网站建设颜色注意事项百度订单售后电话
ShardingSphere 是一款开源的分布式数据库中间件，支持分库分表、读写分离、分布式事务等核心功能，兼容 MySQL、PostgreSQL、Oracle 等主流数据库。本文将从基础概念、环境搭建、核心配置、业务开发、常见问题五个维度，提供一套完整的分库分表实战教程。
一、分库分表核心概念
1. 为什么需要分库分表？
随着业务数据量增长，单库单表面临性能瓶颈（QPS 上限、存储容量限制），分库分表通过水平拆分（按规则将数据分散到多个库/表）解决以下问题：
- 存储瓶颈：单库存储容量有限（如 MySQL 单库建议不超过 500GB）。
- 查询性能：单表数据量过大（如超过 1000 万行）时，SQL 查询变慢。
- 写入压力：单库写入 QPS 受限于硬件（如单机 MySQL 写入约 2000~5000 QPS）。
2. 分库分表的核心术语
| 术语 | 说明 |
|---|---|
| 数据分片 | 将数据分散到多个库/表的过程，分为垂直分片（按业务拆分库）和水平分片（按规则拆分表）。 |
| 分片键（Shard Key） | 决定数据分布的关键字段（如用户 ID、订单 ID），需保证数据均匀分布。 |
| 分片算法 | 定义数据如何根据分片键分配到具体库/表的规则（如哈希取模、范围划分、时间范围）。 |
| 分片规则 | 分片键与分片算法的组合，ShardingSphere 通过规则文件（rules 目录）配置。 |
二、环境搭建（以 Spring Boot + MySQL 为例）
1. 前置准备
- JDK 1.8+
- Maven 3.6+
- MySQL 5.7+（需创建 2 个库，每个库 2 张表，用于演示分库分表）
- ShardingSphere 5.3.2（最新稳定版，支持 SPI 扩展和云原生）
2. 创建测试数据库与表
假设业务需求：将 order 表按 user_id 分片到 2 个库（ds0、ds1），每个库内分 2 张表（order_0、order_1）。
步骤 1：创建库
CREATE DATABASE ds0;
CREATE DATABASE ds1;步骤 2：在每个库中创建分表
-- ds0 库名
USE ds0;
CREATE TABLE order_0 (order_id BIGINT PRIMARY KEY,user_id BIGINT NOT NULL,amount DECIMAL(10,2),create_time DATETIME
);CREATE TABLE order_1 (order_id BIGINT PRIMARY KEY,user_id BIGINT NOT NULL,amount DECIMAL(10,2),create_time DATETIME
);-- ds1 库名（结构与 ds0 相同）
USE ds1;
CREATE TABLE order_0 (...); -- 同 ds0.order_0
CREATE TABLE order_1 (...); -- 同 ds0.order_13. 引入 ShardingSphere 依赖
在 pom.xml 中添加 Spring Boot Starter 依赖：
<dependency><groupId>org.apache.shardingsphere</groupId><artifactId>shardingsphere-jdbc-core-spring-boot-starter</artifactId><version>5.3.2</version>
</dependency>
<dependency><groupId>mysql</groupId><artifactId>mysql-connector-java</artifactId><scope>runtime</scope>
</dependency>三、核心配置：分库分表规则
ShardingSphere 的配置分为数据源配置和分片规则配置，支持 YAML、Properties、Java Config 三种方式。以下以 YAML 为例（application.yml）：
1. 数据源配置（多数据源）
ShardingSphere 需要连接多个物理数据库（ds0、ds1），需在 dataSources 中定义：
spring:shardingsphere:datasources:ds0: # 第一个物理库driver-class-name: com.mysql.cj.jdbc.Driverurl: jdbc:mysql://localhost:3306/ds0?serverTimezone=UTC&useSSL=false&characterEncoding=utf-8username: rootpassword: 123456ds1: # 第二个物理库driver-class-name: com.mysql.cj.jdbc.Driverurl: jdbc:mysql://localhost:3306/ds1?serverTimezone=UTC&useSSL=false&characterEncoding=utf-8username: rootpassword: 1234562. 分片规则配置（核心）
分片规则需定义库分片规则（将数据分配到哪个库）和表分片规则（将数据分配到库内的哪张表）。
示例：按 user_id 分片到 2 库 2 表
spring:shardingsphere:rules:sharding:# 库名分片规则（示例：user_id 哈希取模 2，分配到 ds0 或 ds1）database-strategy:standard:sharding-column: user_id # 分片键sharding-algorithm-name: db-inline # 分片算法名称（对应下方 algorithms）# 表名分片规则（示例：user_id 哈希取模 2，分配到 order_0 或 order_1）table-strategy:standard:sharding-column: user_id # 分片键（需与库分片键一致，也可不同）sharding-algorithm-name: table-inline # 分片算法名称# 分片算法定义（内联表达式）sharding-algorithms:db-inline:type: INLINE # 内联算法（支持 SpEL 表达式）props:algorithm-expression: ds$->{user_id % 2} # user_id % 2 结果为 0 → ds0，1 → ds1table-inline:type: INLINEprops:algorithm-expression: order_$->{user_id % 2} # user_id % 2 结果为 0 → order_0，1 → order_13. 关键配置说明
- 分片键（sharding-column）：必须选择高频查询的字段（如
user_id），避免跨分片查询（如按order_id查询需全库扫描）。 - 分片算法（sharding-algorithm）：
INLINE：内联算法，通过 SpEL 表达式灵活定义（如ds$->{user_id % 2}）。HASH_MOD：哈希取模（等价于INLINE的$->{... % 2}）。RANGE：范围划分（如按时间范围分片：2023-01-01 ~ 2023-06-01到order_0）。
- 库表分离策略：库分片和表分片可独立配置（如库按
user_id分片，表按order_id分片）。
四、业务开发：CRUD 操作
ShardingSphere 通过透明化路由屏蔽分库分表细节，业务代码无需感知分片逻辑，仅需操作逻辑表名（如 order）即可。
1. 使用 MyBatis-Plus 操作分片表
假设使用 MyBatis-Plus 作为 ORM 框架，只需定义逻辑表对应的实体类和 Mapper：
实体类（Order）：
@Data
@TableName("order") // 逻辑表名（无需写分表后缀）
public class Order {@TableId(type = IdType.AUTO)private Long orderId; // 主键（非分片键）private Long userId; // 分片键（必须与配置的 sharding-column 一致）private BigDecimal amount;private LocalDateTime createTime;
}Mapper 接口：
public interface OrderMapper extends BaseMapper<Order> {
}2. 插入数据（自动路由）
插入时，ShardingSphere 根据 user_id 计算分片键，自动路由到目标库和表：
@Service
public class OrderService {@Autowiredprivate OrderMapper orderMapper;public void createOrder(Long userId, BigDecimal amount) {Order order = new Order();order.setOrderId(SnowflakeUtil.nextId()); // 自增主键或雪花算法生成order.setUserId(userId);order.setAmount(amount);order.setCreateTime(LocalDateTime.now());orderMapper.insert(order); // 自动路由到 ds0/order_0 或 ds1/order_1}
}3. 查询数据（路由与聚合）
-
按分片键查询（高效）：
// 根据 user_id 查询订单（ShardingSphere 自动路由到对应库和表） List<Order> orders = orderMapper.selectList(Wrappers.<Order>lambdaQuery().eq(Order::getUserId, 123L)); -
跨分片查询（低效，需避免）：
// 不按分片键查询（如按 order_id），需扫描所有库和表，结果合并 Order order = orderMapper.selectById(12345L);
五、高级功能与优化
1. 读写分离
ShardingSphere 支持主库写、从库读，通过 readwrite-splitting 规则配置：
spring:shardingsphere:rules:readwrite-splitting:data-sources:ds0:dynamic: true # 动态切换主从write-data-source-name: ds0-write # 主库read-data-source-names: [ds0-read-1, ds0-read-2] # 从库ds1:dynamic: truewrite-data-source-name: ds1-writeread-data-source-names: [ds1-read-1, ds1-read-2]load-balance:algorithm-type: ROUND_ROBIN # 从库负载均衡策略（轮询、随机等）2. 分布式事务
ShardingSphere 支持 Seata AT 模式实现跨库事务，需引入 Seata 依赖并配置：
<dependency><groupId>org.apache.shardingsphere</groupId><artifactId>shardingsphere-integration-seata-core</artifactId><version>5.3.2</version>
</dependency>业务代码示例：
@GlobalTransactional // Seata 全局事务注解
public void createOrderWithTx(Long userId, BigDecimal amount) {orderService.createOrder(userId, amount); // 写库操作accountService.deductBalance(userId, amount); // 跨库扣减余额（触发分布式事务）
}3. 监控与管理
ShardingSphere 提供 Admin Console（管理控制台）用于监控和配置：
- 访问地址：
http://localhost:8088（默认端口） - 功能：查看数据源状态、分片规则、SQL 执行统计、在线修改配置（无需重启）。
六、常见问题与解决方案
1. 跨分片查询性能差
原因：未按分片键查询时，需扫描所有库和表，导致网络开销和结果合并耗时。
解决方案：
- 业务设计时，尽量通过分片键（如
user_id）过滤数据。 - 对非分片键字段建立索引（如
order_id），减少全表扫描。
2. 分片键选择不当导致数据倾斜
原因：分片键分布不均（如 user_id 为连续递增 ID），导致部分库/表数据量过大。
解决方案：
- 选择高基数字段（如 UUID、雪花算法生成的 ID）作为分片键。
- 使用范围分片（如按时间范围）替代哈希分片，避免热点。
3. 分布式事务一致性
原因：跨库事务需协调多个数据源，可能出现部分提交、部分回滚。
解决方案：
- 使用 Seata AT 模式（自动补偿）或 TCC 模式（手动确认）。
- 优先保证最终一致性（如异步消息补偿）。
总结
ShardingSphere 分库分表的核心是通过分片规则定义数据分布，业务代码无需感知底层分片逻辑。关键步骤包括：
- 设计合理的分片键和分片算法（避免数据倾斜、跨分片查询）。
- 配置多数据源和分片规则（YAML/Java Config）。
- 使用 ORM 框架透明操作逻辑表（如 MyBatis-Plus）。
- 结合读写分离、分布式事务优化性能和一致性。
通过本文的实战教程，可快速掌握 ShardingSphere 分库分表的核心能力，应对大数据量场景下的性能挑战。