

对应于DatabaseShardingStrategy。用于配置数据被分配的目标数据源。

2.表分片策略

对应于TableShardingStrategy。用于配置数据被分配的目标表，该目标表存在与该数据的目标数据源内。故表分片策略是依赖与数据源分片策略的结果的。

两种策略的API完全相同。自增主键生成策略

通过在客户端生成自增主键替换以数据库原生自增主键的方式，做到分布式主键无重复。

(三)java连接数据库jdbc协议Java.sql.Connection 数据库连接对象。

Java.sql.DataSource 连接数据源对象。

Java.sql.Statement 编译sql sql注入。

Java.sql.PreparedStement 预编译sql。

Java.sql.ResultSet 查询返回结果。

(四)数据库定义

1.数据查询语言(DQL: Data Query Language)

数据检索语句，用于从表中获取数据。通常最常用的为保留字SELECT,并且常与FROM子句、WHERE子句组成查询SQL查询语句。

2.数据操纵语言(DML：Data Manipulation Language)

主要用来对数据库的数据进行一些操作，常用的就是INSERT、UPDATE、DELETE。

3.事务处理语言(DPL)

事务处理语句能确保被DML语句影响的表的所有行及时得以更新。TPL语句包括BEGIN TRANSACTION、COMMIT和ROLLBACK。

4.数据控制语言(DCL)

通过GRANT和REVOKE，确定单个用户或用户组对数据库对象的访问权限。

5.数据定义语言(DDL)

常用的有CREATE和DROP，用于在数据库中创建新表或删除表，以及为表加入索引等。

6.指针控制语言(CCL)

它的语句，想DECLARE CURSOR、FETCH INTO和UPDATE WHERE CURRENT用于对一个或多个表单独行的操作。

(五)sharding-jdbc定位为轻量级Java框架，在Java的JDBC层提供的额外服务。它使用客户端直连数据库，以jar包形式提供服务，无需额外部署和依赖，可理解为增强版的JDBC驱动，完全兼容JDBC和各种ORM框架。

通过源码的方式演示了sharding-sphere，分库分表的实现，还有他的原理，不知道老铁拿到代码后跑一下看看。如果试过的老铁，麻烦在评论里面回复下。这次围绕上次分库分表，继续说下shardingShpere是如何做到的代码层面是如何实现的。分库分表写入的都是逻辑表，很多语句都是要进行改写的。

源码：https://github.com/limingios/netFuture/tree/master/源码/『互联网架构』软件架构-Sharding-Sphere特性详解(66)/shardingJdbc

(七)SQL解析

1.数据库类型dbType；

2.分库分表规则shardingRule；

3.词法分析器引擎lexerEngine；SQL语句

SELECT

a.id

a.name

FROM order a

WHERE a.id = 1解析成

实例代码@Test

public void assertParseWithoutParameter() throws SQLException {

ShardingRule shardingRule = createShardingRule();//创建分片规则

SQLParsingEngine statementParser = new SQLParsingEngine(DatabaseType.MySQL, "INSERT INTO `TABLE_XXX` (`field1`, `field2`) VALUES (10, 1)", shardingRule);//解析sql引擎

InsertStatement insertStatement = (InsertStatement) statementParser.parse();//解析sql开始

System.out.println("sql解析tables："+insertStatement.getTables());

List list=insertStatement.getSqlTokens();

for(SQLToken sqlToken:list){

System.out.println(sqlToken);

}

System.out.println("toString:"+insertStatement.toString());

}

SQL语句拆解成TokenType的对象，

(八)SQL路由路由方式分为：单表(single)、联表(binding) 混合(mix)

经过 SQL解析、SQL路由后，产生SQL路由结果，即 SQLRouteResult。根据路由结果，生成SQL，执行SQL。

io.shardingjdbc.core.routing.router.SQLRouter#parse 解析接口

io.shardingjdbc.core.routing.router.SQLRouter#route 路由接口

DatabaseHintSQLRouter，基于数据库提示的路由器

ParsingSQLRouter，需要解析的SQL路由器

true

单表

全表查询

通过查询指定路由到表

联表联表-单库

混合

(九)SQL改写SQLRewriteEngine，SQL重写引擎，实现 SQL 改写、生成功能

(十)SQL执行解析完成sql、路由也完成了，现在进行真正执行的时候了。ExecutorEngine> sql执行引擎com.google.common.util.concurrent.ListeningExecutorService 线程池PreparedStatementExecutor>预编译sql执行器io.shardingjdbc.core.executor.ExecutorEngine#executePreparedStatementEventBus>Sql执行事件io.shardingjdbc.core.executor.event.EventExecutionType 三种类型事件

(十一)结果归集改写sql会变成多条，这个时候我们就需要把每个库查出来的结果合并。主要是：分页、分组、排序、聚合、迭代。

PS：这篇写的比较琐碎，没说太多源码只是通过图片的方式说明流程：sql语句，sql路由，sql改写，sql执行这几种方式来针对sql进行分库分表，到实战的时候好好说下吧。目前的shardingjdbc里面有个proxy，nativecat可以直接访问proxy的形式来操作逻辑表的方式，来底层操作物理表。如果分库分表比较多的话，不通过proxy来完成的话，真是一场灾难。