ShardingSphere 之ShardingJDBC扩展功能：分片审计、数据加密、读写分离、广播表、绑定表

server/2024/10/21 4:11:39/

文章目录

      • 分片审计
      • 数据加密
      • 读写分离
      • 广播表
      • 绑定表

分片审计

开发者手册



分片审计功能是针对数据库分片场景下对执行的 SQL 语句进行审计操作。可以对我们要执行的sql进行拦截并进行审核。

目前ShardingSphere内置的分片审计算法只有一个，DML_SHARDING_CONDITIONS。他的功能是要求对逻辑表查询时，必须带上分片键。

# 分片审计规则： SQL查询必须带上分片键
spring.shardingsphere.rules.sharding.tables.sys_user.audit-strategy.auditor-names[0]=course_auditorspring.shardingsphere.rules.sharding.auditors.course_auditor.type=DML_SHARDING_CONDITIONS



yml完整配置

server:port: 8084spring:shardingsphere:props:# 打印shardingjdbc的日志  shardingsphere5之前的版本配置项是 spring.shardingsphere.props.sql.show，而这里是sql-showsql-show: true# 数据源配置datasource:# 虚拟库的名字，并指定对应的真实库names: hsdb0,hsdb1hsdb0:type: com.alibaba.druid.pool.DruidDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverurl: jdbc:mysql://localhost:3306/sharding_sphere1?serverTimezone=UTC&useSSL=false&useUnicode=true&characterEncoding=UTF-8username: rootpassword: 1234hsdb1:type: com.alibaba.druid.pool.DruidDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverurl: jdbc:mysql://localhost:3306/sharding_sphere2?serverTimezone=UTC&useSSL=false&useUnicode=true&characterEncoding=UTF-8username: rootpassword: 1234# 分布式序列算法配置rules:sharding:# 分片键生成策略key-generators:# 雪花算法，生成Long类型主键。# alg_snowflake为我们程序员自定义的字符串名字，可以更改alg_snowflake:type: COSID_SNOWFLAKEprops:worker:id: 1# 分片算法sharding-algorithms:# 指定分库策略 按2取模方式  sys_user_db_alg是我们程序员自定义的字符串名字，可以更改sys_user_db_alg:type: MODprops:sharding-count: 2# 指定分表策略  sys_user_tbl_alg是我们自定义string 可以更改sys_user_tbl_alg:type: INLINEprops:algorithm-expression: sys_user$->{((uid+1)%4).intdiv(2)+1}# 分片审计auditors:# sys_user_audit是我们自定义string 可以更改sys_user_audit:type: DML_SHARDING_CONDITIONS# 指定分布式主键生成策略tables:# sys_user为虚拟表名，可以更改，但需要和实体类中的表名对应上sys_user:# 配置实际分片节点 $->{1..2}表达式的功能就是[1,2]  hsdb0.sys_user1  hsdb0.sys_user2  hsdb1.sys_user1  hsdb1.sys_user2actual-data-nodes: hsdb$->{0..1}.sys_user$->{1..2}# 指定虚拟表的分片键，以及分片键的生成策略key-generate-strategy:# 指定分片建为 uid 这个是和数据表中的字段对应的column: uid# 指定分片键字段的生成策略， alg_snowflake 也就是我们上面自定义的雪花算法key-generator-name: alg_snowflake# 配置分库策略，按uid字段取模database-strategy:standard:sharding-column: uidsharding-algorithm-name: sys_user_db_alg# 指定分表策略  standard-按单一分片键进行精确或范围分片table-strategy:standard:sharding-column: uidsharding-algorithm-name: sys_user_tbl_alg# 开启分片审计功能audit-strategy:# 指定分片审计是sys_user_auditauditorNames[0]: sys_user_audit

在这里插入图片描述



因为我上方的配置文件中是使用uid进行的分片键，我现在查询如果不带uid就会报错

java">@Test
public void testInline(){QueryWrapper<User> queryWrapper = new QueryWrapper<>();
//  queryWrapper.eq("uid", 1819587788580864004L);List<User> users = userMapper.selectList(queryWrapper);System.out.println(users);
}




在这里插入图片描述



数据加密

官方开发手册

我们可以对真实表中的某个字段进行加密保存

全限定类名org.apache.shardingsphere.encrypt.spi.EncryptAlgorithm

配置标识详细说明全限定类名
MD5基于 MD5 的数据加密算法org.apache.shardingsphere.encrypt.algorithm.MD5EncryptAlgorithm.java
AES基于 AES 的数据加密算法org.apache.shardingsphere.encrypt.algorithm.AESEncryptAlgorithm.java
RC4基于 RC4 的数据加密算法org.apache.shardingsphere.encrypt.algorithm.RC4EncryptAlgorithm.java
SM3基于 SM3 的数据加密算法org.apache.shardingsphere.encrypt.sm.algorithm.SM3EncryptAlgorithm.java
SM4基于 SM4 的数据加密算法org.apache.shardingsphere.encrypt.sm.algorithm.SM4EncryptAlgorithm.java
# 数据加密:对password字段进行加密
# 存储明文的字段，逻辑列名需要和java实体类中操作的列名对应上， value是真实数据表中的列名
spring.shardingsphere.rules.encrypt.tables.逻辑表名.columns.逻辑列名.plainColumn = password
# 存储密文的字段
spring.shardingsphere.rules.encrypt.tables.逻辑表名.columns.逻辑列名.cipherColumn = password_cipher
# 加密器  sys_user_password_encry为我们自定义加密器
spring.shardingsphere.rules.encrypt.tables.逻辑表名.columns.逻辑列名.encryptorName = sys_user_password_encry
# AES加密器
#spring.shardingsphere.rules.encrypt.encryptors.sys_user_password_encry.type=AES
#spring.shardingsphere.rules.encrypt.encryptors.sys_user_password_encry.props.aes-key-value=123456
# MD5加密器
#spring.shardingsphere.rules.encrypt.encryptors.sys_user_password_encry.type=MD5
# SM3加密器
spring.shardingsphere.rules.encrypt.encryptors.sys_user_password_encry.type=SM3
spring.shardingsphere.rules.encrypt.encryptors.sys_user_password_encry.props.sm3-salt=12345678# sm4加密器
#spring.shardingsphere.rules.encrypt.encryptors.sys_user_password_encry.type=SM4



完整yml配置

server:port: 8084spring:shardingsphere:props:# 打印shardingjdbc的日志  shardingsphere5之前的版本配置项是 spring.shardingsphere.props.sql.show，而这里是sql-showsql-show: true# 数据源配置datasource:# 虚拟库的名字，并指定对应的真实库names: hsdb0,hsdb1hsdb0:type: com.alibaba.druid.pool.DruidDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverurl: jdbc:mysql://localhost:3306/sharding_sphere1?serverTimezone=UTC&useSSL=false&useUnicode=true&characterEncoding=UTF-8username: rootpassword: 1234hsdb1:type: com.alibaba.druid.pool.DruidDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverurl: jdbc:mysql://localhost:3306/sharding_sphere2?serverTimezone=UTC&useSSL=false&useUnicode=true&characterEncoding=UTF-8username: rootpassword: 1234# 分布式序列算法配置rules:sharding:# 分片键生成策略key-generators:# 雪花算法，生成Long类型主键。# alg_snowflake为我们程序员自定义的字符串名字，可以更改alg_snowflake:type: COSID_SNOWFLAKEprops:worker:id: 1# 分片算法sharding-algorithms:# 指定分库策略 按2取模方式  sys_user_db_alg是我们程序员自定义的字符串名字，可以更改sys_user_db_alg:type: MODprops:sharding-count: 2# 指定分表策略  sys_user_tbl_alg是我们自定义string 可以更改sys_user_tbl_alg:type: INLINEprops:algorithm-expression: sys_user$->{((uid+1)%4).intdiv(2)+1}# 指定分布式主键生成策略tables:# sys_user为虚拟表名，可以更改，但需要和实体类中的表名对应上sys_user:# 配置实际分片节点 $->{1..2}表达式的功能就是[1,2]  hsdb0.sys_user1  hsdb0.sys_user2  hsdb1.sys_user1  hsdb1.sys_user2actual-data-nodes: hsdb$->{0..1}.sys_user$->{1..2}# 指定虚拟表的分片键，以及分片键的生成策略key-generate-strategy:# 指定分片建为 uid 这个是和数据表中的字段对应的column: uid# 指定分片键字段的生成策略， alg_snowflake 也就是我们上面自定义的雪花算法key-generator-name: alg_snowflake# 配置分库策略，按uid字段取模database-strategy:standard:sharding-column: uidsharding-algorithm-name: sys_user_db_alg# 指定分表策略  standard-按单一分片键进行精确或范围分片table-strategy:standard:sharding-column: uidsharding-algorithm-name: sys_user_tbl_alg# 定义加密器encrypt:encryptors:# sys_user_password_encry为我们自定义string 可以更改sys_user_password_encry:type: SM3props:sm3-salt: 12345678tables:# 逻辑表名sys_user:columns:# 逻辑列名password:# 这下面的password就是加密之后的密文保存在数据表的哪一个字段中cipher-column: passwordencryptor-name: sys_user_password_encry

在这里插入图片描述



进行插入测试

java">@Test
public void testAdd(){for (int i = 0; i < 10; i++) {User user = new User();user.setUsername("husahng" + i);user.setPassword("123456");user.setName("name");user.setDescription("描述信息");user.setStatus(1);userMapper.insert(user);}
}



从日志信息就能看出来这里进行了加密

在这里插入图片描述

在这里插入图片描述



查询测试

java">@Test
public void testInline(){QueryWrapper<User> queryWrapper = new QueryWrapper<>();queryWrapper.eq("uid", 1026796515198238724L);queryWrapper.eq("password", "123456");List<User> users = userMapper.selectList(queryWrapper);System.out.println(users);
}



打印日志信息

# 逻辑表查询
Logic SQL: SELECT  uid,username,password,name,description,status,create_time,update_time  FROM sys_user WHERE (uid = ? AND password = ?)# sql路由之后的分片查询
Actual SQL: hsdb0 ::: SELECT  uid,username,password AS password,name,description,status,create_time,update_time  FROM sys_user1 
WHERE (uid = ? AND password = ?) ::: [1026796515198238724, 950d9aac597a86c9df5f35e5055ea5e7e92364a9983fd37a057e39a8c9894239]# 输出结果
[User(uid=1026796515198238724, username=husahng3, password=950d9aac597a86c9df5f35e5055ea5e7e92364a9983fd37a057e39a8c9894239, name=name, description=描述信息, status=1, createTime=Sun Aug 04 10:02:46 CST 2024, updateTime=Sun Aug 04 10:02:46 CST 2024)]



读写分离

开发者手册

在ShardingSphere中，实现读写分离也非常简单。只需要创建一个类型为readwrite-splitting的分片规则即可。

下方案例就使用sharding_sphere1和sharding_sphere2数据库中的sys_user1数据表进行读写分离的测试



移除数据分片相关的策略，添加读写分离的配置

#-----------------------配置读写分离
# 要配置成读写分离的虚拟库
spring.shardingsphere.rules.sharding.tables.逻辑表名.actual-data-nodes=readwrite-splitting的逻辑库.真实表名
# 配置读写分离虚拟库 主库一个，从库多个  下方的逻辑库名就和上方readwrite-splitting的逻辑库名对应上  hsdb0是上文中配置的普通逻辑库名
spring.shardingsphere.rules.readwrite-splitting.data-sources.逻辑库名.static-strategy.write-data-source-name=hsdb0
spring.shardingsphere.rules.readwrite-splitting.data-sources.逻辑库名.static-strategy.read-data-source-names[0]=hsdb1
# 指定负载均衡器
spring.shardingsphere.rules.readwrite-splitting.data-sources.逻辑库名.load-balancer-name=自定义负载均衡器名
# 配置负载均衡器
# 按操作轮训
spring.shardingsphere.rules.readwrite-splitting.load-balancers.自定义负载均衡器名.type=ROUND_ROBIN
# 按事务轮训
#spring.shardingsphere.rules.readwrite-splitting.load-balancers.user_lb.type=TRANSACTION_ROUND_ROBIN
# 按操作随机
#spring.shardingsphere.rules.readwrite-splitting.load-balancers.user_lb.type=RANDOM
# 按事务随机
#spring.shardingsphere.rules.readwrite-splitting.load-balancers.user_lb.type=TRANSACTION_RANDOM
# 读请求全部强制路由到主库
#spring.shardingsphere.rules.readwrite-splitting.load-balancers.user_lb.type=FIXED_PRIMARY

完整配置如下

server:port: 8084spring:shardingsphere:props:# 打印shardingjdbc的日志  shardingsphere5之前的版本配置项是 spring.shardingsphere.props.sql.show，而这里是sql-showsql-show: true# 数据源配置datasource:# 虚拟库的名字，并指定对应的真实库names: hsdb0,hsdb1hsdb0:type: com.alibaba.druid.pool.DruidDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverurl: jdbc:mysql://localhost:3306/sharding_sphere1?serverTimezone=UTC&useSSL=false&useUnicode=true&characterEncoding=UTF-8username: rootpassword: 1234hsdb1:type: com.alibaba.druid.pool.DruidDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverurl: jdbc:mysql://localhost:3306/sharding_sphere2?serverTimezone=UTC&useSSL=false&useUnicode=true&characterEncoding=UTF-8username: rootpassword: 1234# 分布式序列算法配置rules:sharding:# 分片键生成策略key-generators:# 雪花算法，生成Long类型主键。# alg_snowflake为我们程序员自定义的字符串名字，可以更改alg_snowflake:type: COSID_SNOWFLAKEprops:worker:id: 1# 指定分布式主键生成策略tables:# sys_user为虚拟表名，可以更改，但需要和实体类中的表名对应上sys_user:# 配置实际分片节点 改为 要配置成读写分离的虚拟库  hsuserdb为读写分离虚拟库    sys_user1为真实表
#            actual-data-nodes: hsdb$->{0..1}.sys_user$->{1..2}actual-data-nodes: hsuserdb.sys_user1# 指定虚拟表的分片键，以及分片键的生成策略key-generate-strategy:# 指定分片建为 uid 这个是和数据表中的字段对应的column: uid# 指定分片键字段的生成策略， alg_snowflake 也就是我们上面自定义的雪花算法key-generator-name: alg_snowflakereadwrite-splitting:# 配置负载均衡器load-balancers:# sys_user_lb为自定义string 可以更改sys_user_lb:type: ROUND_ROBIN# 配置读写分离数据库data-sources:hsuserdb:# 指定负载均衡器load-balancer-name: sys_user_lb# 使用静态策略static-strategy:# 指定一个写库  可以指定多个从库，如果有多个从库就会使用上方的负载均衡器write-data-source-name: hsdb0read-data-source-names[0]: hsdb1



在这里插入图片描述



测试写入操作

java">@Test
public void testAdd(){for (int i = 0; i < 10; i++) {User user = new User();user.setUsername("husahng" + i);user.setPassword("123456");user.setName("name");user.setDescription("描述信息");user.setStatus(1);userMapper.insert(user);}
}



数据全都写入到了sharding_sphere1数据库的sys_user1数据表中了

在这里插入图片描述



测试查询操作

java">@Test
public void testInline(){QueryWrapper<User> queryWrapper = new QueryWrapper<>();List<User> users = userMapper.selectList(queryWrapper);System.out.println(users);
}

打印日志，从打印日志就可以发现，这里的查询只会去hsdb1数据库进行读取

Logic SQL: SELECT  uid,username,password,name,description,status,create_time,update_time  FROM sys_userActual SQL: hsdb1 ::: SELECT  uid,username,password,name,description,status,create_time,update_time  FROM sys_user1



广播表

广播表表指所有的分片数据源中都存在的表，表结构及其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。示例如下：

CREATE TABLE `sharding_sphere1`.`dict`  (`dictId` bigint(0) NOT NULL,`dictkey` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL,`dictVal` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL,PRIMARY KEY (`dictId`) USING BTREE
) ENGINE = InnoDB CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;CREATE TABLE `sharding_sphere2`.`dict`  (`dictId` bigint(0) NOT NULL,`dictkey` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL,`dictVal` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci DEFAULT NULL,PRIMARY KEY (`dictId`) USING BTREE
) ENGINE = InnoDB CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;



创建实体

java">@Data
@AllArgsConstructor
@NoArgsConstructor
@TableName("dict")
public class Dict {private Long dictid;private String dictkey;private String dictval;
}



创建Mapper

java">@Mapper
public interface DictMapper extends BaseMapper<Dict> {
}



主要核心配置为最后一行

# 分布式主键生成类型
spring.shardingsphere.rules.sharding.key-generators.自定义主键生成策略名.type=COSID_SNOWFLAKE
# 指定分布式主键生成策略
spring.shardingsphere.rules.sharding.tables.虚拟表名.key-generate-strategy.column=主键字段 或者是 分片字段名
spring.shardingsphere.rules.sharding.tables.虚拟表名.key-generate-strategy.key-generator-name=自定义主键生成策略名
#-----------------------配置读写分离
# 指定虚拟表访问的虚拟库与真实表
spring.shardingsphere.rules.sharding.虚拟表名.dict.actual-data-nodes=m$->{0..1}.dict# 指定广播表。广播表会忽略分表的逻辑，只往多个库的同一个表中插入数据。 这里要和上方的虚拟表名对应上
spring.shardingsphere.rules.sharding.broadcast-tables=dict



完整的yml配置

server:port: 8084spring:shardingsphere:props:# 打印shardingjdbc的日志  shardingsphere5之前的版本配置项是 spring.shardingsphere.props.sql.show，而这里是sql-showsql-show: true# 数据源配置datasource:# 虚拟库的名字，并指定对应的真实库names: hsdb0,hsdb1hsdb0:type: com.alibaba.druid.pool.DruidDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverurl: jdbc:mysql://localhost:3306/sharding_sphere1?serverTimezone=UTC&useSSL=false&useUnicode=true&characterEncoding=UTF-8username: rootpassword: 1234hsdb1:type: com.alibaba.druid.pool.DruidDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverurl: jdbc:mysql://localhost:3306/sharding_sphere2?serverTimezone=UTC&useSSL=false&useUnicode=true&characterEncoding=UTF-8username: rootpassword: 1234# 分布式序列算法配置rules:sharding:# 分片键生成策略key-generators:# 雪花算法，生成Long类型主键。 alg_snowflake为我们程序员自定义的字符串名字，可以更改alg_snowflake:type: COSID_SNOWFLAKEprops:worker:id: 1# 指定分布式主键生成策略tables:# dict虚拟表名，可以更改，但需要和实体类中的表名对应上dict:# 配置实际分片节点actual-data-nodes: hsdb$->{0..1}.dict# 指定虚拟表的分片键，以及分片键的生成策略key-generate-strategy:column: dictid# 指定分片键字段的生成策略， alg_snowflake 也就是我们上面自定义的雪花算法key-generator-name: alg_snowflake# 指定广播表 dict要和上方的虚拟表名对应上broadcast-tables[0]: dict

在这里插入图片描述



新增测试

java">@Test
public void testAdd(){Dict dict = new Dict();dict.setDictkey("name");dict.setDictval("hushang");dictMapper.insert(dict);
}

打印日志如下，这里会往两个数据库都进行插入操作

Logic SQL: INSERT INTO dict  ( dictkey,dictval )  VALUES  ( ?,? )Actual SQL: hsdb0 ::: INSERT INTO dict  ( dictkey,dictval , dictid)  VALUES  (?, ?, ?) ::: [name, hushang, 1026819603256311809]
Actual SQL: hsdb1 ::: INSERT INTO dict  ( dictkey,dictval , dictid)  VALUES  (?, ?, ?) ::: [name, hushang, 1026819603256311809]



绑定表

绑定表指分片规则一致的一组分片表。 就比如两个数据表都使用的同一个关联字段作为分片键

使用绑定表进行多表关联查询时，必须使用分片键进行关联，否则会出现笛卡尔积关联或跨库关联，从而影响查询效率。

此时我们已经有两用户表，我们再来为sys_user数据表创建一个关联表用户信息表

在这里插入图片描述

创建实体类

java">@Data
@AllArgsConstructor
@NoArgsConstructor
@TableName("user_info")
public class UserInfo {private Long ifid;private Long uid;private String userinfo;
}

Mapper接口

java">@Mapper
public interface UserInfoMapper extends BaseMapper<UserInfo> {
}



yml配置内容如下

server:port: 8084spring:shardingsphere:props:# 打印shardingjdbc的日志  shardingsphere5之前的版本配置项是 spring.shardingsphere.props.sql.show，而这里是sql-showsql-show: true# 数据源配置datasource:# 虚拟库的名字，并指定对应的真实库names: hsdb0hsdb0:type: com.alibaba.druid.pool.DruidDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverurl: jdbc:mysql://localhost:3306/sharding_sphere1?serverTimezone=UTC&useSSL=false&useUnicode=true&characterEncoding=UTF-8username: rootpassword: 1234# 分布式序列算法配置rules:sharding:# 分片键生成策略key-generators:# 雪花算法，生成Long类型主键。 alg_snowflake为我们程序员自定义的字符串名字，可以更改alg_snowflake:type: COSID_SNOWFLAKEprops:worker:id: 1sharding-algorithms:# 定义sys_user的分表策略sys_user_tab_alg:type: INLINEprops:algorithm-expression: sys_user$->{((uid+1)%4).intdiv(2)+1}# 定义user_info的分表策略user_info_tab_alg:type: INLINEprops:algorithm-expression: user_info$->{((uid+1)%4).intdiv(2)+1}tables:# sys_user逻辑表的处理sys_user:# 配置实际分片节点actual-data-nodes: hsdb0.sys_user$->{1..2}# 分表策略table-strategy:standard:sharding-column: uid	sharding-algorithm-name: sys_user_tab_alg# user_info逻辑表的处理user_info:# 配置实际分片节点actual-data-nodes: hsdb0.user_info$->{1..2}# 配置主键生成策略key-generate-strategy:column: ifidkey-generator-name: alg_snowflake# 分表策略table-strategy:standard:sharding-column: uidsharding-algorithm-name: user_info_tab_alg

在这里插入图片描述



进行插入操作

java">@Test
public void testAdd(){for (int i = 1; i <= 10; i++) {User user = new User();// uid 给两张表的关联字段进行赋值Long uid = (long)i;user.setUid(uid);user.setUsername("husahng" + i);user.setPassword("123456");user.setName("name");user.setDescription("描述信息");user.setStatus(1);userMapper.insert(user);for (int j = 0; j < 5; j++) {UserInfo userInfo = new UserInfo();userInfo.setUid(uid);userInfo.setUserinfo("test user info");userInfoMapper.insert(userInfo);}}
}



接下来再进行关联查询

java">@Mapper
public interface UserInfoMapper extends BaseMapper<UserInfo> {@Select("select info.* from sys_user as u, user_info as info where u.uid = info.uid")List<UserInfo> queryUserInfo();
}

查看日志，我们就可以发现，这里竟然执行了四次sql。我两个数据表都是用的uid进行的分表，按理说一条uid数据要么同时在sys_user1 和 user_info1 数据表中，要么同时在sys_user2 和 user_info2 数据表中 根本就不需要进行四次sql执行。

Logic SQL: select info.* from sys_user as u, user_info as info where u.uid = info.uidActual SQL: hsdb0 ::: select info.* from sys_user1 as u, user_info1 as info where u.uid = info.uid
Actual SQL: hsdb0 ::: select info.* from sys_user1 as u, user_info2 as info where u.uid = info.uid
Actual SQL: hsdb0 ::: select info.* from sys_user2 as u, user_info1 as info where u.uid = info.uid
Actual SQL: hsdb0 ::: select info.* from sys_user2 as u, user_info2 as info where u.uid = info.uid

这种查询明显性能是非常低的，如果两张表的分片数更多，执行的SQL也会更多。而实际上，用户表和用户信息表，他们都是按照uid进行分片的，他们的分片规则是一致的。



这样，再把绑定关系加上，此时查询，就会按照相同的uid分片进行查询。

# 指定绑定表 ，这里使用的都是虚拟表名
spring.shardingsphere.rules.sharding.binding-tables[0]=sys_user,user_info

在这里插入图片描述

# 此时就只有两条sql执行了
Logic SQL: select info.* from sys_user as u, user_info as info where u.uid = info.uidActual SQL: hsdb0 ::: select info.* from sys_user1 as u, user_info1 as info where u.uid = info.uid
Actual SQL: hsdb0 ::: select info.* from sys_user2 as u, user_info2 as info where u.uid = info.uid





如果是下面这种分库分表的情况下

在这里插入图片描述

server:port: 8084spring:shardingsphere:props:# 打印shardingjdbc的日志  shardingsphere5之前的版本配置项是 spring.shardingsphere.props.sql.show，而这里是sql-showsql-show: true# 数据源配置datasource:# 虚拟库的名字，并指定对应的真实库names: hsdb0,hsdb1hsdb0:type: com.alibaba.druid.pool.DruidDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverurl: jdbc:mysql://localhost:3306/sharding_sphere1?serverTimezone=UTC&useSSL=false&useUnicode=true&characterEncoding=UTF-8username: rootpassword: 1234hsdb1:type: com.alibaba.druid.pool.DruidDataSourcedriver-class-name: com.mysql.cj.jdbc.Driverurl: jdbc:mysql://localhost:3306/sharding_sphere2?serverTimezone=UTC&useSSL=false&useUnicode=true&characterEncoding=UTF-8username: rootpassword: 1234# 分布式序列算法配置rules:sharding:# 分片键生成策略key-generators:# 雪花算法，生成Long类型主键。 alg_snowflake为我们程序员自定义的字符串名字，可以更改alg_snowflake:type: COSID_SNOWFLAKEprops:worker:id: 1sharding-algorithms:# 定义分库策略  db_alg为自定义string 可以更改db_alg:type: MODprops:sharding-count: 2# 定义sys_user的分表策略sys_user_tab_alg:type: INLINEprops:algorithm-expression: sys_user$->{((uid+1)%4).intdiv(2)+1}# 定义user_info的分表策略user_info_tab_alg:type: INLINEprops:algorithm-expression: user_info$->{((uid+1)%4).intdiv(2)+1}tables:# sys_user逻辑表的处理sys_user:# 配置实际分片节点actual-data-nodes: hsdb$->{0..1}.sys_user$->{1..2}# 分库策略database-strategy:standard:sharding-column: uidsharding-algorithm-name: db_alg# 分表策略table-strategy:standard:sharding-column: uidsharding-algorithm-name: sys_user_tab_alg# user_info逻辑表的处理user_info:# 配置实际分片节点actual-data-nodes: hsdb$->{0..1}.user_info$->{1..2}# 配置主键生成策略key-generate-strategy:column: ifidkey-generator-name: alg_snowflake# 分库策略database-strategy:standard:sharding-column: uidsharding-algorithm-name: db_alg# 分表策略table-strategy:standard:sharding-column: uidsharding-algorithm-name: user_info_tab_alg



未加关联表的查询

Logic SQL: select info.* from sys_user as u, user_info as info where u.uid = info.uidActual SQL: hsdb0 ::: select info.* from sys_user1 as u, user_info1 as info where u.uid = info.uid
Actual SQL: hsdb0 ::: select info.* from sys_user1 as u, user_info2 as info where u.uid = info.uid
Actual SQL: hsdb0 ::: select info.* from sys_user2 as u, user_info1 as info where u.uid = info.uid
Actual SQL: hsdb0 ::: select info.* from sys_user2 as u, user_info2 as info where u.uid = info.uid
Actual SQL: hsdb1 ::: select info.* from sys_user1 as u, user_info1 as info where u.uid = info.uid
Actual SQL: hsdb1 ::: select info.* from sys_user1 as u, user_info2 as info where u.uid = info.uid
Actual SQL: hsdb1 ::: select info.* from sys_user2 as u, user_info1 as info where u.uid = info.uid
Actual SQL: hsdb1 ::: select info.* from sys_user2 as u, user_info2 as info where u.uid = info.uid



添加关联表的查询

Logic SQL: select info.* from sys_user as u, user_info as info where u.uid = info.uidActual SQL: hsdb0 ::: select info.* from sys_user1 as u, user_info1 as info where u.uid = info.uid
Actual SQL: hsdb0 ::: select info.* from sys_user2 as u, user_info2 as info where u.uid = info.uid
Actual SQL: hsdb1 ::: select info.* from sys_user1 as u, user_info1 as info where u.uid = info.uid
Actual SQL: hsdb1 ::: select info.* from sys_user2 as u, user_info2 as info where u.uid = info.uid

http://www.ppmy.cn/server/95806.html

相关文章

使用openpyxl库对excel函数处理数据

使用openpyxl库对excel函数处理数据

哈喽，大家好，我是木头左！ 在本文将介绍如何使用openpyxl库对Excel文件进行函数处理，包括使用内置函数、自定义函数和引用其他工作表的函数等。 使用内置函数 openpyxl提供了许多内置函数，可以直接在单元格中使用。例如，可以使用SUM函数计算一列或一行的总和，使用AVERA…
阅读更多...
Vue+SpringBoot+SpringSecurity项目对于跨域的深度理解

Vue+SpringBoot+SpringSecurity项目对于跨域的深度理解

随记&#xff08;可跳过&#xff09;&#xff1a;CodeMan在熬夜肝一周SpringSecurity学习的时候&#xff0c;总是报错&#xff0c;于是冥思苦想&#xff0c;选择了询问Ai&#xff0c;但是不论怎么设置权限&#xff0c;接口仍然无法按所设想的权限被调用&#xff0c;于是在今天的…
阅读更多...
牛顿插值法代替泰勒公式

牛顿插值法代替泰勒公式

引入 例题 近似函数&#xff1a; 通过这个近似函数可以看出&#xff0c;若要证的函数超过二阶可导&#xff0c;那么就不适合用牛顿插值法代替泰勒公式 因为&#xff0c;后面的操作非常复杂&#xff0c;不划算了… 总结 我们可以通过牛顿插值法生成一个逼近曲线的直线&#xf…
阅读更多...
Python PPT 操作全面指南

Python PPT 操作全面指南

PowerPoint 是我们日常生活中经常使用的演示文稿制作工具&#xff0c;而 Python 作为一种强大的编程语言&#xff0c;在处理 PowerPoint 文件方面也有着广泛的应用。本文将全面总结 Python PPT 操作&#xff0c;包括如何使用 Python 来读取、写入、修改 PPT 文件&#xff0c;以…
阅读更多...
如何在uniapp上隐藏默认导航栏

如何在uniapp上隐藏默认导航栏

当要定义导航栏&#xff0c;使用uni.switchTab来跳转页面时&#xff0c;需要将默认的导航栏进行隐藏。 比如使用 uni.hideTabBar(); 去隐藏的话&#xff0c;可能会有闪现出现的可能性。 我们可以在package.json当中的 tabBar加"custom": true。例: "tabBar&q…
阅读更多...
C# Unity 面向对象补全计划 七大原则 之 里氏替换

C# Unity 面向对象补全计划 七大原则 之 里氏替换

本文仅作学习笔记与交流&#xff0c;不作任何商业用途&#xff0c;作者能力有限&#xff0c;如有不足还请斧正 本系列作为七大原则和设计模式的进阶知识&#xff0c;看不懂没关系 请看专栏&#xff1a;http://t.csdnimg.cn/mIitr&#xff0c;尤其是关于继承的两篇文章&#xff…
阅读更多...
系统化学习 H264视频编码（05）码流数据及相关概念解读

系统化学习 H264视频编码（05）码流数据及相关概念解读

说明&#xff1a;我们参考黄金圈学习法&#xff08;什么是黄金圈法则?->模型 黄金圈法则&#xff0c;本文使用&#xff1a;why-what&#xff09;来学习音H264视频编码。本系列文章侧重于理解视频编码的知识体系和实践方法&#xff0c;理论方面会更多地讲清楚 音视频中概念的…
阅读更多...
【消息队列】RabbitMQ 面试篇

【消息队列】RabbitMQ 面试篇

&#x1f397;️ 主页&#xff1a;小夜时雨 &#x1f397;️专栏&#xff1a;消息队列 &#x1f397;️如何活着&#xff0c;是我找寻的方向 目录 1. RabbitMQ 有哪些工作模式&#xff1f;2. 如何保证消息不丢失&#xff08;可靠性&#xff09;3. 什么是死信队列&#xff0c;如…
阅读更多...
最新文章

Copyright @ 2022~2023