Sharding JDBC-读写分离

本文作者：梁开权，叩丁狼高级讲师。原创文章，转载请注明出处。

读写分离

接着上一篇的分表分库我们继续来说读写分离

案例模型

让数据库的读和写功能分开，其中master负责所有的写操作以及在特殊情况下负责少量的读操作，slave在任何情况下都负责所有的读操作，不负责任何写操作，同样完成这个操作我们需要至少需要2个连接池，具体选择哪个连接池来操作取决于内部的一个叫路由的组件，该组件具有SQL的识别功能

注意：该功能需要依靠数据库的主从同步才能实现，具体怎么配置请参考之前的笔记

建表

-- 分别在主和从服务器中建立数据库sharding，并且建表employee
CREATE TABLE `employee` (
  `id` bigint(20) PRIMARY KEY AUTO_INCREMENT,
  `name` varchar(255) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
-- ###################################
CREATE TABLE `employee` (
  `id` bigint(20) PRIMARY KEY AUTO_INCREMENT,
  `name` varchar(255) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

application.properties

# 定义连接池
sharding.jdbc.datasource.names=master,slave

# 主库连接池
sharding.jdbc.datasource.master.type=com.alibaba.druid.pool.DruidDataSource
sharding.jdbc.datasource.master.driver-class-name=com.mysql.jdbc.Driver
sharding.jdbc.datasource.master.url=jdbc:mysql://masterIp:port/sharing
sharding.jdbc.datasource.master.username=xxx
sharding.jdbc.datasource.master.password=xxx

# 从库连接池
sharding.jdbc.datasource.slave.type=com.alibaba.druid.pool.DruidDataSource
sharding.jdbc.datasource.slave.driver-class-name=com.mysql.jdbc.Driver
sharding.jdbc.datasource.slave.url=jdbc:mysql://slaveIp:port/sharing
sharding.jdbc.datasource.slave.username=xxx
sharding.jdbc.datasource.slave.password=xxx

# 主从路由连接池名称，叫dataSource为了方便MyBatis注入
sharding.jdbc.config.masterslave.name=dataSource
# 管理主库连接池
sharding.jdbc.config.masterslave.master-data-source-name=master
# 管理从库连接池
sharding.jdbc.config.masterslave.slave-data-source-names=slave
# 从库负载均衡算法类型：round_robin（轮询），random（随机）
sharding.jdbc.config.masterslave.load-balance-algorithm-type=round_robin

# 打印日志
sharding.jdbc.config.props.sql.show=true

mapper

/**
 * 这里写的employee表是数据库中的真实表
 */
@Mapper
public interface EmployeeMapper {
    @Select("select * from employee")
    List<Employee> selectAll();

    @Insert("insert into employee (name) values (#{name})")
    void inser(Employee entity);
}

测试

跟上面的完全一致，直接运行然后看效果即可

优缺点

• 增加冗余
• 增加了机器的处理能力
• 对于读操作为主的应用，使用读写分离是最好的场景，因为可以确保写的服务器压力更小，而读又可以接受点时间上的延迟

分库分表 + 读写分离

案例模型

做数据分片 + 读写分离，最少需要2主2从，然后再结合前面讲过的数据分片

application.properties

# 数据分片 + 读写分离
sharding.jdbc.datasource.names=master0,master0Slave,master1,master1Slave

sharding.jdbc.datasource.master0.type=com.alibaba.druid.pool.DruidDataSource
sharding.jdbc.datasource.master0.driver-class-name=com.mysql.jdbc.Driver
sharding.jdbc.datasource.master0.url=jdbc:mysql://master0Ip:port/sharing
sharding.jdbc.datasource.master0.username=xxx
sharding.jdbc.datasource.master0.password=xxx

sharding.jdbc.datasource.master0Slave.type=com.alibaba.druid.pool.DruidDataSource
sharding.jdbc.datasource.master0Slave.driver-class-name=com.mysql.jdbc.Driver
sharding.jdbc.datasource.master0Slave.url=jdbc:mysql://master0Ip:port/sharing
sharding.jdbc.datasource.master0Slave.username=xxx
sharding.jdbc.datasource.master0Slave.password=xxx

sharding.jdbc.datasource.master1.type=com.alibaba.druid.pool.DruidDataSource
sharding.jdbc.datasource.master1.driver-class-name=com.mysql.jdbc.Driver
sharding.jdbc.datasource.master1.url=jdbc:mysql://master1Ip:port/sharing
sharding.jdbc.datasource.master1.username=xxx
sharding.jdbc.datasource.master1.password=xxx

sharding.jdbc.datasource.master1Slave.type=com.alibaba.druid.pool.DruidDataSource
sharding.jdbc.datasource.master1Slave.driver-class-name=com.mysql.jdbc.Driver
sharding.jdbc.datasource.master1Slave.url=jdbc:mysql://master1SlaveIp:port/sharing
sharding.jdbc.datasource.master1Slave.username=xxx
sharding.jdbc.datasource.master1Slave.password=xxx

# 分库规则
sharding.jdbc.config.sharding.default-database-strategy.inline.sharding-column=id
sharding.jdbc.config.sharding.default-database-strategy.inline.algorithm-expression=master$->{id % 2}

# 绑定逻辑表
sharding.jdbc.config.sharding.binding-tables=employee
# 分表规则
sharding.jdbc.config.sharding.tables.employee.actual-data-nodes=db$->{0..1}.employee_$->{0..1}
sharding.jdbc.config.sharding.tables.employee.table-strategy.inline.sharding-column=id
sharding.jdbc.config.sharding.tables.employee.table-strategy.inline.algorithm-expression=employee_$->{id % 2}
sharding.jdbc.config.sharding.tables.employee.key-generator-column-name=id

# 管理主从连接池
sharding.jdbc.config.sharding.master-slave-rules.db0.master-data-source-name=master0
sharding.jdbc.config.sharding.master-slave-rules.db0.slave-data-source-names=master0slave
sharding.jdbc.config.sharding.master-slave-rules.db1.master-data-source-name=master1
sharding.jdbc.config.sharding.master-slave-rules.db1.slave-data-source-names=master1slave

mapper

/**
 * 这里写的employee表是逻辑表
 */
@Mapper
public interface EmployeeMapper {
    @Select("select * from employee")
    List<Employee> selectAll();

    @Insert("insert into employee (name) values (#{name})")
    void inser(Employee entity);
}

测试

跟上面的完全一致，直接运行然后看效果即可

===============================================