数据库性能优化之Sharding-JDBC分库分表入门-京东云开发者社区

主人公小王入职了一家刚起步的创业公司，公司正在研发一款App。为了快速开发出能够投入市场进行宣传的版本，小王可是天天加班到很晚，忙了一段时间后终于把第一个版本赶出来了。
初期功能不多，表也不多，用的MySql存储业务数据。就一个节点，当然每天凌晨有定时备份机制。
下图是目前的一个现状：
![](//img1.jcloudcs.com/developer.jdcloud.com/966c4a7a-25fd-411e-9b69-dfb4f057e9f620210111163910.png)
得益于运营人员的大力推广，这款App初见成效。注册用户越来越多，查询量越来越大，对于不太会更新的数据小王加上了缓存，又撑了一段时间。
对于某些数据还是要查数据库，按目前的业务发展，单节点的数据库已经快满足不了需求了。而且读和写都在一起，小王打算进行一次优化，将数据库做读写分离，一主多从。
下图是改进后的一个现状：
![](//img1.jcloudcs.com/developer.jdcloud.com/1c9f4f39-8280-403a-9ce6-bc476c65032f20210111163946.jpg)
将读请求全部走从节点，主节点只写入来缓解数据的查询压力，数据库部署这块正好小王公司有个运维可以搞定，但是应用程序这块也得支持多数据源才行呀。
小王是个雷厉风行的人，行动力极强，马上脑袋中就有了方案，配置多个数据源不就行了，然后用不同的数据源进行数据操作就可以了嘛！
伪代码如下：

```
// 主数据源
@Bean(name = "primaryDataSource")
@Qualifier("primaryDataSource")
//指定数据源配置前缀
@ConfigurationProperties(prefix = "spring.datasource.primary")
public DataSource primaryDataSource() {
    return DataSourceBuilder.create().build();
}
// 从数据源`
@Bean(name = "secondaryDataSource")
@Qualifier("secondaryDataSource")
@Primary //在同样的DataSource中，首先使用被标注的DataSource
@ConfigurationProperties(prefix = "spring.datasource.secondary")
public DataSource secondaryDataSource() {
    return DataSourceBuilder.create().build();
}
```

假设我们用JdbcTemplate操作数据库：
```
@Bean(name = "primaryJdbcTemplate")
public JdbcTemplate primaryJdbcTemplate(@Qualifier("primaryDataSource") DataSource dataSource) {
    return new JdbcTemplate(dataSource);
}
@Bean(name = "secondaryJdbcTemplate")
public JdbcTemplate secondaryJdbcTemplate(@Qualifier("secondaryDataSource") DataSource dataSource) {
    return new JdbcTemplate(dataSource);
}
```

配置完成后我们在操作数据的时候选用不同的JdbcTemplate就可以满足需求了。有个问题是一旦从节点多了起来，也就意味着会有多个JdbcTemplate，使用的时候是不是还得有个算法，用哪个来操作，比较麻烦。
于是小王找到了我，我这人是个热心肠。既然找到了我肯定得帮助下，当然我不是帮小王写代码，只是给他提供思路+方案。
我对小王说：ShardingSphere知道么，你用这个吧，比你自己去配多数据源简单多了。ShardingSphere是后来规划的，最开始是只有 Sharding-JDBC 一款产品，基于客户端形式的分库分表。后面发展变成了现在的Apache ShardingSphere(Incubator) ，它是一套开源的分布式数据库中间件解决方案组成的生态圈，它由Sharding-JDBC、Sharding-Proxy和Sharding-Sidecar（规划中）这3款相互独立，却又能够混合部署配合使用的产品组成。它们均提供标准化的数据分片、分布式事务和数据库治理功能，可适用于如Java同构、异构语言、容器、云原生等各种多样化的应用场景。
经过我的指导小王还是顺利的用Sharding-JDBC将读写分离整出来了，下面给大家分享下步骤。
第一步：创建2个数据库，模拟一主一从，当然如果你有现成的主从环境更好啦
```
CREATE DATABASE `ds_0` CHARACTER SET 'utf8' COLLATE utf8_general_ci';
CREATE DATABASE `ds_1` CHARACTER SET 'utf8' COLLATE utf8_general_ci';

CREATE TABLE `user`(
    id bigint(64) not null,
    city varchar(20) not null,
    name varchar(20) not null,
    PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
```

在ds0和ds1这两个库中分别创建一个user表，用于数据操作演示。
第二步：创建一个Maven项目，增加需要的依赖，下面只贴出Sharding-JDBC的，其余的后面我会给出源码地址给大家参考：
```
<dependency>
    <groupId>org.apache.shardingsphere</groupId>
    <artifactId>sharding-jdbc-spring-boot-starter</artifactId>
    <version>4.0.0-RC1</version>
</dependency>
```

第三步：配置读写分离的数据源

数据源名称集合，对应下面数据源配置的名称
```
spring.shardingsphere.datasource.names=master,slave
# 主数据源
spring.shardingsphere.datasource.master.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.master.driver-class-name=com.mysql.jdbc.Driver
spring.shardingsphere.datasource.master.url=jdbc:mysql://localhost:3306/ds_0?characterEncoding=utf-8
spring.shardingsphere.datasource.master.username=root
spring.shardingsphere.datasource.master.password=123456
# 从数据源
spring.shardingsphere.datasource.slave.type=com.alibaba.druid.pool.DruidDataSource
spring.shardingsphere.datasource.slave.driver-class-name=com.mysql.jdbc.Driver
spring.shardingsphere.datasource.slave.url=jdbc:mysql://localhost:3306/ds_1?characterEncoding=utf-8
spring.shardingsphere.datasource.slave.username=root
spring.shardingsphere.datasource.slave.password=123456
# 读写分离配置
spring.shardingsphere.masterslave.load-balance-algorithm-type=round_robin
# 最终的数据源名称
spring.shardingsphere.masterslave.name=dataSource
# 主库数据源名称
spring.shardingsphere.masterslave.master-data-source-name=master
# 从库数据源名称列表，多个逗号分隔
spring.shardingsphere.masterslave.slave-data-source-names=slave
```

load-balance-algorithm-type用于配置从库负载均衡算法类型，可选值：ROUND_ROBIN(轮询)，RANDOM（随机）
配置完成后可以自行插入数据进行查询和插入的测试，对于应用层使用什么ORM框架无任何影响，你可以用我们前面讲的JdbcTemplate，也可以用Mybatis 等
测试步骤我就不写出来了，比较简单，当然我这边也提供了测试代码，仅供参考：
[https://github.com/yinjihuan/sharding-jdbc/tree/master/sjdbc-read-write-springboot](https://github.com/yinjihuan/sharding-jdbc/tree/master/sjdbc-read-write-springboot)
还有个问题在读写分离架构中经常出现，那就是读延迟的问题如何解决？
刚插入一条数据，然后马上就要去读取，这个时候有可能会读取不到？
归根到底是因为主节点写入完之后数据是要复制给从节点的，读不到的原因是复制的时间比较长，也就是说数据还没复制到从节点，你就已经去从节点读取了，肯定读不到。
mysql5.7 的主从复制是多线程了，意味着速度会变快，但是不一定能保证百分百马上读取到，这个问题我们可以有两种方式解决：

1. 业务层面妥协，是否操作完之后马上要进行读取

1. 对于操作完马上要读出来的，且业务上不能妥协的，我们可以对于这类的读取直接走主库，当然Sharding-JDBC也是考虑到这个问题的存在，所以给我们提供了一个功能，可以让用户在使用的时候指定要不要走主库进行读取

在读取前使用下面的方式进行设置就可以了：
```
public List<User> list() {
// 强制路由主库
    HintManager.getInstance().setMasterRouteOnly();
    return userRepository.list();
}
```