Shading-JDBC、ShadingSphere、ShardingProxy 使用詳解

来源:https://www.cnblogs.com/wren/archive/2022/10/01/16746592.html
-Advertisement-
Play Games

ShadingSphere ​ShardingSphere是一款起源於噹噹網內部的應用框架，2015年在噹噹網內部誕生，2016年由主要開發人員張亮帶入京東數科，在國內經歷了噹噹網、電信翼支付、京東數科等多家大型互聯網企業的考驗，在2017年開源。 並逐漸由原本只關註於關係型資料庫增強工具的Shar ...



ShadingSphere


​ShardingSphere是一款起源於噹噹網內部的應用框架，2015年在噹噹網內部誕生，2016年由主要開發人員張亮帶入京東數科，在國內經歷了噹噹網、電信翼支付、京東數科等多家大型互聯網企業的考驗，在2017年開源。

並逐漸由原本只關註於關係型資料庫增強工具的ShardingJDBC升級成為一整套以數據分片為基礎的數據生態圈，更名為ShardingSphere；在2020年4月，成為Apache軟體基金會頂級項目

Apache ShardingSphere 產品定位為 Database Plus，旨在構建多模資料庫上層的標準和生態。 它關註如何充分合理地利用資料庫的計算和存儲能力，而並非實現一個全新的資料庫。ShardingSphere 站在資料庫的上層視角，關註他們之間的協作多於資料庫自身。


連接、增量 和 可插拔 是 Apache ShardingSphere` 的核心概念。

  • 連接：通過對資料庫協議、SQL 方言以及資料庫存儲的靈活適配，快速的連接應用與多模式的異構資料庫；

  • 增量：獲取資料庫的訪問流量，並提供流量重定向（數據分片、讀寫分離、影子庫）、流量變形（數據加密、數據脫敏）、流量鑒權（安全、審計、許可權）、流量治理（熔斷、限流）以及流量分析（服務質量分析、可觀察性）等透明化增量功能；

  • 可插拔：項目採用微內核 + 三層可插拔模型，使內核、功能組件以及生態對接完全能夠靈活的方式進行插拔式擴展，開發者能夠像使用積木一樣定製屬於自己的獨特系統。


在這裡插入圖片描述


Apache ShardingSphere 由 JDBC、Proxy 和 Sidecar（規劃中）這 3 款既能夠獨立部署，又支持混合部署配合使用的產品組成。 它們均提供標準化的基於資料庫作為存儲節點的增量功能，可適用於如 Java 同構、異構語言、雲原生等各種多樣化的應用場景。

關係型資料庫當今依然占有巨大市場份額，是企業核心系統的基石，未來也難於撼動，我們更加註重在原有基礎上提供增量，而非顛覆。


ShardingSphere-JDBC


定位為輕量級 Java 框架，在 Java 的 JDBC 層提供的額外服務。 它使用客戶端直連資料庫，以 jar 包形式提供服務，無需額外部署和依賴，可理解為增強版的 JDBC 驅動，完全相容 JDBC 和各種 ORM 框架。

  • 適用於任何基於 JDBC 的 ORM 框架，如：JPA, Hibernate, Mybatis, Spring JDBC Template 或直接使用 JDBC；

  • 支持任何第三方的資料庫連接池，如：DBCP, C3P0, BoneCP, HikariCP 等；

  • 支持任意實現 JDBC 規範的資料庫，目前支持 MySQL，PostgreSQL，Oracle，SQLServer 以及任何可使用 JDBC 訪問的資料庫。


在這裡插入圖片描述


ShardingSphere-Proxy


ShardingSphere-Proxy 是 Apache ShardingSphere 的第二個產品。 它定位為透明化的資料庫代理端，提供封裝了資料庫二進位協議的服務端版本，用於完成對異構語言的支持。 目前提供 MySQL 和 PostgreSQL（相容 openGauss 等基於 PostgreSQL 的資料庫）版本，它可以使用任何相容 MySQL/PostgreSQL 協議的訪問客戶端（如：MySQL Command Client, MySQL Workbench, Navicat 等）操作數據，對 DBA 更加友好。

  • 嚮應用程式完全透明，可直接當做 MySQL/PostgreSQL 使用。

  • 適用於任何相容 MySQL/PostgreSQL 協議的的客戶端。


在這裡插入圖片描述


項目說明 ShardingSphere-JDBC ShardingSphere-Proxy
資料庫 任意 MySQL/PostgreSQL
連接消耗數 高 低
異構語言 僅Java 任意
性能 損耗低 損耗略高
無中心化 是 否
靜態入口 無 有

ShardingSphere-Proxy 的優勢在於對異構語言的支持，以及為 DBA 提供可操作入口。


ShadingJDBC使用


① 分片

一般我們在提到分庫分表的時候，大多是以水平切分模式（水平分庫、分表）為基礎來說的，數據分片將原本一張數據量較大的表 t_order 拆分生成數個表結構完全一致的小數據量表 t_order_0、t_order_1、···、t_order_n，每張表只存儲原大表中的一部分數據，當執行一條SQL時會通過 分庫策略、分片策略 將數據分散到不同的資料庫、表內。


② 數據節點

數據節點是分庫分表中一個不可再分的最小數據單元（表），它由數據源名稱和數據表組成，例如上圖中 order_db_1.t_order_0、order_db_2.t_order_1 就表示一個數據節點。


③ 邏輯表

邏輯表是指一組具有相同邏輯和數據結構表的總稱。比如我們將訂單表t_order 拆分成 t_order_0 ··· t_order_9 等 10張表。此時我們會發現分庫分表以後資料庫中已不在有 t_order 這張表，取而代之的是 t_order_n，但我們在代碼中寫 SQL 依然按 t_order 來寫。此時 t_order 就是這些拆分表的邏輯表。


在這裡插入圖片描述


④ 真實表

真實表也就是上邊提到的 t_order_n 資料庫中真實存在的物理表。


⑤ 分片鍵

用於分片的資料庫欄位。我們將 t_order 表分片以後，當執行一條SQL時，通過對欄位 order_id 取模的方式來決定，這條數據該在哪個資料庫中的哪個表中執行，此時 order_id 欄位就是 t_order 表的分片健。


在這裡插入圖片描述


⑥ 分片演算法

上邊我們提到可以用分片健取模的規則分片，但這隻是比較簡單的一種，在實際開發中我們還希望用 >=、<=、>、<、BETWEEN 和 IN 等條件作為分片規則，自定義分片邏輯，這時就需要用到分片策略與分片演算法。

從執行 SQL 的角度來看，分庫分表可以看作是一種路由機制，把 SQL 語句路由到我們期望的資料庫或數據表中並獲取數據，分片演算法可以理解成一種路由規則。

咱們先捋一下它們之間的關係，分片策略只是抽象出的概念，它是由分片演算法和分片健組合而成，分片演算法做具體的數據分片邏輯。

分庫、分表的分片策略配置是相對獨立的，可以各自使用不同的策略與演算法，每種策略中可以是多個分片演算法的組合，每個分片演算法可以對多個分片健做邏輯判斷。


在這裡插入圖片描述


分片演算法和分片策略的關係

sharding-jdbc 提供了4種分片演算法：

1:精確分片演算法
精確分片演算法（PreciseShardingAlgorithm）用於單個欄位作為分片鍵，SQL中有 = 與 IN 等條件的分片，需要在標準分片策略（StandardShardingStrategy ）下使用。

2:範圍分片演算法
範圍分片演算法（RangeShardingAlgorithm）用於單個欄位作為分片鍵，SQL中有 BETWEEN AND、>、<、>=、<= 等條件的分片，需要在標準分片策略（StandardShardingStrategy ）下使用。

3:複合分片演算法
複合分片演算法（ComplexKeysShardingAlgorithm）用於多個欄位作為分片鍵的分片操作，同時獲取到多個分片健的值，根據多個欄位處理業務邏輯。需要在複合分片策略（ComplexShardingStrategy ）下使用。

4:Hint分片演算法
Hint分片演算法（HintShardingAlgorithm）稍有不同，上邊的演算法中我們都是解析SQL 語句提取分片鍵，並設置分片策略進行分片。但有些時候我們並沒有使用任何的分片鍵和分片策略，可還想將 SQL 路由到目標資料庫和表，就需要通過手動干預指定SQL的目標資料庫和表信息，這也叫強制路由。

註意：sharding-jdbc 並沒有直接提供分片演算法的實現，需要開發者根據業務自行實現。


⑦ 分片策略

上邊講分片演算法的時候已經說過，分片策略是一種抽象的概念，實際分片操作的是由分片演算法和分片健來完成的。

1:標準分片策略
標準分片策略適用於單分片鍵，此策略支持 PreciseShardingAlgorithm 和 RangeShardingAlgorithm 兩個分片演算法。
其中 PreciseShardingAlgorithm 是必選的，用於處理 = 和 IN 的分片。RangeShardingAlgorithm 是可選的，用於處理BETWEEN AND， >， <，>=，<= 條件分片，如果不配置RangeShardingAlgorithm，SQL中的條件等將按照全庫路由處理。

2:複合分片策略
複合分片策略，同樣支持對 SQL語句中的 =，>， <， >=， <=，IN和 BETWEEN AND 的分片操作。不同的是它支持多分片鍵，具體分配片細節完全由應用開發者實現。

3:行表達式分片策略 inline
行表達式分片策略，支持對 SQL語句中的 = 和 IN 的分片操作，但只支持單分片鍵。這種策略通常用於簡單的分片，不需要自定義分片演算法，可以直接在配置文件中接著寫規則。
t_order_$->{t_order_id % 4} 代表 t_order 對其欄位 t_order_id取模，拆分成4張表，而表名分別是t_order_0 到 t_order_3。

4:Hint分片策略
Hint分片策略，對應上邊的Hint分片演算法，通過指定分片健而非從 SQL中提取分片健的方式進行分片的策略。

⑧ 分散式主鍵

數據分⽚後，不同數據節點⽣成全局唯⼀主鍵是⾮常棘⼿的問題，同⼀個邏輯表（t_order）內的不同真實表（t_order_n）之間的⾃增鍵由於⽆法互相感知而產⽣重覆主鍵。

儘管可通過設置⾃增主鍵 初始值 和 步⻓ 的⽅式避免ID碰撞，但這樣會使維護成本加大，乏完整性和可擴展性。如果後去需要增加分片表的數量，要逐一修改分片表的步長，運維成本非常高，所以不建議這種方式。

實現分散式主鍵⽣成器的方式很多，可以參考我之前寫的9種分散式ID生成方式。

為了讓上手更加簡單，ApacheShardingSphere 內置了UUID、SNOWFLAKE 兩種分散式主鍵⽣成器，預設使⽤雪花演算法（snowflake）⽣成64bit的⻓整型數據。不僅如此它還抽離出分散式主鍵⽣成器的介面，⽅便我們實現⾃定義的⾃增主鍵⽣成演算法。


⑨ 廣播表

廣播表：存在於所有的分片數據源中的表，表結構和表中的數據在每個資料庫中均完全一致。一般是為字典表或者配置表 t_config，某個表一旦被配置為廣播表，只要修改某個資料庫的廣播表，所有數據源中廣播表的數據都會跟著同步。


⑩ 綁定表

綁定表：那些分片規則一致的主表和子表。比如：t_order 訂單表和 t_order_item 訂單服務項目表，都是按 order_id 欄位分片，因此兩張表互為綁定表關係。

那綁定表存在的意義是啥呢？

通常在我們的業務中都會使用 t_order 和 t_order_item 等表進行多表聯合查詢，但由於分庫分表以後這些表被拆分成N多個子表。如果不配置綁定表關係，會出現笛卡爾積關聯查詢，將產生如下四條SQL。

SELECT * FROM t_order_0 o JOIN t_order_item_0 i ON o.order_id=i.order_id 
SELECT * FROM t_order_0 o JOIN t_order_item_1 i ON o.order_id=i.order_id 
SELECT * FROM t_order_1 o JOIN t_order_item_0 i ON o.order_id=i.order_id 
SELECT * FROM t_order_1 o JOIN t_order_item_1 i ON o.order_id=i.order_id

在這裡插入圖片描述


笛卡爾積查詢

而配置綁定表關係後再進行關聯查詢時，只要對應表分片規則一致產生的數據就會落到同一個庫中，那麼只需 t_order_0 和 t_order_item_0 表關聯即可。

SELECT * FROM t_order_0 o JOIN t_order_item_0 i ON o.order_id=i.order_id 
SELECT * FROM t_order_1 o JOIN t_order_item_1 i ON o.order_id=i.order_id

綁定表關係

註意：在關聯查詢時 t_order 它作為整個聯合查詢的主表。所有相關的路由計算都只使用主表的策略，t_order_item 表的分片相關的計算也會使用 t_order 的條件，所以要保證綁定表之間的分片鍵要完全相同。

案例準備


我們基於MyBatisPlus+ShadingJDBC實現資料庫分片、讀寫分離功能，準備了工程shading-jdbc，該工程是一個SpringBoot+MyBatisPlus實現了MySQL增加和查詢的案例，我們要將ShadingJDBC集成進來，將它改造成具備分表分庫、讀寫分離的案例。

準備資料庫 sd1、sd2,在每個資料庫中創建表，

表結構說明: goods 用於資料庫分片。goods_0, goods_1用於表分片

創建腳本如下：

-- 資料庫sd1
CREATE database `sd1` DEFAULT CHARACTER SET utf8 ;

CREATE TABLE sd1.`goods` (
  `id` bigint(20) NOT NULL,
  `goods_name` varchar(100) DEFAULT NULL,
  `type` bigint(20) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

create table sd1.`goods_0` as select * from sd1.`goods` where 1=2;
create table sd1.`goods_1` as select * from sd1.`goods` where 1=2;

-- 資料庫sd2
CREATE database `sd2` DEFAULT CHARACTER SET utf8 ;

create table sd2.`goods` as select * from sd1.`goods` where 1=2;
create table sd2.`goods_0` as select * from sd1.`goods` where 1=2;
create table sd2.`goods_1` as select * from sd1.`goods` where 1=2;

案例說明：

上面創建的表，雖然是goods_0和goods_1，但案例中Pojo用到了邏輯表，如下:

@Data
@TableName(value = "goods") //這裡用的是邏輯表
public class Goods {

    @TableId(value = "id",type = IdType.INPUT)
    private Long id;
    @TableField(value = "goods_name")
    private String goodsName;
    @TableField(value = "type")
    private Long type;
}

處理上面之外，案例提供了三個方法:

package com.execise.controller;

import com.execise.domain.Goods;
import com.execise.service.GoodsService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Controller;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

import java.util.List;

@RestController
@Controller
@RequestMapping("/goods")
public class GoodsController {

    @Autowired
    private GoodsService goodsService;

    @GetMapping
    public List<Goods> list(){
        return goodsService.list();
    }

    //@GetMapping("/{id}")
    public Goods getOne(@PathVariable int id){
        return goodsService.getById(id);
    }

    @GetMapping("/add/{goodsName}/{type}")
    public String add(@PathVariable String goodsName, @PathVariable int type){
        Goods goods = new Goods();
        goods.setGoodsName(goodsName);
        goods.setType(type);
        goodsService.save(goods);
        return "添加成功!";
    }

}

分庫案例


我們使用ShadingJDBC實現數據分片，將一部分數據添加到sd1一部分數據添加到sd2中，一部分數據添加到goods_0中，一部分數據添加到goods_1中。


我們先實現將一部分數據添加到sd1中，一部分數據添加到sd2中，這種操作就是分庫操作，分庫操作可以減少每個資料庫中存儲的數據，當數據少了，查詢的時候，單台資料庫查找的數據量就減少了，從而加速了每台資料庫查找速度。


分庫策略


在這裡插入圖片描述


分庫策略如上圖:

#求餘演算法
添加數據的時候，我們由於只有2台資料庫，我們可以根據某個欄位 column%2 求餘，來確定數據存入哪個資料庫，這種演算法是很常規的演算法。

#案例求餘
在案例中，我們可以把type作為求餘的column，用type%2的餘數作為資料庫的下標，這種演算法是非常簡單的。

分庫配置

修改application.yml，配置分庫策略，配置如下：

spring:
  shardingsphere:
    # 數據源配置
    datasource:
      # 名稱隨意，但必須唯一
      names: ds1,ds2
      # 這裡的名稱需要在datasource.names中存在
      ds1:
        # jdbc需要配置連接池
        type: com.alibaba.druid.pool.DruidDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        username: root
        password: root
        url: jdbc:mysql://localhost:3306/sd1?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false
      ds2:
        type: com.alibaba.druid.pool.DruidDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        username: root
        password: root
        url: jdbc:mysql://localhost:3306/sd2?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false
    # 分片配置
    sharding:
      # 需要分片的表配置
      tables:
        # 需要分片的表名，邏輯名，隨意
        goods:
          # 數據節點配置ds${}組成上面names中的數據源名稱, 1..2代表 1到2之間的數值
          # 資料庫中表的語法：schema.表名 = database.表名
          actualDataNodes: ds${1..2}.goods
          # 分庫策略
          databaseStrategy:
            # 使用inline分片演算法
            inline:
              # 分片鍵 為表中某個欄位
              shardingColumn: type
              # 具體分片時的表達式
              algorithmExpression: ds${type % 2 + 1}
    props:
      # 是否列印sql
      sql.show: true
logging:
  pattern:
    console: '%d{HH:mm:ss} %msg %n\'
  level:
    root: info
    com:
      execise: debug

分表案例


基於上面的案例，我們再實現分表操作，一部分數據存入goods_0，一部分數據存入goods_1。


分表策略


在這裡插入圖片描述


如上圖：

#分表策略
我們需要將數據存入到goods_0或者goods_1中，也可以採用求餘法，採用id作為求餘的列， id%2的餘數作為資料庫表的下標。

分表配置

修改application.yml，配置分表策略，配置如下：

spring:
  main:
    allow-bean-definition-overriding: true
  shardingsphere:
    datasource:
      names: ds1,ds2
      ds1:
        type: com.alibaba.druid.pool.DruidDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        username: root
        password: root
        url: jdbc:mysql://localhost:3306/sd1?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false
      ds2:
        type: com.alibaba.druid.pool.DruidDataSource
        driver-class-name: com.mysql.cj.jdbc.Driver
        username: root
        password: root
        url: jdbc:mysql://localhost:3306/sd2?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false
    sharding:
      tables:
        goods:
          actualDataNodes: ds${1..2}.goods_${0..1}
          databaseStrategy:
            inline:
              shardingColumn: type
              algorithmExpression: ds${type % 2 + 1}
          # 表分片策略
          tableStrategy:
            inline:
              shardingColumn: id
              algorithmExpression: goods_${id % 2}
          keyGenerator:
            type: SNOWFLAKE
            column: id
    props:
      sql.show: true
logging:
  pattern:
    console: '%d{HH:mm:ss} %msg %n\'
  level:
    root: info
    com:
      execise: debug

配置參數說明


上面我們完成了分表分庫的配置，但很多配置並未說明是什麼意思，參數詳情如下：

dataSources: # 省略數據源配置，請參考使用手冊

rules:
- !SHARDING
  tables: # 數據分片規則配置
    <logic-table-name> (+): # 邏輯表名稱
      actualDataNodes (?): # 由數據源名 + 表名組成（參考Inline語法規則）
      databaseStrategy (?): # 分庫策略，預設表示使用預設分庫策略，以下的分片策略只能選其一
        standard: # 用於單分片鍵的標準分片場景
          shardingColumn: # 分片列名稱
          shardingAlgorithmName: # 分片演算法名稱
        complex: # 用於多分片鍵的複合分片場景
          shardingColumns: #分片列名稱，多個列以逗號分隔
          shardingAlgorithmName: # 分片演算法名稱
        hint: # Hint 分片策略
          shardingAlgorithmName: # 分片演算法名稱
        none: # 不分片
      tableStrategy: # 分表策略，同分庫策略
      keyGenerateStrategy: # 分散式序列策略
        column: # 自增列名稱，預設表示不使用自增主鍵生成器
        keyGeneratorName: # 分散式序列演算法名稱
  autoTables: # 自動分片表規則配置
    t_order_auto: # 邏輯表名稱
      actualDataSources (?): # 數據源名稱
      shardingStrategy: # 切分策略
        standard: # 用於單分片鍵的標準分片場景
          shardingColumn: # 分片列名稱
          shardingAlgorithmName: # 自動分片演算法名稱
  bindingTables (+): # 綁定表規則列表
    - <logic_table_name_1, logic_table_name_2, ...> 
    - <logic_table_name_1, logic_table_name_2, ...> 
  broadcastTables (+): # 廣播表規則列表
    - <table-name>
    - <table-name>
  defaultDatabaseStrategy: # 預設資料庫分片策略
  defaultTableStrategy: # 預設表分片策略
  defaultKeyGenerateStrategy: # 預設的分散式序列策略
  defaultShardingColumn: # 預設分片列名稱
  
  # 分片演算法配置
  shardingAlgorithms:
    <sharding-algorithm-name> (+): # 分片演算法名稱
      type: # 分片演算法類型
      props: # 分片演算法屬性配置
      # ...
  
  # 分散式序列演算法配置
  keyGenerators:
    <key-generate-algorithm-name> (+): # 分散式序列演算法名稱
      type: # 分散式序列演算法類型
      props: # 分散式序列演算法屬性配置
      # ...

props:
  # ...

​

ShardingProxy 使用


下載與安裝


訪問 https://shardingsphere.apache.org/document/current/en/downloads/ 下載


也可獲取歷史版本的下載

https://archive.apache.org/dist/shardingsphere/


  1. 解壓縮後修改conf/server.yaml和以config-首碼開頭的文件，如：conf/config-xxx.yaml文件，進行分片規則、讀寫分離規則配置。

需要修改server.yaml後方可啟動。把authentication這塊原來的註釋符(#)都刪除即可


在這裡插入圖片描述


  1. 如果使用mysql資料庫時，需要把mysql的jar複製到它的lib目錄下。

  2. windows下雙擊start.bat啟動： 預設使用3307埠，可通過命令修改。

    start.bat 埠

在這裡插入圖片描述


  1. Linux操作系統請運行bin/start.sh，Windows操作系統請運行bin/start.bat啟動Sharding-Proxy。如需配置啟動埠、配置文件位置後進行啟動

分庫案例


修改配置文件config-sharding.yaml如下

schemaName: sharding_db
dataSources:
  sp_1:
    url: jdbc:mysql://127.0.0.1:3306/sd1?serverTimezone=UTC&useSSL=false
    username: root
    password: root
    connectionTimeoutMilliseconds: 30000
    idleTimeoutMilliseconds: 60000
    maxLifetimeMilliseconds: 1800000
    maxPoolSize: 10
  sp_2:
    url: jdbc:mysql://127.0.0.1:3306/sd2?serverTimezone=UTC&useSSL=false
    username: root
    password: root
    connectionTimeoutMilliseconds: 30000
    idleTimeoutMilliseconds: 60000
    maxLifetimeMilliseconds: 1800000
    maxPoolSize: 10
  
shardingRule:
  tables:
    student:
      actualDataNodes: sp_${1..2}.student_${0..1}
      tableStrategy:
        inline:
          shardingColumn: id
          algorithmExpression: student_${id % 2}
      databaseStrategy:
        inline:
          shardingColumn: grade
          algorithmExpression: sp_${grade % 2 + 1}
      keyGenerator:
        type: SNOWFLAKE
        column: id
  bindingTables:
    - student

分表案例


修改配置文件config-sharding.yaml如下

schemaName: sharding_db
dataSources:
  master:
    username: root
    password: 123456
    url: jdbc:mysql://192.168.136.160:3307/masterdb?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false
    connectionTimeoutMilliseconds: 30000
    idleTimeoutMilliseconds: 60000
    maxLifetimeMilliseconds: 1800000
    maxPoolSize: 10
  slave1:
    username: root
    password: 123456
    url: jdbc:mysql://192.168.136.160:3308/masterdb?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false
    connectionTimeoutMilliseconds: 30000
    idleTimeoutMilliseconds: 60000
    maxLifetimeMilliseconds: 1800000
    maxPoolSize: 10
  slave2:
    username: root
    password: 123456
    url: jdbc:mysql://192.168.136.160:3309/masterdb?serverTimezone=Asia/Shanghai&characterEncoding=utf8&autoReconnect=true&zeroDateTimeBehavior=convertToNull&useSSL=false
    connectionTimeoutMilliseconds: 30000
    idleTimeoutMilliseconds: 60000
    maxLifetimeMilliseconds: 1800000
    maxPoolSize: 10
shardingRule:
  tables:
    goods:
      actualDataNodes: ds_ms1.goods_${0..1}
      tableStrategy:
        inline:
          shardingColumn: id
          algorithmExpression: goods_${id%2}
      keyGenerator:
        type: SNOWFLAKE
        column: id
  bindingTables: 
    - goods
  masterSlaveRules:
    ds_ms1:
      loadBalanceAlgorithmType: round_robin
      masterDataSourceName: master
      slaveDataSourceNames: 
        - slave1
        - slave2

MySQL主從複製


① 創建master容器

  1. 創建配置

    mkdir -p /data/mysql/master/conf
# master資料庫配置
sudo tee /data/mysql/master/conf/mysqld.cnf <<-'EOF'
[mysqld]
server-id = 1        # 節點ID，確保唯一

# log config
log-bin = mysql-bin     #開啟mysql的binlog日誌功能
sync_binlog = 1         #控制資料庫的binlog刷到磁碟上去 , 0 不控制，性能最好，1每次事物提交都會刷到日誌文件中，性能最差，最安全
binlog_format = mixed   #binlog日誌格式，mysql預設採用statement，建議使用mixed
expire_logs_days = 7                           #binlog過期清理時間
max_binlog_size = 100m                    #binlog每個日誌文件大小
binlog_cache_size = 4m                        #binlog緩存大小
max_binlog_cache_size= 512m              #最大binlog緩存大
binlog-ignore-db=mysql #不生成日誌文件的資料庫，多個忽略資料庫可以用逗號拼接，或者 複製這句話，寫多行

auto-increment-offset = 1     # 自增值的偏移量
auto-increment-increment = 1  # 自增值的自增量
slave-skip-errors = all #跳過從庫錯誤
EOF

  2. 創建容器

    # 創建master資料庫
docker run --name mysql-master -p 3307:3306 -e MYSQL_ROOT_PASSWORD=123456 \
-v /data/mysql/master/conf/mysqld.cnf:/etc/mysql/mysql.conf.d/mysqld.cnf \
-v /data/mysql/master/data:/var/lib/mysql \
-d mysql:5.7

② 創建2個slave容器

  1. 創建slave的配置

    mkdir -p /data/mysql/slave1/conf
# slave資料庫配置
sudo tee /data/mysql/slave1/conf/mysqld.cnf <<-'EOF'
[mysqld]
server-id = 101
log-bin=mysql-bin
relay-log = mysql-relay-bin
replicate-wild-ignore-table=mysql.%
replicate-wild-ignore-table=test.%
replicate-wild-ignore-table=information_schema.%
EOF

mkdir -p /data/mysql/slave2/conf
# slave資料庫配置
sudo tee /data/mysql/slave2/conf/mysqld.cnf <<-'EOF'
[mysqld]
server-id = 102
log-bin=mysql-bin
relay-log = mysql-relay-bin
replicate-wild-ignore-table=mysql.%
replicate-wild-ignore-table=test.%
replicate-wild-ignore-table=information_schema.%
EOF

  2. 創建容器

    docker run --name mysql-slave1 -p 3308:3306 -e MYSQL_ROOT_PASSWORD=123456 \
-v /data/mysql/slave1/conf/mysqld.cnf:/etc/mysql/mysql.conf.d/mysqld.cnf \
-v /data/mysql/slave1/data:/var/lib/mysql \
-d mysql:5.7

docker run --name mysql-slave2 -p 3309:3306 -e MYSQL_ROOT_PASSWORD=123456 \
-v /data/mysql/slave2/conf/mysqld.cnf:/etc/mysql/mysql.conf.d/mysqld.cnf \
-v /data/mysql/slave2/data:/var/lib/mysql \
-d mysql:5.7

③ master創建用戶並授權

  1. 進入master的資料庫，為master創建複製用戶

    # 進入master容器
docker exec -it mysql-master bash
# root用戶連接mysql
mysql -uroot -p123456
# 創建用戶
CREATE USER repl_user IDENTIFIED BY 'repl_passwd';

  2. 賦予戶複製的許可權

    grant replication slave on *.* to 'repl_user'@'%' identified by 'repl_passwd';
FLUSH PRIVILEGES;

④ 查看master的狀態

# 記錄 File與Position的值
show master status;

在這裡插入圖片描述


⑤ 從庫配置

# 進入從庫容器
docker exec -it mysql-slave bash
# 連接從庫
mysql -uroot -p123456

CHANGE MASTER TO 
MASTER_HOST = '192.168.136.160',  
MASTER_USER = 'repl_user', 
MASTER_PASSWORD = 'repl_passwd',
MASTER_PORT = 3307,
MASTER_LOG_FILE='mysql-bin.000003',
MASTER_LOG_POS=858,
MASTER_RETRY_COUNT = 60,
MASTER_HEARTBEAT_PERIOD = 10000; 
start slave;


# MASTER_LOG_FILE='mysql-bin.000005',#與主庫File 保持一致
# MASTER_LOG_POS=120 , #與主庫Position 保持一致

show slave status\G

在這裡插入圖片描述


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 分享一個Vue實現圖片水平瀑布流的插件
    這裡給大家分享我在網上總結出來的一些知識，希望對大家有所幫助 一.需求來源 今天碰到了一個需求，需要在頁面里，用水平瀑布流的方式，將一些圖片進行載入，這讓我突然想起我很久以前寫的一篇文章《JS兩種方式實現水平瀑布流佈局》 但是有個問題，這個需求是Vue項目的，那沒辦法，這裡給大家分享下我的開發過程， ...
  • 圖片優化
    一、常見的圖片格式 BMP 是無損的、既支持索引色也支持直接色的點陣圖。這種圖片格式幾乎沒有對數據進行壓縮，所以BMP格式的圖片通常是較大的文件。 GIF 是無損的、採用索引色的點陣圖。採用LZW壓縮演算法進行編碼。文件小，是GIF格式的優點，同時，GIF格式還具有支持動畫以及透明的優點。但是GIF格 ...
  • 滑鼠移入，圖片放大
    效果 之前： 之後 Code <!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title>菜鳥教程(runoob.com)</title> </head> <body> <div class="rect"> <img src="https: ...
  • npm 筆記
    vue組件中最常見的數據傳遞就是父子組件之間的傳遞，父組件可以通過 props 向下傳數據給子組件，子組件可以通過 $emit 事件攜帶數據給父組件。然而當兩個頁面沒有任關係，該如何通信？這就引出了 EventBus ( 事件匯流排 ) 這個概念 初始化 方法一：新建文件 首先需要初始化一個 Even ...
  • 【JavaScript排序】 sort()方法（解決null、undefined、0之間的排序（混亂）問題）
    此博客主要介紹JavaScript中sort()排序的使用方法，也進一步講述了：當排序的值存在null、undefined、0這三個特殊值時，解決排序混亂的方法，並結合自己的理解來闡述解決方法的原理。 JavaScript排序 — sort()方法 ——解決null、undefined、0之間的排序 ...
  • 什麼是可調CAP策略？為什麼需要可調CAP策略？
    可調CAP策略是在原來CAP理論基礎上的延伸和發展，它允許我們隨時重組電腦集群的運行模式，根據不同的業務需求，在CP和AP之間動態調節。 ...
  • 初識設計模式 - 適配器模式
    適配器設計模式（Adapter Design Pattern）可以將不相容的介面轉換為可相容的介面，讓原本由於介面不相容而不能一起工作的類可以一起工作。 ...
  • 【設計模式】之迭代器模式
    定義 迭代器模式（Iterator pattern）：用於順序訪問集合對象里的每一個元素，不用暴露集合是怎樣存儲元素的。 舉例 某個班級有若幹個學生，現在需要統計這些學生的平均分數。假設所有學生的分數是用數組存儲的： int totalScore(int *array, int n) { int s ...
一周排行
    -Advertisement-
    Play Games
  • UOS 開啟 VisualStudio 遠程調試 .NET 應用之旅
    前言 在我們開發過程中基本上不可或缺的用到一些敏感機密數據，比如SQL伺服器的連接串或者是OAuth2的Secret等，這些敏感數據在代碼中是不太安全的，我們不應該在源代碼中存儲密碼和其他的敏感數據，一種推薦的方式是通過Asp.Net Core的機密管理器。 機密管理器 在 ASP.NET Core ...
  • C# - 能否讓 SortedSet.RemoveWhere 內傳入的委托非同步執行
    新改進提供的Taurus Rpc 功能，可以簡化微服務間的調用，同時可以不用再手動輸出模塊名稱，或調用路徑，包括負載均衡，這一切，由框架實現並提供了。新的Taurus Rpc 功能，將使得服務間的調用，更加輕鬆、簡約、高效。 ...
  • 順序棧的介面程式
    順序棧的介面程式 目錄順序棧的介面程式頭文件創建順序棧入棧出棧利用棧將10進位轉16進位數驗證 頭文件 #include <stdio.h> #include <stdbool.h> #include <stdlib.h> 創建順序棧 // 指的是順序棧中的元素的數據類型，用戶可以根據需要進行修改 ...
  • mORMot2 獲取數據集1
    前言 整理這個官方翻譯的系列，原因是網上大部分的 tomcat 版本比較舊，此版本為 v11 最新的版本。 開源項目 從零手寫實現 tomcat minicat 別稱【嗅虎】心有猛虎，輕嗅薔薇。 系列文章 web server apache tomcat11-01-官方文檔入門介紹 web serv ...
  • 萬字長文總結與剖析C語言關鍵字 -- <<C語言深度解剖>>
    C總結與剖析:關鍵字篇 -- <<C語言深度解剖>> 目錄C總結與剖析:關鍵字篇 -- <<C語言深度解剖>>程式的本質:二進位文件變數1.變數:記憶體上的某個位置開闢的空間2.變數的初始化3.為什麼要有變數4.局部變數與全局變數5.變數的大小由類型決定6.任何一個變數,記憶體賦值都是從低地址開始往高地 ...
  • 【Flink入門修煉】2-3 Flink Checkpoint 原理機制
    如果讓你來做一個有狀態流式應用的故障恢復，你會如何來做呢？ 單機和多機會遇到什麼不同的問題？ Flink Checkpoint 是做什麼用的？原理是什麼？ ...
  • C++ 多級繼承與多重繼承：代碼組織與靈活性的平衡
    C++ 多級繼承 多級繼承是一種面向對象編程（OOP）特性，允許一個類從多個基類繼承屬性和方法。它使代碼更易於組織和維護，並促進代碼重用。 多級繼承的語法 在 C++ 中，使用 : 符號來指定繼承關係。多級繼承的語法如下： class DerivedClass : public BaseClass1 ...
  • 圖文結合手把手教你創建SpringCloud項目
    前言 什麼是SpringCloud？ Spring Cloud 是一系列框架的有序集合，它利用 Spring Boot 的開發便利性簡化了分散式系統的開發，比如服務註冊、服務發現、網關、路由、鏈路追蹤等。Spring Cloud 並不是重覆造輪子，而是將市面上開發得比較好的模塊集成進去，進行封裝，從 ...
  • 類模板的常見用法
    class_template 類模板和函數模板的定義和使用類似，我們已經進行了介紹。有時，有兩個或多個類，其功能是相同的，僅僅是數據類型不同。類模板用於實現類所需數據的類型參數化 template<class NameType, class AgeType> class Person { publi ...
  • system-v IPC共用記憶體通信
    目錄system v IPC簡介共用記憶體需要用到的函數介面shmget函數--獲取對象IDshmat函數--獲得映射空間shmctl函數--釋放資源共用記憶體實現思路註意 system v IPC簡介 消息隊列、共用記憶體和信號量統稱為system v IPC(進程間通信機制)，V是羅馬數字5，是UNI ...
所有分類